Kunstmatige intelligentie in tuin- en akkerbouw

Voor het dossier Agro productie, handel en technologie splitsen we de voorbeelden van kunstmatige intelligentie op in de werkgebieden tuin- en akkerbouw en veehouderij. Binnen deze werkvelden zien we verschillende toepassingen van kunstmatige intelligentie.

Men richt zich in de tuin- en akkerbouw bijvoorbeeld steeds meer op het toepassen van kunstmatige intelligentie om de voedselproductie te verhogen, zonder daarbij het milieu te schaden. Waar eerder agrariërs individueel beslissingen moesten nemen over hun ingrepen, kunnen ze nu door kunstmatige intelligentie hun keuzes baseren op data. Kunstmatige intelligentie wordt bijvoorbeeld ingezet voor precisielandbouw, gewasmonitoring en gewasanalyses. Hiervoor wordt gebruik gemaakt van technologische innovaties op het gebied van sensoren, radars en GPS. Kunstmatige intelligentie helpt telers om nóg efficiënter te telen, zodat een groter oppervlakte tegelijkertijd kan worden aangestuurd en de productie geoptimaliseerd kan worden.

De meeste voorkomende toepassingen maken gebruik van computer vision, sensoren al dan niet geïntegreerd in gerobotiseerde systemen.

Computer vision is een interdisciplinair wetenschappelijk veld dat zich bezighoudt met hoe computers op hoog niveau inzicht kunnen krijgen uit digitale afbeeldingen of video's. Er zijn in de tuin- en akkerbouw bijvoorbeeld sorteermachines die door machinelearning zijn getraind om spruitjes van bepaalde kwaliteitsklassen uit elkaar te houden. Computer vision-systemen die je aan trekkers bevestigt, kunnen gewassen op soort en kwaliteit herkennen, om vervolgens per plant zelfstandig een bestrijdings- of bemestingsmiddel toe te dienen. Dit leidt tot efficiënt en effectief middelengebruik.

Veel tuinbouwbedrijven maken ook gebruik van sensoren. Zij helpen het groeiproces en de voorraad te beheren en de kwaliteit te monitoren. Klimaatsensoren meten onder andere temperatuur, luchtvochtigheid en CO2 in de kassen. De tags verzenden vervolgens draadloos informatie wanneer de te meten variabelen veranderen. Tags kun je ook uitrusten met gps-volgtechnologie om leveringen of bezorgingsupdates te volgen. In de precisielandbouw meten sensoren bijvoorbeeld de pH-waarde in de grond, of de hoeveelheid organische stoffen. Dit levert een gedetailleerde kaart van het perceel op. Aan de hand daarvan kunnen agrariërs nauwkeurig bepalen welke delen van het perceel meer of minder voedingsstoffen nodig hebben.

Ook wordt er in de tuin- en akkerbouw volop ingezet op het automatiseren van processen en doen steeds meer robots hun intrede in het werkveld. Er zijn automatisch gestuurde tractoren die routinematige taken overnemen.

Toepassingen

  • Wat houdt het in?

    Precisielandbouw is een toepassing die veel data oplevert. Precisielandbouw staat voor het gps-gestuurd werken op het veld. Het betekent op de millimeter nauwkeurige veldberekeningen om zaden, meststoffen, water en gewassen beter te beheren, door voortdurende controle en ondersteunende besluitvorming. Hiervoor zet men technologieën in zoals gps, sensortechnologie, ICT en robotisering. De machine werkt volautomatisch op gps. Sensoren meten bijvoorbeeld de pH-waarde in de grond, of de hoeveelheid organische stoffen. Dit levert een gedetailleerde kaart van het perceel op. Aan de hand daarvan kunnen agrariërs heel nauwkeurig bepalen welke delen van het perceel meer of minder voedingsstoffen nodig hebben. Precisielandbouw zorgt voor optimale teelt en rendementsverbetering en draagt bij aan biodiversiteit doordat agrariërs de veldwerkzaamheden nauwkeurig uitvoeren. Denk hierbij aan irrigatie, onkruidbestrijding, zaaien, poten, bemesten en gewasbescherming. Er is minder uitspoeling naar de bodem en het grond- en oppervlaktewater. Bijkomend voordeel van precisielandbouw is dat de medewerkers minder in aanraking komen met chemische middelen. (Elands, 2021 en Middelweerd, 2021)

