AI in aardbeienketen
Wereldwijd bedraagt de verspilling van voedsel voor menselijke consumptie een derde van al het verbouwde voedsel. Deze verspilling staat hoog op de maatschappelijke agenda omdat het een enorme impact heeft op landgebruik, klimaat en natuurlijke en financiële hulpbronnen.
Vooral zachtfruit gaat vaak verloren vanwege zijn kwetsbaarheid en korte houdbaarheid, wat resulteert in hoge kosten, zelfs voordat het product de consument bereikt. Neem bijvoorbeeld aardbeien. Op het moment dat ze de distributieketen binnenkomen, wordt hun kwaliteit bepaald door een groep mensen die heel snel moeten beslissen of het het juiste moment is om te oogsten of niet. Zodra aardbeien zijn geplukt, is het een race tegen de klok om ze zo vers mogelijk te houden. De kwaliteit van de aardbeien wanneer ze de consument bereiken, hangt dan ook voor een groot deel af van het moment waarop ze worden geoogst. Twee van de grootste uitdagingen in dit proces zijn het bepalen welke aardbei klaar is om te oogsten en welke aardbei het beste past bij welk type distributieketen, wat op zijn beurt weer afhankelijk is van de verwachte houdbaarheid van de aardbei, onder andere.
Het doel van dit project is om een voorspellingsmodel te ontwikkelen. Met behulp van algoritmes wordt het juiste oogstmoment berekend en wordt bepaald welk distributiekanaal het beste past bij de voorspelde houdbaarheid. Welke aardbei is geschikt voor welke keten en andersom? Het project combineert de wetenschappelijke kennis van de TU Delft en de praktische kennis van Delphy Improvement Centre over teelt en toepassing. Door middel van machine learning, computer vision en algoritmes kunnen betere beslissingen worden genomen over oogst en distributie.
Ook telers en marketingorganisaties zijn bij het project betrokken, wat het belang van dit onderzoek onderstreept. Telers maken hoge kosten als het fruit niet voldoet aan de normen van de klanten (AGF-filiaal, retailers en consumenten). Door objectieve metingen te doen tijdens de teelt, oogst en in de hele keten, kunnen telers en leveranciers consumenten beter bedienen en verspilling minimaliseren. De data zorgen voor een feedbackloop in de keten met minder handelingen, meer zekerheid en een hogere product omzet. Ook stimuleert het de inzet van nieuwe technologie zowel in de teelt als in de keten, wat weer nieuwe zakelijke kansen creëert.
Momenteel vinden er grote doorbraken plaats in de toepassing van Artificial Intelligence (AI). In dit project worden data verzameld over processen, producten en consumenten. Dankzij de combinatie van deep learning voor beeldherkenning, machine learning voor kwaliteits- en houdbaarheidsvoorspellingen en algoritmes voor optimalisatie in onzekere omstandigheden, hebben betrokkenen in het proces een steeds completer beeld. Hierdoor is het mogelijk om steeds nauwkeuriger voorspellingen te doen en de effecten van beslissingen in te schatten. Voor zachtfruittelers is het van groot belang dat risico’s als te korte houdbaarheid, overschotten, tekorten en slechte kwaliteit goed worden aangepakt. Juist deze risico’s zorgen voor verspilling en leiden tot negatieve percepties bij klanten. Recente ontwikkelingen in de toepassing van data en AI zijn daarom veelbelovend om deze risico’s te minimaliseren.
