Wat is er mogelijk met kunstmatige intelligentie in de tuinbouw

Vergelijkbare documenten
Transformatie naar een slimme, datagedreven tuinbouw

Internet of Things in perspectief geplaatst. Herman Tuininga. Oktober 10, 2017

Het gebruik van data binnen Tax PwC Eric Dankaart November 2016

Ketensamenwerking als drijvende kracht achter Smart Dairy Farming. Frido Hamoen, manager Innovatie van CRV

Whitepaper Intelligente PIM oplossingen

Intelligent waarnemen Geautomatiseerd herkennen van gedrag en incidenten

MACHINE LEARNING. Een egocentrische presentatie door een data scientist van Axians. Michel van Gelder Data Scientist bij Axians

Waternet Datalab. KI in de praktijk. KI in de watersector, 25 juni 2019 Alex van der Helm

Internet Of Things & Sensorrevolutie

Smart Farming: Heden & toekomst. Kristine Piccart (ILVO) Veetournee 2018

Wat kan klantcontact met kunstmatige intelligentie?

Inhoud. Neuronen. Synapsen. McCulloch-Pitts neuron. Sigmoids. De bouwstenen van het zenuwstelsel: neuronen en synapsen

Artificial Intelligence. Tijmen Blankevoort

Fieldlab SmartDairyFarming Bart Jan Wulfse

Leefbare steden. met connected lighting

Big Data in de praktijk. Kjeld v.d. Schaaf

smartops people analytics

WORLDWIDE MONITORING & CONTROL

Uw doel bereiken met MelkNavigator

SIOM: zelflerend systeem voor global greenhouse technology systems Bart Slager (TNO)

Heeft u al applicaties in de cloud (zoals AWS, Azure, Google) draaien?

Ontsluiten van gesproken documenten. Arjan van Hessen

Heeft u al applicaties in de cloud (zoals AWS, Azure, Google) draaien?

Dataficatie en agrofood

SMART CITIES: HYPE OR HOPE ERIK VAN DER WAL 16 MEI 2019

De toekomst van data science in het waterdomein.

Welke bijdrage leveren digitale sensoren voor de Smart Industry?

AUKE HYLARIDES. Senior Product Marketing Manager Exact Software 2015 EXACT INTERNET OF THINGS - AIM ROADSHOW

Peter de Haas

Internet of Things Businesskansen met slimme en internet-verbonden producten en diensten. Joris Castermans Workshop Internet of Things

Het digitale werken. George Evers 7 juni

PRIVACY ALS INNOVATIEKANS. Workshop 1: het identificeren van kansen Marc van Lieshout en Sophie Emmert

INHOUDSOPGAVE. Hoofdstuk 1. ENGIE & Digitalisering. Hoofdstuk 2. Digital Energy Solutions. Hoofdstuk 3. SDS Energy Cloud

SMART DAIRY FARMING TAKING THE NEXT STEPS MEI 2017

Nieuwe modellen voor het schatten van genotype-milieu interactie

Living Labs : NFI & RvdK Samen onderweg naar meer grip op data. JenV I-tour presentatie 24 april 2018

Smart Factory: Voordelen communicatieve infrastructuur

DICTU Apploket 2.0 Innovatie en apps die er toe doen

Machinaal leren, neurale netwerken, en deep learning

IN 4 STAPPEN NAAR EEN DATAGEDREVEN ORGANISATIE ALLES WAT JE MOET WETEN VOOR EEN SUCCESVOLLE DATA TRANSFORMATIE

Info Support TechTalks

SMART SUSTAINABLE BUILDINGS NEED SMART PLATFORMS

Aan de slag met data science Lessen uit de praktijk met waterschap Zuiderzeeland

Wat heeft de veehouder aan Genomics

De beste, mooiste en meest intelligente oplossing voor de automatisering en beveiliging van uw domein.