    Christel Thijssen (loonbedrijf Thijssen) vertelt:

    “Als er een plantje wordt herkend, geeft de toepassing daar een reactie op. Dus hij ziet een plantje en herkent het als onkruid. Dan is de reactie ‘spuiten’. Ziet-ie een plantje dat er niet bij hoort, dan spuit het helemaal niets. Voorheen kwamen we met een hele grote spuit het veld op gereden. Je klapt de boom uit en dan spuit je alles. Maar met dit systeem spuit je alleen maar de plantjes die je niet wilt hebben. Ridderzuring of paardenbloem bijvoorbeeld.”

    Input

    • Visuele gegevens
    • Locatiegegevens

    Technologie

    • Data mining
    • Computer vision

    Output

    • Suggestion
    • Automation
  • Wat houdt het in?

    Er zijn automatisch gestuurde tractoren die werken op basis van kunstmatige-intelligentiesoftware. Een trekker die op het veld van punt A naar B moet rijden, ziet bijvoorbeeld een obstakel en kan het ontwijken. Autonome tractoren kunnen minder groot zijn. Kleinere machines zijn veiliger om mee te werken. De kerntaak van een autonome tractor is echter niet het rijden, maar het bewerken van een veld of het verplaatsen van materieel of goederen. Die handelingen zijn vaak uniek voor een specifiek gewas. De autonome tractor kan allerlei repetitieve taken voor zijn rekening nemen, bijvoorbeeld hooibalen op verschillende plekken op het veld ophalen en die samenbrengen voor transport, automatisch ploegen, maaien of sproeien. (Wetenschap, 2022)

    Flanders Make heeft samen met CNH Industrial een automatische balenpers ontwikkeld. Traditioneel worden gewassen en stengels in balen geperst en vervolgens verpakt voor later gebruik. Maar dit is een complexe taak waar heel wat vaardigheden bij komen kijken. Ervaren operatoren vinden of opleiden voor deze taak is lastig in de landbouwsector. Een operator bestuurt enerzijds de tractor met de balenpers. Anderzijds houdt hij ook de verschillende instellingen van de balenpers, zoals de druk in de perskamer, voortdurend in de gaten en stuurt bij waar nodig. Al die factoren hebben invloed op de kwaliteit van de uiteindelijk te persen balen. Daarom moet hij de sturing en de snelheid van de tractor voortdurend aanpassen, zodat de balenpers een constante instroom van gewas ontvangt. Wanneer een operator dit niet doet, gaan de formaten en gewichten van balen al snel variëren. Flanders Make heeft samen met CNH Industrial een manier gevonden om dit proces te automatiseren, of minstens meer ondersteuning te bieden aan de operator. De ontwikkelde oplossing bestaat uit twee delen. Enerzijds is er de automatische navigatie waarbij de tractor zelf beoordeelt hoe die het best centraal over het veld blijft rijden, door het gebruik van de beeldverwerking van een camera. Afhankelijk van de hoeveelheid gewas past de operator de snelheid aan, zodat de instroom constant blijft. Anderzijds optimaliseert hij de parameters van de balenpers die bepalen hoe groot en zwaar de balen zijn. Door die twee elementen te combineren, verloopt het proces een stuk efficiënter en sneller, met minder verbruik van brandstof.  (Depraetere, 2023 en Flanders Make, 2020 en Webadmin, 2022)

    Input

    • Visuele gegevens
    • Locatiegegevens

    Technologie

    • Data mining

    Output

    • Automation
  • Wat houdt het in?

