Het fruitpluk seizoen is in volle gang. Zoals zoveel branches kampt ook deze tak van de agrarische sector met personeelstekorten. Er zijn nauwelijks nog mensen te vinden die dagenlang tussen de appel- en perenbomen willen vertoeven om de oogst van het te verzamelen. Daarom wordt met spanning gekeken naar de ontwikkeling van geautomatiseerde oplossingen zoals de plukrobot. Ook in Nederland wordt hard aan die innovatie gewerkt. In Wageningen, bij de Universiteit, is Agro Food Robotics een van de voorlopers op dit gebied. Zij hebben daarvoor enige tijd geleden het Next Food 4.0 project opgezet.
Machines die, deels of geheel, automatisch fruit kunnen oogsten bestaan al enkele jaren. De meeste van die machines moeten echter wel door mensen bediend worden. Sterker nog, bij een machine die helpt bij het plukken van pruimen is mankracht onmisbaar. De machine kan de pruimen grotendeels wel zelf van de bomen plukken, maar voor het transport naar de bakken waar de pruimen in vervoerd worden, zijn mensenhanden nodig.
Het Next Food 4.0 project werkt aan de ontwikkeling van een nog slimmere robot die uiteindelijk volledig autonoom fruit kan oogsten. Dit jaar ligt de focus op de perenoogst. De robot die ontwikkeld wordt, is niet alleen voorzien van grijpers en (snoei)scharen, maar heeft ook beeldanalyse apparatuur en sensoren aan boord zodat de robot zelf het fruit kan ‘zien’ en de juiste vruchten, peren in dit geval, selecteert die geplukt kunnen worden.
Alleen het zien van de peer is niet voldoende. Om te bepalen of hij rijp genoeg is om te oogsten moet er een beetje, eenvoudig gezegd, in geknepen worden. Dat moet natuurlijk met niet te veel kracht gebeuren, anders krijg je perensap voordat de peer geoogst is. Druksensoren helpen de robot daarbij en met behulp van AI en machine learning wordt de robot getraind.
De algoritmes die ontwikkeld worden kunnen volgens Agro Food Robotics straks relatief snel getraind worden voor het automatisch plukken van andere fruitsoorten. “Zo kan bijvoorbeeld een algoritme voor het herkennen van gele paprika’s, klaar om te oogsten, gebruikt worden voor het herkennen van rode tomaten. Maar machine learning kan ook voor andere doeleinden dan beeldomgeving worden gebruikt. Bijvoorbeeld om een robot te leren begrijpen, of om opbrengstresultaten te voorspellen. De volgende stap van Agro Food Robotics zal een krachtig element van machine learning hebben, waardoor robots flexibeler en leerbaarder worden”, aldus Agro Food Products.