28 september 2017 PON Outsourcing Kenniscongres

VAA ICT Consultancy Keteninformatie in de agribusiness. Corne van Aaken

Internet of Things in de revalidatiezorg

Real Time Monitoring & Adaptive Cyber Intelligence SBIR13C038

IoT in perspectief geplaatst. Herman Tuininga

De Next Practice. Wilbert Teunissen Management Consultant Informatiemanagement

Samen werken aan diergezondheid, in het belang van dier, dierhouder en samenleving. Classificatie: intern

Data Driven Defensie. Kooy Symposium 2016 AI en Big Data. Prof.dr. Paul C. van Fenema. Nederlandse Defensie Academie

Waarschuwings- en adviesmodellen


Kunstmatige Intelligentie

COLLEGEREEKS BIG DATA EN BUSINESS AI

Smart Industry 4.0. Edwin van Rensch/Eric Megens

Artificial Intelligence in Business

DATA DISCOVERY MET EXACT INSIGHTS. Astrid van den Oever & Erik de Meijer

14/11/ maar er zijn ook problemen! Dit is wat we een koe graag zien doen... (4 to 9 uur/dag - Hafez & Bouissou, 1975)

COMPLIANCE RADAR HET MEEST COMPLETE BESTURINGSSYSTEEM VOOR GEMEENTEN.

Waar blijft de minister

Plant Data Services Ontdek nieuwe kansen

Meer doen met je onze informatie. Wat is dat?

AI & Big Data bij Defensie

MCS Mixe Communiction Solutions Jan van Rossum. LoRa als basis voor IoT in gebouwbeheer

Door de data de koe terug zien - Sensordata -

Maak kennis met de techniek achter #IoT. DaVinc3i meeting 29 juni in Aalsmeer / Manfred van der Voort

Botlek Studiegroep - Machine vision in de praktijk. ing. Simon Mingaars Consultant Pliant BV

De T van toekomst en techniek: relevante digitale oplossingen en slim zoeken in juridische informatie

Neurale Netwerken en Deep Learning. Tijmen Blankevoort

Data en Applicatie Migratie naar de Cloud

W2P.pro Lastenboek en Vragenlijsten

ACTUELE MAATSCHAPPELIJKE TRENDS VOOR VERZEKERAARS IN BEELD. ACIS-symposium 22 september 2017 Hugo Gelevert

Digitalisering Je voorbereiden op een toekomst die er nu al is

Wat hebben Cloud en Digitale Transformatie met elkaar te maken?

Er valt veel te winnen met een langere levensduur. Henk Hogeveen

Het Internet of Things

Smart Maintenance. Het realiseren van een intelligente Maintenance inrichting door het slim gebruik van Data analytics

100% voorspelbaar onderhoud? Vitale assets Proces optimalisatie Een data gedreven RWS!

Houd SARA buiten de deur. Jan Veling, GD Gezonde Melkveehouderij, 15 januari 2015

Weidegang & KringloopWijzer. Michel de Haan, et al.

vandersat.com Satellite Observed Water Data. Globally. Daily. Droogte meten vanuit de ruimte Teije van der Horst

adviseert over: Intelligente sensoren en camera s

Ervaringen I-Balance TKI Urban Energy

Minor Data Science (NIOC april)

Aegon Future Fit Governance, cultuur en gedrag in een exponentieel versnellende omgeving

Bedrijfsmanagement melkveehouderij 2025

Lactatie op Maat. - lactatielengte afgestemd op de individuele koe -

Technologie geïntegreerd in verlichting. Rob Verbeelen. December, 2014

Solution Brief ing AFAS HRM. Documentverwerking voor

Dichterbij purpose door data & digitale intelligentie - stapje voor stapje -

Masterproeven Wireless & Cable Research Group (WiCa)

BUSINESS INTELLIGENCE

Big Data bij de Rabobank

INZET VAN MACHINE LEARNING

What s your next move?

Exact Insights. Het juiste inzicht en grip op uw organisatie

Transcriptie:

Job Oostveen - TNO EVEN KORT OVER MIJZELF Research Manager van de TNO afdeling Monitoring & Control Services grootschalige IT voor beslissingsondersteuning en control TNO en Philips Research: Draadloze communicatie en mobiele netwerken Regeltechniek Signaal bewerking & analyse Draadloze netwerken Philips Research: automatische herkenning van audio en video UT & RUG: Wiskundige methoden voor modelleren, analyseren en ontwerpen van regelsystemen IT systemen Job Oostveen 1

KORTE INLEIDING IN AI WAT IS KUNSTMATIGE INTELLIGENTIE (OF AI ) Intelligente systemen voeren taken uit, zonder dat ze expliciet geprogrammeerd zijn hoe dat te doen aangeleerd gedrag Type taken: Voorspellen Redeneren Classificeren Waarnemen Besturen Het systeem leert in een trainingsfase: Op basis van veel trainingsdata Machine Learning neurale netwerken deep learning Job Oostveen 2

