Naar de inhoud
Vrijdag, 6 November 2026 in
BC1 Business Channel One
The memory of the futureSharing innovation knowledge through authentic stories

Digital Farming NHN, dataverwerking en precisielandbouw

🎬 Multilingual subtitles
✍️ Door: Team BC1.NL

Deel op LinkedInDeel op WhatsAppDeel op TelegramDeel op MastodonDeel via e-mailKopieer de link naar deze pagina

Data verwerking in Digital Farming NHN, van bodemkaart tot algoritme

In dit tweede deel van de serie over het project Digital Farming NHN staat de verwerking van data centraal. Hoe wordt informatie verzameld? En wat gebeurt er vervolgens mee? Het antwoord op deze vragen is cruciaal voor de toepassing van precisielandbouw in de praktijk.

Digitale bodemkaarten en taakkaarten als basis

Een van de belangrijkste databronnen binnen het project zijn bodemkaarten en taakkaarten. Deze vormen de basis voor nauwkeurige toediening van bijvoorbeeld meststoffen of gewasbeschermingsmiddelen. Het bedrijf RH3S speelt hierin een sleutelrol. Met behulp van geavanceerde sensortechnologie doen zij grondonderzoek, waarvan gedetailleerde bodemkaarten worden gemaakt.

Uitleg bodemkaartenWat dit bijzonder maakt, is dat de verkregen data ook direct kan worden vertaald naar taakkaarten, digitale instructies waarmee landbouwmachines doelgericht kunnen werken. In dit deel van de serie vertelt Eddie Loonstra van RH3S hoe dit proces in zijn werk gaat, en welke voordelen dit oplevert voor duurzame landbouw.

Hogeschool Inholland en de kracht van algoritmes

Kristel van AmmersOok het onderwijs is nauw betrokken bij Digital Farming NHN. Kristel van Ammers, docent en onderzoeker bij Hogeschool Inholland, begeleidt studenten die algoritmes ontwikkelen voor het project. Ze benadrukt hoe belangrijk het is om deze technologie af te stemmen op de behoeften van de boer. Wat verwacht een teler van een algoritme? En hoe gebruiksvriendelijk moet het zijn?

Student Michael Bultema, die de opleiding Mathematical Engineering volgt, werkt aan een algoritme dat onkruid kan herkennen. In het Robotica Lab in Alkmaar laat hij zien hoe dit in de praktijk werkt en hoe essentieel goede beelddata daarbij is.

Serie met praktijkverhalen en inzichten

Beeldscherm waarop het algoritme onkruid herkentDeze bijdrage maakt deel uit van een serie die het project in beeld brengt. In deel 1 deelden onder andere bollenteler Stef Ruiter, Sander Dekker van Agrotheek en Pieter Vlaar van Vertify hun inzichten over precisielandbouw.

Het onderzoek in deze reportage is medegefinancierd door de Europese Unie, uit het Europees Fonds voor Regionale Ontwikkeling (EFRO), als onderdeel van de respons van de Unie op de COVID-19-pandemie.

Meer informatie over verduurzaming in de landbouw

In de reportage Onderweg naar duurzame bollenteelt wordt gekeken welke alternatieven er zijn om bepaalde ziektes te bestrijden en of methoden die op kleine schaal werken, ook op grote schaal succesvol zijn.

Zie ook:
Digital Farming – deel 1 de uitdaging
Digital Farming – deel 3 plaatsspecifiek toepassen
Digital Farming – deel 4 bereikte resultaten
Klimaatvriendelijk boeren met eTrac en Silphie

Veelgestelde vragen

Dit is een korte samenvatting van de film. Bekijk de video hierboven voor het volledige verhaal.

Hoe wordt een bodemkaart gemaakt?
Een bodemsensor meet de bodem, waarna de meetgegevens worden verwerkt en gekalibreerd met grondmonsters. Met software worden de waarden vervolgens omgezet naar een kaart waarin elke kleur een zone met een getalwaarde aangeeft, bijvoorbeeld donkerblauw voor waarden tussen 200 en 205 en diep oranje tussen 240 en 245. Uit die gegevens is bijvoorbeeld het organisch stofgehalte af te leiden, waarop de hoeveelheid middel kan worden gebaseerd.
Hoe meet je de bodem met een gammasensor?
Een passieve gammasensor meet de natuurlijke straling die de bodem zelf afgeeft. Grond is van nature licht radioactief en dat is de straling waar we elke dag in leven. De sensor zit voorop een spuit of op een quad en haalt 6 tot 10 hectare per uur, afhankelijk van de rijsnelheid. De banen zijn 10 tot 12 meter breed, smaller rijden levert weinig extra op. Zo zie je snel of het zand of klei is en hoe de verhoudingen in de bodem liggen.
Welke data komen samen om de spuit aan te sturen?
Vier bronnen komen samen, het beeld van de camera, de bodem, het klimaat en het plantregistratieschema, dat laat zien welk soort op welk GPS-punt in het veld staat. Bij de Hogeschool in Alkmaar komen die gegevens bij elkaar, en per teler wordt gekeken welke informatie hij er zelf uit wil halen.
Wat is het verschil tussen een bodemkaart en een taakkaart?
Een bodemkaart laat zien hoe het perceel in elkaar zit: waar de grond zwaarder of lichter is, waar meer of minder organische stof zit. Een taakkaart is de vertaling daarvan naar werk: per plek staat erin hoeveel er gestrooid, gespoten of bewerkt moet worden. De machine leest die taakkaart en regelt zijn afgifte tijdens het rijden.
Wat doet het algoritme voor onkruidherkenning?
In het Robotica Lab bouwt een student een algoritme dat onkruid in tulpenvelden herkent. Op het scherm tekent het een omlijning om wat het voor onkruid houdt, met een getal voor de waarschijnlijkheid, en hoe dichter dat getal bij 1 ligt hoe zekerder het is. Een teler kan zo zien hoeveel onkruid er staat en waar het zit. Later kan de camera zelf bepalen om op de ene plek wat meer en op de andere wat minder te spuiten.
Waar bekijk ik de volledige film?
Deze vragen en antwoorden zijn een korte samenvatting. Bekijk de volledige film "Digital Farming NHN, dataverwerking en precisielandbouw" met alle inzichten, voorbeelden en achtergronden op https://www.bc1.nl/digital-farming-data-verwerking/
Tags:
Deel op LinkedInDeel op WhatsAppDeel op TelegramDeel op MastodonDeel via e-mailKopieer de link naar deze pagina