🤖 machine learning

Enhancing Strawberry Yield Forecasting with Backcasted IoT Sensor Data and Machine Learning

Deze studie toont aan dat het integreren van door AI gegenereerde backcasted IoT-sensordata met historische gegevens de nauwkeurigheid van voorspellingsmodellen voor aardbeienopbrengst aanzienlijk verbetert in vergelijking met het gebruik van enkel echte sensor- en weerdata.

Oorspronkelijke auteurs: Tewodros Alemu Ayall, Andy Li, Matthew Beddows, Milan Markovic, Georgios Leontidis

Gepubliceerd 2026-06-09

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Tewodros Alemu Ayall, Andy Li, Matthew Beddows, Milan Markovic, Georgios Leontidis

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een chef-kok probeert te leren hoe hij precies kan voorspellen hoeveel aardbeien een boerderij volgend jaar zal oogsten. Om dit te doen, heeft de chef een receptenboek nodig vol met ervaringen uit het verleden: hoeveel water de planten dronken, hoe warm of koud het binnen de kas was, hoeveel zonlicht ze kregen en wat de werkelijke oogst was.

Het probleem? De boerderij is pas twee jaar geleden begonnen met het bijhouden van dit gedetailleerde receptenboek (met behulp van slimme sensoren). Maar de boerderij produceert al vier jaar aardbeien. De chef zit dus vast met een receptenboek met twee lege pagina's. Zonder die ontbrekende pagina's kan de chef het volledige verhaal niet leren, en zijn de voorspellingen niet erg goed.

Dit artikel gaat over een slimme truc die de onderzoekers gebruikten om die lege pagina's in te vullen, zodat de chef beter kan leren.

Het Probleem: Ontbrekende pagina's in het receptenboek

De onderzoekers plaatsten slimme sensoren in aardbeienkassen (polytunnels) in Schotland. Deze sensoren fungeerden als een hoogtechnologisch dagboek dat zaken zoals temperatuur, luchtvochtigheid, bodemvocht en waterverbruik elke uur registreerde.

Ze hadden dit "dagboek" echter alleen voor de laatste twee groeiseizoenen. Ze hadden ook de oogstcijfers (de opbrengst) voor vier seizoenen. Ze wildien al die vier jaar aan oogstgegevens gebruiken om een AI te trainen om toekomstige opbrengsten te voorspellen, maar ze misten het sensor-"dagboek" van de eerste twee jaar. Het is alsof je een puzzel probeert op te lossen met de helft van de stukjes ontbrekend.

De Oplossing: "Backcasting" (De tape terugspoelen)

In plaats van nog twee jaar te wachten op meer data, hebben de onderzoekers een methode uitgevonden genaamd backcasting.

Denk er zo over na: Stel je voor dat je een video hebt van een storm die buiten je huis plaatsvindt (van een nationaal weerstation), maar je hebt geen camera binnen je huis om te zien hoe de wind tegen je ramen klotste. Echter, je hebt wel een video van de storm van de afgelopen twee jaar waar je wél een camera binnen had staan.

De onderzoekers gebruikten de beelden van de "camera binnen" van de laatste twee jaar om de relatie te leren tussen de storm buiten en wat er binnen in de kas gebeurde. Zodra ze die relatie begrepen, gingen ze terug in de tijd. Ze namen de "stormbeelden van buiten" van de twee jaar waarin ze géén binnencamera hadden, en gebruikten hun geleerde relatie om te raden (of te synthetiseren) wat de omstandigheden binnen in de kas moeten zijn geweest.

Ze noemden dit "synthetische data". Het was geen echte sensoraflezing, maar een zeer onderbouwde gok gebaseerd op echte weergegevens en de patronen die ze al hadden waargenomen.

Het Experiment: Het nieuwe recept testen

De onderzoekers leerden vervolgens drie verschillende soorten AI-"chefs" (machine learning-modellen) om aardbeienopbrengsten te voorspellen. Ze testten dit op twee manieren:

De oude manier: De AI trainen met alleen de twee jaar aan echte sensordata.
De nieuwe manier: De AI trainen met de gecombineerde dataset (de twee jaar echte data plus de twee jaar "geraden" of synthetische data).

De Resultaten: Meer data betekent betere gokken

De resultaten waren duidelijk:

De "oude manier" had moeite: Wanneer de AI alleen de beperkte echte data had, zorgde het toevoegen van meer omgevingsdetails (zoals temperatuur of luchtvochtigheid) er zelfs voor dat de AI in de war raakte. De AI had niet genoeg voorbeelden om te leren hoe die details de aardbeien beïlisten.
De "nieuwe manier" slaagde: Wanneer de AI werd gevoed met de gecombineerde dataset (echt + synthetisch), werden de voorspellingen van de AI veel beter. De modellen die de "geraden" sensordata gebruikten, waren aanzienlijk nauwkeuriger dan de modellen die dat niet deden.