    Elektronische tags en aanpasbare sensoren helpen tuinbouwbedrijven het groeiproces en de voorraad te beheren en de kwaliteit te monitoren. Klimaatsensoren meten onder andere temperatuur, luchtvochtigheid en CO2 in de kassen. De tags verzenden vervolgens draadloos informatie wanneer de te meten variabelen veranderen. Tags kun je ook uitrusten met gps-volgtechnologie om leveringen of bezorgingsupdates te volgen. Bodemsensoren leveren voor de tuinbouw een waterbesparing op die kan oplopen tot 40 procent. De nieuwe Nederlandse sensor Aquatag is in staat het vochtgehalte nauwkeurig te bepalen. De Aquatag is oorspronkelijk ontwikkeld voor precisiebewatering in de Nederlandse potplantenteelt. De sensor heeft het Rotterdamse bedrijf Sensortag Solutions ontwikkeld, in samenwerking met de TU Delft, TNO en de TU Eindhoven. Hoe meer sensoren in een zogeheten kraanvak staan, hoe nauwkeuriger de metingen van het vochtgehalte. Daarnaast is de Aquatag goedkoop en gemakkelijk te bedienen. In de pilot plaatsten Turkse telers van onder meer paprika’s en komkommers vijf sensoren per kraanvak. Eén keer per dag gebruikten ze een handmeter om het vochtgehalte in de bodem te bepalen. Het instrument gaf vervolgens een bewateringsadvies op maat. Daarbij is rekening gehouden met onder meer het gewas en de grondsoort. (Groot, 2021)

    Input

    • Locatiegegevens
    • Klimaatgegevens

    Technologie

    • Data mining

    Output

    • Suggestion
  • Wat houdt het in?

    Start-up Source.ag introduceert kunstmatige intelligentie in de glastuinbouw. De opbrengsten van producten uit de kas zijn tot vijftien keer hoger dan in de traditionele landbouw, het waterverbruik tot twintig keer lager is en dat dit leidt tot minder vervuiling en gebruik van agrarisch land. Dat bracht de Source.ag-directeur op het idee om kunstmatige intelligentie in te zetten in de glastuinbouw. Telers kunnen met Source de omstandigheden van de plant beter controleren en daardoor efficiënter voedsel produceren. Dit heeft als doel telers de mogelijkheid te geven meerdere kassen tegelijk aan te sturen en op die manier op te schalen. Hierdoor kunnen glastuinders makkelijker opschalen. Zo zorgt het bedrijf voor maximale voedselvoorziening met twintig procent minder water en zonder afval door mestgebruik.  

    De achtergrond is dat het moeilijk is om mensen te vinden die voldoende teeltkennis hebben om tegemoet te komen aan de groeiende vraag naar voedsel uit de kas. De glastuinbouw is een complexe sector, waarin tientallen aspecten tegelijk goed moeten gaan. Vruchtgroentetelers die zijn aangesloten bij coöperatie Growers United gaan in hun kassen werken met kunstmatige intelligentie. Het Amsterdamse technologiebedrijf Source voorziet de kassen van technologieën. Tegelijkertijd investeert Growers United in Source om de technologie door te ontwikkelen. Met behulp van kunstmatige intelligentie wil Source tot het optimale teeltplan komen en de uitvoering ervan ondersteunen. Dat doet het bedrijf door 'een intelligente laag om de kas heen te bouwen'.  

    De algoritmen helpen de vruchtgroentetelers om onder meer een grotere oppervlakte tegelijk aan te sturen en sneller bij te sturen om fouten te voorkomen. Kunstmatige intelligentie kan helpen om niet alleen de opbrengst te verhogen, maar ook het bedrijfsresultaat te maximaliseren, risico’s te minimaliseren en zo duurzaam mogelijk te werken. (De Jonge, 2022 en Redactie SmartFarming, 2022) 

    Input

    • Locatiegegevens
    • Klimaatgegevens

    Technologie

    • Data mining

    Output

    • Suggestion
    • Automation
  • Wat houdt het in?

