Schrijf je in voor onze dagelijkse nieuwsbrief om al het laatste nieuws direct per e-mail te ontvangen!

Inschrijven Ik ben al ingeschreven

U maakt gebruik van software die onze advertenties blokkeert (adblocker).

Omdat wij het nieuws gratis aanbieden zijn wij afhankelijk van banner-inkomsten. Schakel dus uw adblocker uit en herlaad de pagina om deze site te blijven gebruiken.
Bedankt!

Klik hier voor een uitleg over het uitzetten van uw adblocker.

Meld je nu aan voor onze dagelijkse nieuwsbrief en blijf up-to-date met al het laatste nieuws!

Abonneren Ik ben al ingeschreven

Hoe je voedselsystemen duurzamer kunt maken met AI

Start-ups gebruiken kunstmatige intelligentie (AI) om voedselsystemen duurzamer te maken. Zo vermindert Orbisk de voedselverspilling met een slimme scanner. Hoogleraar Ioannis Athanasiadis wil dit soort bedrijven ondersteunen met een Europese testfaciliteit. Ze presenteren hun inzichten tijdens het F&A Next-congres.

De start-up Orbisk heeft een monitoringsysteem voor voedselverspilling ontwikkeld die horecaondernemingen boven hun afvalbak kunnen hangen. Een slimme camera geeft, in combinatie met een weegschaal, inzicht in de voedselverspilling. Als gevolg kunnen de ondernemers slimmer inkopen en daarmee hun duurzaamheid en winst verhogen.

'AI kan arbeidsintensieve taken van ons overnemen', vertelt oprichter Olaf van der Veen van Orbisk. 'Met beeldherkenningsapparatuur boven de afvalbak bepalen we wat er in verdwijnt. Uit onderzoek blijkt dat een gemiddeld restaurant jaarlijks 10.000 kilogram eetbaar afval weggooit en dat blijkt ook uit onze data. Gemiddeld is 70 procent van ons voedselafval overproductie en over-bevoorrading en slechts 30 procent komt voort uit te grote porties. Restaurants en cateraars kopen doorgaans teveel in, omdat ze bang zijn tekort te komen. Met ons monitoringsysteem krijgen ze zicht op het overschot en kunnen ze veel scherper inkopen.'

Neuraal netwerk
De voedselscanner van Orbisk werkt met een neuraal netwerk dat heeft geleerd hoe voedsel er uit ziet en dus weet hoe broodjes, paprika en pastaresten eruitzien. Het belangrijkste werk van Orbisk was het trainen van het neurale netwerk om allerlei soorten voedsel te herkennen, zegt Van der Veen. Daarnaast gebruikt Orbisk andere databronnen. Die voorspellen bijvoorbeeld het aantal gasten, maar ook wat ze eten. 'Wat mensen eten, hangt enorm af van het weer, dus de weersvoorspelling is van belang. Het zijn hele complexe datasets, maar wij kunnen er met AI patronen in herkennen over het consumentengedrag.'

Orbisk groeit als kool. De in 2018 opgerichte start-up heeft inmiddels zeshonderd voedselscanners verkocht in 33 landen en groeit met ruim 10% per maand, zegt Van der Veen. Er werken nu zo'n zestig mensen.

70% besparing
De voedselscanner kan 30% tot 70% van de voedselverspilling voorkomen, zegt Van der Veen. De oudste klant van Orbisk, het Leids Universitair Medisch Centrum, heeft de afvalscanner nu ruim vier jaar en haalt structureel 70% besparing. Van der Veen denkt ook een flinke besparing te halen in de cateringindustrie. 'Er wordt veel voedsel aangeboden voor niets. Dat degradeert de waarde van voedsel, waardoor er veel eten wordt weggegooid. In zo'n omgeving is er veel winst te halen.' De afvalscanner staat sinds kort ook op een cruiseschip. 'Daar is erg veel te halen. Het voedsel op cruiseschepen is overdadig, maar voedselverspilling begint ook daar een issue te worden vanwege de negatieve perceptie en de kosten.'

Faciliteiten
De Wageningse AI-hoogleraar Ioannis Athanasiadis denkt dat hij start-ups als Orbisk kan ondersteunen bij de ontwikkeling van hun business. 'De ontwikkelingen in AI gaan erg snel. Startende kennisbedrijven hebben ondersteuning en faciliteiten nodig om hun producten te testen in verschillende omstandigheden, zodat ze hun innovaties kunnen ontwikkelen en opschalen. De EU heeft dit onderkend en een programma van ons gefinancierd, 'Testing and Experimentation Facilities for Agrifood Innovation'. Dit is een Europees netwerk van faciliteiten om AI-oplossingen te testen.'

Bij die AI-oplossingen voor de land- en tuinbouw denkt Athanasiadis bijvoorbeeld aan wied- en plukrobots die onder verschillende omstandigheden in Nederland, Oostenrijk en Spanje hun werk doen, maar ook aan datasets en digitale producten waarmee deze faciliteiten hun tests beter kunnen uitvoeren. 'We willen met andere kennisinstellingen een digitale infrastructuur opzetten waarin we pre-competitief AI-oplossingen kunnen testen, zodat deze innovaties sneller praktijkrijp zijn en sneller kunnen opschalen.

Wiedrobots
Daarbij kunnen bedrijven die AI toepassen veel van elkaar leren, denkt de hoogleraar. 'Op het gebied van wiedrobots zijn er al verschillende systemen in omloop. De meeste zijn toegespitst op een bepaald gewas en bepaalde milieucondities. Ze maken gebruik van verschillende datastromen, algoritmen en protocollen die heel vaak niet uitwisselbaar zijn. Ik wil graag dat bedrijven hun datasets en algoritmen gaan delen, zodat ze van elkaar kunnen leren. Dat kan in een publieke faciliteit voor start-ups en kleine bedrijven waarin ze dergelijke data gaan delen, zodat ze hun ontwikkelproces kunnen versnellen.' Deze faciliteit, AgrifoodTEF, is nu in ontwikkeling.

Bron: WUR

Publicatiedatum: