Fundamentele veranderingen in hoe het model leert en omgaat met input van telers zorgen voor aanzienlijk minder handmatig werk en significant betere nauwkeurigheid.
Source.ag, het data- en AI-platform voor de professionele glastuinbouw, heeft vandaag een belangrijke doorbraak aangekondigd in zijn AI-gestuurde Harvest Forecast-model (oogstvoorspelling) voor tomaten. Het nieuwste generatie AI-model introduceert fundamentele veranderingen in de manier waarop het wordt getraind, bijgewerkt en verbeterd. Het maakt gebruik van geavanceerde AI om de nauwkeurigheid continu te verhogen op basis van teeltgegevens uit de praktijk. Het resultaat is een model dat omgaat met uiteenlopende klimaatomstandigheden op een schaal die geen enkele individuele teler alleen zou kunnen ervaren. De nieuwste generatie van het model is al beschikbaar voor veldtesten bij een kleine groep telers, met een volledige uitrol die op korte termijn gepland staat.
De resultaten zijn opmerkelijk. Op een voorspellingshorizon van drie weken is de gemiddelde nauwkeurigheid met 33% gestegen ten opzichte van het vorige model. Het aandeel teelten met een voorspelling die meer dan 20% afwijkt van de daadwerkelijke opbrengst is met 25% gedaald. Bovendien zijn grote uitschieters, teelten waarbij de voorspelling er ver naast zat, met 50% verminderd.
Achter deze resultaten schuilt een fundamentele verandering in de manier waarop het model leert en zich ontwikkelt. Dit vernieuwde model combineert nu de nieuwste wetenschappelijke inzichten uit de tuinbouw met een AI-model dat leert van de inrichting en uitdagingen die uniek zijn voor elke kas. Hierbij wordt rekening gehouden met alle ecologische en logistieke complexiteiten die de dagelijkse oogst beïnvloeden.
Naast de verbeterde nauwkeurigheid is de meest ingrijpende praktische verandering voor telers een aanzienlijke vermindering van handmatige invoer. Verschillende dataprocessen die voorheen regelmatige handmatige registraties vereisten, zijn nu geautomatiseerd. Dit neemt een terugkerende operationele last weg en verbetert tegelijkertijd de nauwkeurigheid van de voorspelling. Telers krijgen met minder werk betrouwbaardere cijfers.
De uitrol verloopt gefaseerd: een eerste groep kassen is al live en een bredere roll-out is gepland voor de komende weken. Volledige implementatie bij alle tomatentelers wordt in de komende weken verwacht. Deze vooruitgang in AI-gestuurde prognoses weerspiegelt de richting die Source met het platform als geheel inslaat en markeert het begin van een veel bredere AI-transformatie die Source voor telers en verkoopteams in gang heeft gezet.
"Wat dit betekenisvol maakt, is hoe het model zich in de loop van de tijd verbetert," zegt Rien Kamman, CEO en medeoprichter van Source.ag. "Het AI-model leert van elke teelt die via Source.ag loopt, waardoor de prestaties van het model toenemen naarmate meer telers het platform gebruiken. Dat is de richting waar we naartoe hebben gebouwd: AI die beter wordt door schaal, niet alleen door handmatige inspanning."
"De meest tastbare verandering voor telers is dat het model veel minder van hen vraagt", zegt Sebastiaan Vermeulen, Data Scientist bij Source.ag. "We hebben diverse dataverzamelprocessen geautomatiseerd die voorheen regelmatige handmatige invoer vereisten, wat een reële last uit de werkweek van de teler wegneemt. Tegelijkertijd hebben we een aantal wijzigingen aangebracht in de manier waarop de verzamelde data wordt gebruikt in het nieuwe model, wat leidt tot aanzienlijke verbeteringen in de voorspellingsnauwkeurigheid. We hebben het nu makkelijker dan ooit gemaakt om oogstafspraken na te komen, een betere prijs te realiseren en verspilling te verminderen."
Rijk Zwaan and Source.ag discuss how combining genetics and AI helps growers master new varieties from season one.
The $1T question: How do we stop wasting food post-harvest?