    Ook de sierteelt maakt gebruik van algoritmen. Kwekers nemen dagelijks beslissingen over wanneer en hoeveel producten ze willen verkopen via klokvoorverkoop, de veilingklok of rechtstreekse verkoop. Voor hen is het van belang dat ze op het juiste moment besluiten hun producten (bloemen, planten, etc.) te verkopen. Met gebruik van data is het mogelijk om de vraag vanuit de klant beter te voorspellen. Zo is te voorspellen dat op Valentijnsdag de bloemen duurder zijn, omdat de vraag dan groter is. Maar als de kweker weet hoe hij de productie beter over de week kan verdelen door het ‘opengaan’ van bepaalde rozen te vertragen, door ze iets minder licht te geven, kan hij de productieketen aanpassen aan de momenten van afname.  

    Voor Zentoo (een vereniging van kwekers) werd een algoritme ontwikkeld om een prijsvoorspelling niet alleen op basis van gevoel, maar op basis van data te realiseren. Die voorspelde marktprijs hanteren de leden in hun webshop. Dat heeft ertoe geleid dat zij een beter resultaat behalen van zo'n 2 tot 4 procent. (Royal FloraHolland, 2020) 

    Input

    • Online gegevens

    Technologie

    • Data mining

    Output

    • Suggestion
  • Wat houdt het in?
    Gearbox

    Gearbox heeft de GearRover ontwikkeld. Dit is een slimme oogstassistent die op basis van computer vision en algoritmen de medewerkers in de kas ondersteunt bij het beoordelen van de oogstrijpheid van sier- en groentegewassen. Herkent de GearRover een oogstrijpe bloem of vrucht dan wordt deze aangewezen met een laser. Voordeel is dat de medewerker niet meer opgeleid hoeft te worden in het herkennen van rijpheid. Deze gedigitaliseerde gegevens geven inzicht in de teelt, kwaliteit en verwachte oogst. Dit heeft als resultaat meer inzicht; gebruiksvriendelijk, nauwkeurig, betrouwbaar en alle informatie direct en overzichtelijk in handen van de teeltspecialist en verkoopafdeling. (Gim, 2021)

    Harm van Adrichem (Gearbox) vertelt

    “De medewerker die op de wagen staat, geeft de opdracht aan de robot om een roos te zoeken. De robot wijst alleen de rozen aan die geoogst moeten worden. Dan hoeft de medewerker alleen nog de roos te knippen.”

    GearVision

    Ook heeft Gearbox de GearVision ontwikkeld. De GearVision digitaliseert met behulp van kunstamtige intelligentie geoogst product. Dit kan gaan om diameter, kleur en vruchtgewicht van groente en fruit. Met de nieuwste cameratechnieken kunnen we zelfs bepalen hoe zoet een vrucht is, zonder erin te hoeven snijden. Vervolgens wordt deze data in overzichtelijke, visuele rapportages gepresenteerd, zodat er direct nieuwe teeltinzichten kunnen ontstaan. Het product wordt ingezet door veredelaars om rassenselectie te versnellen en in DC’s om het keurproces te automatiseren.  

    Bekijk hier een filmpje hoe GearVision werkt.  

    “Wij starten altijd met beelden maken, veel beelden. Want je moet goed weten wat je wilt leren aan een algoritme en vooral ook wat niet. Als je dit weet trainen wij een algoritme om automatisch van een beeld data te maken. De volgende stap is de data interpreteren zodat je de goede conclusies trekt. In de laatste stap kan een actuator worden toegevoegd als een laser of robotarm die een handeling uitvoert.