BEKENDE AI TOEPASSINGEN Recommender systems Klanten die dit interessant vonden, kochten ook Siri (Apple) / Alexa (Amazon) Smart home apparaat met spraak interface, voor: Besturing muziek, verlichting, online bestellen Agenda, to-do lijstjes. Tesla Na software update plots zelf-rijdend Sensoren: camera, radar, sonar AI algoritmes analyseren situaties en besluiten/besturen WAAROM IS AI NU ZO HOT Steeds meer mogelijk, technisch en economisch: Rekenkracht Data verzamelen en opslaan M.n. Deep learning maakt meer van de belofte van intelligente systemen waar dan voorgaande technieken. Gevoeligheid: Privacy, concurrentiegevoeligheid, big brother Gedrag IT-reuzen (Google, Amazon, Facebook, ) Job Oostveen 3

VOORBEELD: ONLINE SUPERMARKT PICNIC AI in bestelproces Samenstellen van groepen van artikelen om het mogelijk te maken 30 artikelen te bestellen in 2 minuten ipv 2 artikelen in 20 min AI in bezorgproces: Routeplanning Tijdsvoorspelling (incl. parkeren, klantinteractie, ) In de toekomst ook koppeling met teelt van versproducten? AI, DATA EN ICT BIJ TNO Digitale transformatie centraal in veel domeinen Innovatie van bedrijfsprocessen en producten waarin digitale technologie (data, software) een centrale rol speelt. TNO actief met innovatie door toepassing van digitalisering en AI in een verscheidenheid aan sectoren, o.a.: veiligheid, land- en tuinbouw, energie, Gezondheid, Verkeer, vervoer en infrastructuur Onderzoeksfocus op ICT technologie en processen, data technologieën kunstmatige intelligentie zowel generiek als sector-specifiek Bijvoorbeeld in: Early research program Applied AI Vraaggestuurd Programma Applied AI Focus in deze programmering ligt op: Transparant en verantwoordelijk Uitlegbaarheid Zinvolle menselijke besturing Job Oostveen 4

TNO AMBITIE IN AI Innovatie brengen op basis van AI in het Nederlandse bedrijfsleven en maatschappelijke organisaties Daarbij zorgen voor een Europese tegenhanger van zowel het Amerikaanse als het Chinese model Transparant, Verantwoordelijk, zinvolle menselijke interactie Stimuleren van ontwikkeling van een nationale strategie WELKE ROL KAN AI SPELEN IN DE TUINBOUW - INSPIRATIE UIT ANDERE SECTOREN 1. Sensor-gebaseerde dijkbewaking 2. Je data delen en toch in-control blijven 3. Interactieve tooling voor modelbouwers 4. Schatten ruwvoer-inname van melkvee 5. Doel-gedreven besturing Job Oostveen 5

ANOMALIE DETECTIE VOOR DIJKBEWAKING Dijk vol met sensoren Voorspelling van dijkfalen door combinatie van geomechanische modellen en sensormetingen Anomalie detectie: anders dan anders -Alarm Geautomatiseerd leren van normaal gedrag Geautomatiseerd detecteren van afwijkingen Verandering in gedrag van Eén Sensor kapot? Tijdpatronen afwijkende waterstand? Relatie tussen sensorwaarden - dijk verandert? TOEPASSING VAN ANOMALIE DETECTIE IN HET DIJK DATA SERVICE CENTRUM Dijk Data Service Centrum: data platform ontwikkeld in publiek-private samenwerking TNO, Deltares Waterschappen en Rijkswaterstaat Bedrijfsleven Nu een commerciële dienst voor dataopslag, analyse en visualisatie voor dijkbeheerders Verschillende analysemodules, o.a. anomaliedetectie Job Oostveen 6

SMART DAIRY FARMING Groot programma met o.a. WUR, FrieslandCampina, AgriFirm, CRV. Hoe kan een boer koe-specifieke adviezen/instructies krijgen, door gebruik te maken van (sensor)data uit de hele keten? Geadresseerde uitdagingen, o.a.: Data delen met de boer aan het roer Schatting van inname van ruwvoer door koeien Hoe verlaag je de drempel voor het ontwikkelen van AI-gebaseerde modellen GECONTROLEERD DATA DELEN Hoe bescherm ik mijn gevoelige data? Hoe zorg ik ervoor dat ik beloond wordt voor de waarde die mijn data vertegenwoordigen? Verschillende oplossingsrichtingen InfoBroker: IT architectuur, waarbij data blijft bij bron. Andere partijen hebben (gecontroleerde) toegang via API Inmiddels geïmplementeerd in melkveesector door nieuwe coöperatie JoinData Job Oostveen 7

