Gericht onkruiden aanpakken met big data: bouwstenen zijn er

Onderzoeksinstituut: Wageningen University & Research

Gefinancierd door: EU (Horizon 2020), Ministeries Nederland en Servië

Betrouwbaarheidsscore: Geen, omdat het om literatuuronderzoek gaat.

Samenvatting

Big data

De term big data slaat op datasets die zo groot zijn dat ze niet met gangbare statistische methoden kunnen worden geanalyseerd. Vaak zijn ze samengesteld uit data van verschillende bronnen. In de landbouw zijn dit bijvoorbeeld bodemkaarten, grondmonsters en de teeltregistratie. Verreweg de meeste data komen uit sensoren die continu meten, zoals weerstations en sensoren op machines. Een belangrijke en complexe stap is het vertalen van data, zodat alle eenheden en betekenissen met elkaar overeenkomen.

Verwerking

De meeste analysetechnieken voor big data komen voort uit machine learning. Een aantal van deze technieken kan worden ingezet bij het herkennen van onkruidhaarden. Vervolgens kan ook de toekomstige verspreiding van de onkruiden worden gemodelleerd. Zo kan een gebruiker bijvoorbeeld verschillende bestrijdingsscenario’s bekijken en kiezen wat het beste bij hem en de situatie past.

Privacy

Data zijn op een boerderij verzameld en worden veelal bij de technologie-aanbieder verwerkt. Daarom is het belangrijk om de privacy van deze data te waarborgen. Encryptie biedt hier mogelijkheden, maar dit zorgt er ook voor dat de verwerking meer tijd vraagt. Een belangrijk dilemma op de korte termijn is de afweging tussen veiligheid en verwerkingstijd.

Bestaande systemen

Op verschillende niveaus zijn er al systemen in de praktijk gebracht, zoals NemaDecide (inmiddels farmmaps) wat op aaltjes gericht is. 'Gewis' geeft op basis van algemene gegevens adviezen voor de te gebruiken middelen en de beste toepassingsmomenten.

Impactscore

Door het snel en effectief aanpakken van onkruidhaarden kan flink op gewasbeschermingsmiddelen worden bespaard.

Conclusies

• Big data analyses kunnen worden ingezet om onkruiden effectief te behandelen.
• Big data kan voorspellende modellen voeden om onkruidhaarden beter op te sporen of zelfs te voorkomen.
• Data privacy is een belangrijk aandachtspunt.

Wat is Crkls?

Crkls (spreek uit als cirkels) is het antwoord op de versnippering van het landbouwkundig onderzoek in de afgelopen decennia. Het platform maakt de onderzoeksresultaten beter vindbaar en relevant voor de ondernemer. De initiatiefnemers Misset Uitgeverij, BO Akkerbouw, Wageningen University & Research (WUR), Groen Kennisnet en Aeres Hogeschool willen zo een bijdrage leveren aan een toekomstbestendige landbouw in Nederland.
Groen Kennisnet is onderdeel van de stuurgroep Crkls en heeft nauw contact met de redactie van Crkls.