    Harm van Adrichem (Gearbox)

    Input

    • Visuele gegevens

    Technologie

    • Computer vision

    Output

    • Perception
    • Suggestion
    • Prediction
  • Wat houdt het in?

    Blue River Technology is een fabrikant van intelligente landbouwapparatuur. Het bedrijf speelt in op de behoefte aan efficiënter en effectiever gebruik van gewasbeschermingsmiddelen, wat beter is voor het milieu. Met computervisie en kunstmatige intelligentie kunnen machines alle planten op het veld detecteren en besluiten nemen over wat er met deze planten moet gebeuren. Met de intelligente machine kan de beroepsbeoefenaar de veilige zone rond het gewas en de benodigde hoeveelheid gewasbeschermingsmiddelen aanpassen. De machine toont zelfs wat voor soort onkruid er op het veld te vinden is. (Deere, 2022)

    Input

    • Visuele gegevens

    Technologie

    • Computer vision

    Output

    • Prevention
    • Situational awareness
  • Wat houdt het in? 

    Plantfenotyperingstechnologie is het automatisch analyseren van de groei en de gezondheid van planten door middel van sensoren. Het is een moderne beeldvormingstechnologie, die belangrijke fenotypische gegevens van de plant meet en analyseert. Het kan bijdragen aan het screenen van efficiëntere voedselgewassen. Dat zeer welkom is nu trends laten zien dat de opbrengsttoename van voedselgewassen aan het afvlakken is, terwijl de maatschappij de komende jaren voor de grote uitdaging staat om voldoende gezond voedsel te produceren voor een groeiende wereldbevolking.  

    Plantfenotyperingstechnologie is een nieuw onderzoeksgebied, dat veel belangstelling kent, met name bij veredelaars en hightechpartners. Plantenveredelaars willen droogte- en zouttolerante gewassen ontwikkelen, met behoud van opbrengst. Kunstmatige intelligentie algoritmes kunnen een belangrijke rol spelen bij het klimaatbestendig maken van landbouwgewassen. De technologie omvat een breed terrein en heeft ondertussen geleid tot een beter begrip van het functioneren van de plant in relatie tot genetische eigenschappen. Anderzijds is de ontwikkeling van methoden en apparaten die op een niet-destructieve manier kwantificeren hoe de planten groeien, met een snelle opmars bezig. Technologieën zoals deze zullen een revolutie teweegbrengen in het proces van handmatige gewasregistratie en zullen van cruciaal belang zijn in een toekomstige data-gedreven autonome kas. (Lee, 2022 en Wageningen University & Research, 2022) 

    Input

    • Visuele gegevens

    Technologie

    • Computer vision

    Output

    • Prediction
  • Wat houdt het in?

    Cirillo is een digitaal insectendetectiesysteem voor het detecteren en tellen van twee soorten witte vliegen, trips en twee gevlekte spintmijten. Het systeem kan de verschillende stadia van de insecten nauwkeurig identificeren. Daardoor kun je de populatieontwikkeling op gewassen modelleren. Cirillo is het eerste systeem dat insecten geautomatiseerd kan classificeren naar ei-stadium, larvestadium en popstadium van de witte vlieg. Het Cirillo-systeem is toepasbaar op bladeren van komkommer, tomaat, roos, aardbei, chrysant en gerbera. Botany en Aris ontwikkelden in samenwerking dit hoge doorvoersysteem, gebaseerd op visiontechnologie en deep learning. De combinatie van Aris’ unieke kennis over vision based fenotyperingsapparatuur en Botany’s kennis over bestrijden van plantplagen vormt een essentiële basis voor deep learning en het ontwikkelen van een algoritme om insecten te detecteren. Het systeem bestaat uit een cameraopstelling dat digitale beelden maakt van plantdelen met een aantasting van insecten. Het systeem maakt het mogelijk om op een grootschalige en uniforme wijze tellingen te verrichten voor de ontwikkeling van nieuwe (biologische) gewasbeschermingsmiddelen en resistente rassen. Deze nieuwe techniek stelt bedrijven in staat om een database te creëren die de groei en ontwikkeling van de populatie van witte vlieg, spint en trips koppelt aan de genotypische gegevens van hun variëteiten. (Inovamedia.nl, z.d.)

