Anomaliedetectie in de glastuinbouw

Anomaliedetectie is geautomatiseerd detecteren van afwijkingen. Datamining die datapunten, gebeurtenissen en/of observaties identificeert die afwijken van het normale gedrag van een dataset. Anomale gegevens kunnen wijzen op kritieke incidenten, zoals een technische storing, of zelfs de potentiële kans tot verstoring of afwijking, bijvoorbeeld een verandering in het consumentengedrag.

Hoe gebruiken we anomaliedetectie in de glastuinbouw? De vragen die gesteld moeten worden zijn:

• Waar is het abnormale gedrag en wanneer treedt het op?
• Waar en wanneer hebben zich storingen voorgedaan?
• Hoe kan men ongeplande storingen voorspellen voordat ze zich voordoen?

Anomalieën in praktijk brengen

In de kas bevinden zich machines, motoren, computers en apparatuur die in staat zijn om met behulp van sensoren waardevolle gegevens realtime vast te leggen. Waardevolle data bruikbaar en toepasbaar maken. Een manager en/of teler wilt ongeplande stilstand, afwijkingen in het gewas of incidenten welke kas – en teeltprestaties kunnen schaden voorkomen en aanpakken. 

Dus waarom niet een toepassing gebruiken waarmee je deze zaken kunt detecteren en welke de teler in staat stelt om voorzorgsmaatregelen te nemen om teeltschade te voorkomen en het rendement van uw kas te waarborgen. Het telen eenvoudiger maken.

Pylot is een platform dat gebruik maakt van anomalieën in uw kas en zelfs verder gaat. Anomaliedetectie is gebaseerd op patronen en detecteert gebeurtenissen die niet in het patroon passen. Maar wat gebeurt er als je intelligente logica, de expertkennis van telers en adviseurs toevoegt? Dan krijg je een functionaliteit die managers en telers daadwerkelijk zal helpen. Deze functie is al beschikbaar in het Pylotplatform onder de naam 'Climate Insights'. 

Hardware-anomalieën

Anomalieën kunnen worden gebruikt om een storing in de werking van je hardware te vinden. Bijvoorbeeld het detecteren van een CO2-sensor die ingestelde waarden afgeeft. Het kan ook een storing van een warmtepomp detecteren of de schade of slijtage aan een schermsysteem voorspellen. 

Anomaliedetectie kan worden toegepast op operationele monitoring metingen of business meetgegevens die de besluitvorming ondersteunen voor een kas en gewas. Momenteel bouwt Pylot aan 'Greenhouse Insights'.

Hoe kunnen we kleine afwijkingen in telersdata detecteren die een groot verschil kunnen maken voor het rendement of omzetpotentieel, is dan de vraag.