Interessant genoeg leerde de AI dat de specifieke omstandigheden binnen de kas (gemeten door de sensoren) belangrijker waren voor het voorspellen van de oogst dan alleen het weten van het algemene weer buiten. Door de ontbrekende sensorpagina's in te vullen, kon de AI eindelijk het volledige plaatje zien.

De Kern van het Verhaal

Het artikel laat zien dat als je niet genoeg historische data hebt van je slimme sensoren, je niet jarenlang hoeft te wachten om die te verkrijgen. Je kunt een "tijdreis"-truc (backcasting) gebruiken om te reconstrueren wat die sensoren in het verleden waarschijnlijk hebben geregistreerd, met behulp van betrouwbare weerstationsgegevens. Dit geeft je AI een veel grotere bibliotheek aan voorbeelden om van te leren, wat leidt tot veel betere voorspellingen van de hoeveelheid fruit die geoogst zal worden.

Belangrijke opmerking: De onderzoekers benadrukken dat dit een "retrospectieve" studie was. Ze keken terug op de gegevens uit het verleden om te bewijzen dat de methode werkt. Ze beweerden niet dat deze methode perfect is voor het voorspellen van de toekomst in realtime op dit moment, noch dat het voor elke boerderij of elk klimaat werkt, maar het is een krachtig hulpmiddel voor boerderijen die net beginnen met het verzamelen van data.

Technische Samenvatting: Verbeteren van de Voorspelling van Aardbeienopbrengst met Achterwaartse Backcasting van IoT-sensordata en Machine Learning

Probleemstelling
Dit artikel behandelt een kritieke flessenhals in de digitale landbouw: het tekort aan historische sensordata die nodig zijn om effectieve AI-gebaseerde modellen voor het voorspellen van gewasopbrengsten te trainen. Hoewel Internet of Things (IoT)-technologieën realtime monitoring mogelijk maken van omgevingsparameters (bijv. temperatuur, luchtvochtigheid, bodemvocht), is het uitrollen van deze sensoren over meerdere groeiseizoenen vaak kostbaar en logistiek moeilijk, vooral in dynamische landbouwomgevingen. Als gevolg hiervan beschikken veel boeren wel over historische opbrengstgegevens, maar ontbreken de bijbehorende gedetailleerde sensordata, wat het trainen van robuuste machine learning (ML)-modellen die kunnen ondersteunen bij weloverwogen besluitvorming, zoals arbeidsoptimalisatie tijdens de oogst, beperkt.

Methodologie
De studie werd uitgevoerd in een echte productieomgeving voor aardbeien in Schotland, VK, waarbij gebruik werd gemaakt van twee soorten polytunnels (verwarmde "Seaton" en onverwarmde "Multispan"). De auteurs hebben IoT-sensoren ingezet om gedurende twee groeiseizoenen (2023–2024) omgevingsgegevens te verzamelen, terwijl ze ook historische opbrengstgegevens verzamelden die vier seizoenen beslaan (2021–2024).

Om het datagat voor de twee seizoenen zonder sensorbedekking (2021–2022) te overbruggen, hebben de auteurs een backcasting-benadering ontwikkeld in plaats van traditionele forecasting.

Backcasting-mechanisme: In plaats van toekomstige toestanden te voorspellen op basis van het verleden, gebruikt het model gearchiveerde toekomstige meteorologische data (van het UK Met Office) om ontbrekende historische sensorobservaties te reconstrueren. Specifiek gebruikt het model voor een doel-tijdstip $t$ een 'look-ahead window' van externe weerscovariaten ( $t+1$ tot $t+k$ ) om de interne waarde van de polytunnel op tijdstip $t$ te voorspellen.
Datasynthese: De backcasting-modellen werden getraind op de twee ingezette seizoenen van 2023–2024 om de relatie tussen het externe weer en de interne tunnelcondities te leren. Deze modellen werden vervolgens toegepast op historische Met Office-data van 2021–2022 om synthetische sensordata te genereren.
Modelselectie: Omdat deep learning-modellen (bijv. LSTMs, Transformers) grote datasets vereisen die niet beschikbaar zijn in settings met een enkele boerderij, gebruikten de auteurs ensemble tree-gebaseerde methoden: Random Forest (RF), Gradient Boosting Decision Tree (GBDT) en Extreme Gradient Boosting (XGBoost).
Forecasting-pipeline: De uiteindelijke modellen voor het voorspellen van de opbrengst werden getraind op drie datasets: (a) alleen echte sensordata, (b) echte data aangevuld met synthetische backcasted data, en (c) verschillende combinaties van kenmerken (opbrengst alleen, opbrengst + weer, opbrengst + sensor, opbrengst + sensor + weer).