GECONTROLEERD DATA DELEN Secure Multiparty Computation: Cryptografische techniek om berekeningen over gedeelde data te doen zonder inzicht in data te geven. Data Locality: In plaats van data naar het model te brengen, worden stukjes berekening naar de data gebracht Job Oostveen 8

INTERACTIVE INSIGHT IN BIG DATA? Doel: We willen graag model(len) bouwen, bijv. voor bepaalde levensfase(n) Dieren tot 14 dagen Dieren van 2 tot 16 weken Dieren van 4 tot 9 maanden Vraag: Heb ik genoeg dieren en ook sensor data om model te maken? Zo ja: geef me dan die dieren en data Oh ja: we willen de tijd stoppen in de modelontwikkeling niet in de analyse/schonen/uitlijnen van de data! Hmm, sensoren meten in absolute tijd, niet realatief tov geboorte Hmm, data preparation kost nu nu typisch 50-80% van de tijd Uitgangspunt: we hebben een bak met sensor data van koeien We weten niet op voorhand de periode / leeftijden We weten ook niet welke sensoren er überhaupt zijn (laat staan per dier) En ook niet of sensoren wel genoeg gemeten hebben Hmm, 1000-en dieren, elk 10-50 sensoren, dat is hoop uitzoeken (bv plotjes) 17 Jongvee INTERACTIVE INSIGHT DASHBOARD 18 Jongvee Job Oostveen 9

RUWVOER INNAME Veel zaken op melkveebedrijf worden direct gemeten: Melk: productie, kwaliteitsparameters Voeding: inname krachtvoer, water Koe zelf: beweging, temperatuur, gewicht Omgeving: temperatuur Grote missende bouwblok is de inname van ruwvoer: Kan de ruwvoer-inname van koeien worden voorspeld op basis van data uit meerdere sensoren met machine learning technieken? Onderzoek op de Dairy Campus Model ontwikkeld op basis van 12 parameters: Sensoren: Inname ruwvoer, inname krachtvoer, melkproductie, eiwit%, vet%, gewicht, herkauwen. KNMI: temperatuur, luchtvochtigheid Koe-data: ID, aantal lactaties, dag in lactatie VOORSPELLING VS. METING Daily feed intake (kg) Model A (with concentrate) Daily feed intake (kg) Model B (without concentrate) Sampled days within lactation Sampled days within lactation Job Oostveen 10

DOEL GEDREVEN BESTURING Lopend onderzoek naar eenvoudiger besturing van grote gedistribueerde data processing platformen Missie: aansturen op basis van hoog-niveau doelen, ipv technische setpoints Systeem met basale regeling DOEL GEDREVEN BESTURING Lopend onderzoek naar eenvoudiger besturing van grote gedistribueerde data processing platformen Missie: aansturen op basis van hoog-niveau doelen, i.p.v. technische setpoints Hypothetische tuinbouwvoorbeelden: gewenst moment oogstrijp Welke energie-optimalisatie AI vertaalt hoog-niveau doelen naar basic setpoints Systeem met basale regeling Job Oostveen 11

DOEL GEDREVEN BESTURING Geadresseerde uitdagingen: Formeel beschrijven van doelen AI leert gedrag van (besturing van) systeem Grip op kwaliteit van input, processing en output Multi-doel optimalisatie CONCLUSIES / SLOTOPMERKINGEN AI komt, komt hard, en heeft veel te bieden AI maakt het mogelijk om complexe situaties inzichtelijk en bestuurbaar te maken AI is nuttig gereedschap, maar geen toverstok Job Oostveen 12

STELLINGEN STELLING Als we nu als sector niet vol investeren in AI zal op afzienbare termijn Alexa van Amazon de kas besturen Job Oostveen 13

STELLING Binnen vijf jaar passen tuinders geen setpoints meer aan maar besturen zij de kassen op basis van doelen STELLING De mogelijkheid die AI biedt om complexiteit te managen zal leiden tot sturing op plantniveau. De noodzaak tot genetisch identieke producten in de kas verdwijnt hierdoor. Job Oostveen 14

BEDANKT VOOR UW AANDACHT Voor meer inspiratie: TNO.NL/TNO-INSIGHTS Job Oostveen job.oostveen@tno.nl 088-8667214 Job Oostveen 15