    Input

    • Visuele gegevens

    Technologie

    • Computer vision

    Output

    • Automation

Impact op het werkveld van tuin- en akkerbouw

Impact op werkprocessen 

De beginnend vakexpert teelt en groene technologie (niveau 4) meet en registreert de gewasbeoordeling en data van de groeiomstandigheden, zoals klimaat-, mest- of bodemdata volgens meetprotocol. De beroepsbeoefenaar beoordeelt of de data valide zijn. De valide data worden verzameld en de beroepsbeoefenaar analyseert en interpreteert deze.  

De (vakbekwaam) medewerker teelt en groene technologie en agrarisch loonwerk (niveau 2 en 3) hoeft minder handelingen uit te voeren, want een machine die hij inzet voor precisielandbouw op het veld rijdt automatisch. De sproeier past zich automatisch aan de werkelijke condities aan. De medewerker agrarisch loonwerk hoeft zich ook minder bezig te houden met welke balen er uit de machine komen en met het aanpassen van de instellingen van de machine. Aan een werkproces zoals machines en werktuigen gebruiksklaar maken en ermee rijden, verandert niet veel, behalve dat de technologie wellicht meer vraagt om de juiste settings in te stellen.  

De (vakbekwaam) medewerker agrarisch loonwerk werkt nog altijd met een tractor en verkrijgt meer een supervisorrol. Hij kan zich meer toeleggen op complexere opdrachten die minder makkelijk te automatiseren zijn. In plaats van werken vanuit bestaande handelingen is stap voor stap en analytischer denken over de instellingen van de machine steeds belangrijker. De (vakbekwaam) medewerker agrarisch loonwerk moet de machine goed sturen en ervoor zorgen dat de machine goed werkt. Oftewel ervoor zorgen dat er niks fout gaat of fundamenteel verkeerd is. Een soort van kwaliteitsmonitoring door de (vakbekaam) medewerker is nog altijd essentieel. De software waar het kunstmatige-intelligentiesysteem gebruik van maakt, is niet 100 procent robuust en kan uitvallen. De (vakbekaam) medewerker dient altijd goed in de gaten te houden of de machine goed werkt en doet wat zij moet doen. Hij heeft wat meer tijd om zich te concentreren op de veiligheid van de machine en van zijn omgeving. Daarnaast moet de (vakbekwaam) medewerker weten wat hij van de technologie in de gaten moet houden en zich ervan bewust zijn dat de technologie kan falen. Dan moet hij begrijpen waarom het systeem faalt. Bij afwijkingen ten opzichte van de planning en kwaliteitsnormen herleidt hij deze tot technische oorzaken, productinvloeden, personele en/of omgevingsinvloeden en adviseert bespreekt met zijn leidinggevende over teelttechnische keuzes en mogelijke corrigerende acties. 

In de kassen en tuinbouw heeft kunstmatige intelligentie de potentie om met computer vision en robotica een deel van het teelwerk over te nemen. De systemen houden de groei en de gezondheid van de planten bij. De daardoor bespaarde tijd besteden telers aan het analyseren van de data en bijvoorbeeld aan hun bedrijfsstrategie. Het Netherlands Plant Eco-phenotyping Centre bekijkt planten van alle kanten met camera’s, sensoren, robots en geautomatiseerde systemen in mesokosmossen, klimaatcellen, kassen en op het veld. “Dit is plantkunde 2.0 en vraagt ook om een nieuw soort plantenwetenschappers.” (Van Maanen, 2022) 