Belangrijkste Bijdragen

Real-world IoT-implementatie: Het artikel documenteert een uitgebreide inzet van IoT-sensoren in polytunnels, waarbij waterverbruik, interne/externe temperatuur en luchtvochtigheid, bodemomstandigheden en fotosynthetisch actief stralingsniveau (PAR) worden vastgelegd, terwijl ook praktische uitdagingen zoals stroomuitval en sensoruitval worden belicht.
Backcasting-methodologie: De auteurs stellen een innovatieve oplossing voor voor beperkte historische sensordata door synthetische polytunnel-sensorobservaties te genereren met behulp van externe weerarchieven. Deze benadering is verschillend van Generative Adversarial Networks (GANs), omdat het gebruik maakt van continue, betrouwbare externe databronnen in plaats van latente ruis, wat het geschikt maakt voor omgevingen met ernstige dataschaarste.
Empirische Validatie: De studie valideert dat het combineren van synthetische backcasted data met echte data de prestaties van modellen die uitsluitend op beperkte echte data zijn getraind, aanzienlijk overtreft.

Resultaten

Backcasting-nauwkeurigheid: De backcasting-modellen slaagden erin de ontbrekende sensorwaarden te reconstrueren. Het GBDT-model presteerde over het algemeen het best voor specifieke kenmerken, terwijl RF en XGBoost voor andere kenmerken werden geselecteerd op basis van de laagste Root Mean Squared Error (RMSE).
Prestaties van de opbrengstvoorspelling:
- Modellen getraind op alleen echte data lieten zien dat het toevoegen van omgevingskenmerken de prestaties vaak verslechterde ten opzichte van een "opbrengst-alleen" baseline, waarschijnlijk door een onvoldoende datavolume om complexe interacties tussen kenmerken te leren.
- Modellen getraind op synthetische + echte data vertoonden significante verbeteringen. Het GBDT-model behaalde de beste resultaten, waarbij de RMSE met 19,55% en de MAE met 7,75% werd verminderd ten opzichte van de real-only baseline bij gebruik van de "opbrengst + sensor" feature set.
- De combinatie "opbrengst + sensor" presteerde beter dan "opbrengst + sensor + Met Office", wat suggereert dat gelokaliseerde microklimaatdata (gesynthetiseerd uit de backcasting) voorspellender is dan regionale weerdata alleen.
- Een window-grootte van 6 toekomstige tijdstappen werd geïdentificeerd als optimaal voor de backcasting-input, om een balans te vinden tussen temporele context en ruis.

Betekenis en Claims
Het artikel claimt een van de eerste studies te zijn die ontbrekende groei-seizoen IoT-observaties reconstrueert uit externe weerarchieven, specif으로 voor downstream voorspellingen van gewasopbrengsten in de operationele polytunnel-landbouw.

De auteurs benadrukken dat hun werk een pragmatische uitdaging aanpakt waar individuele boeren mee te maken krijgen: het onvermogen om voldoende historische sensordata te accumuleren voor predictieve modellering. Door aan te tonen dat synthetische data-augmentatie via backcasting de nauwkeurigheid van voorspellingen kan verbeteren, biedt de studie een levensvatbaar pad voor kleinschalige landbouwsettings om AI te benutten ondanks dataschaarste.

Bescheidenheid en Beperkingen
De auteurs hanteren een bescheiden toon met betrekking tot hun claims:

Retrospectief karakter: De evaluatie is expliciet retrospectief. Hoewel 2023 opbrengstlabels werden apart gehouden voor testen, werd het backcasting-model gekalibreerd met sensor-weerrelaties die ook 2023-data bevatten. De auteurs erkennen dat een striktere prospectieve evaluatie een herkalibratie zou vereisen zonder enige data uit het evaluatiejaar.
Causale mechanismen: De verbeterde prestaties worden geïnterpreteerd als bewijs van praktische voorspellende bruikbaarheid onder data-augmentatie, en niet als bewijs dat de modellen causale agronomische mechanismen hebben geleerd.
Generaliseerbaarheid: De studie werd uitgevoerd op één enkele Schotse boerderij. De auteurs merken op dat toekomstig werk nodig is om de overdraagbaarheid van deze aanpak naar diverse klimaten en polytunnelontwerpen te valideren.
Baseline Vergelijking: De studie vergelijkt met een autoregressieve machine learning baseline, maar bevat geen naïeve persistentie-baseline (bijv. voorspellen dat de opbrengst van volgende week gelijk is aan die van deze week), waardoor claims over het uitpresteren van de simpelst mogelijke voorspeller worden vermeden.