Impact op benodigde vaardigheden

Precisielandbouw vraagt andere competenties van zowel de vakexpert teelt en groene technologie en agrarisch loonwerk (niveau 4). Het gaat daarbij niet alleen om spuittechnieken, maar ook om de vaardigheid van erfbetreders in adviseren (over bijvoorbeeld de hoeveelheid te gebruiken gewasbeschermingsmiddelen) en proactief meedenken met de klant. De vakexpert teelt en groene technologie en agrarisch loonwerk (niveau 4) heeft frequent overleg met de agrariër. Ook probeert hij met het uitvoeren van de werkzaamheden de agrariër te ontzorgen. De agrariër kan daarmee de aandacht op het bedrijfsproces richten.  

Christel Thijssen (loonbedrijf Thijssen) vertelt:

Wij zorgen als loonwerker voor het proces om tot een topproduct te komen. En we proberen voor de boer de maximale efficiëntie te behalen. Dat de koe topvoeding krijgt, zodat die koe meer produceert. Daar hoeft de boer zich niet meer mee te bemoeien, dat doen wij. Wij overleggen wel met die boer en we zorgen dat die koe goed voer krijgt.”

Ook het instellen en omgaan van sensoren vraagt nieuwe competenties van een vakbekwaam medewerker agrarisch loonwerk, zoals technologische vaardigheden, net zoals het besturen van een drone. Die drone vliegt voor de machine uit en stuurt informatie. De spuit reageert op de dronedata. Voor de vakexpert en vakbekwaam medewerker agrarisch loonwerk is het besef van de mogelijkheden van data, en het kunnen interpreteren en uitlezen van data belangrijk om te leren. Daarbij is ook van belang om tijdig te communiceren over de bevindingen en deze te delen vanuit vaktechnisch inzicht met zijn leidinggevende en/of de betrokken specialist. De onderliggende competenties die daarbij van belang zijn, zijn samenwerken en overleggen, vakdeskundigheid toepassen en analyseren. 

Er komen veel data beschikbaar door het gebruik van machines, zoals bodemhersteltijd van gewassen, data van de koe, de gezondheid. Het is aan de medewerker agrarisch loonwerk om zich er bewust van te zijn dat hij data verzamelt. Op basis van kunstmatige intelligentie is het mogelijk om oogstberamingen te maken om te kunnen zien wat volgend jaar de opbrengst van een perceel is.  

“We hebben een app ontwikkeld waarmee de boer veel data genereert. De boer moet die data wel kunnen interpreteren en er bewust van zijn dat hij veel data tot zijn beschikking heeft. Hij scant het graan in het veld en die app kan zeggen: er zitten zoveel granen aan de plant. Daar heb je wel bodeminformatie bij nodig.”

Christel Thijssen (loonbedrijf Thijssen)

Ook zijn er bedrijven die vanuit de cloud werken. Zo vertelt Christel Thijssen (loonbedrijf Thijssen): “De jongens krijgen een iPad mee. Dat is voor mij makkelijk, voor de boekhouder, voor de facturatie.”  De medewerker agrarisch loonwerk moet kunnen werken met apps, een tablet en de cloud, maar vergeet ook het traditionele papier niet. De techniek kan weleens uitvallen.  

Met het gebruik van een machine zoals GearRover hoeft de beroepsbeoefenaar geen verstand meer te hebben van (de rijpheid van) het product, maar alleen nog te weten hoe hij rozen moet snijden. De bedrijfsleider of vakexpert teelt en groene technologie is minder lang bezig met het uitleggen van het rijpingsproces aan medewerkers. Samen kunnen werken met de machines is dan de belangrijkste competentie. Toch blijft het ook belangrijk dat de beroepsbeoefenaar kennis heeft van het gewas, en de kwaliteit van het gewas ook zelf kan beoordelen. Hij moet immers kunnen inspringen wanneer de machine om de een of andere reden uitvalt en weten of de machine goed is ingesteld.  

“Het boerenverstand blijft belangrijk.”