Syngenta versnelt veredeling met AI

In het tomatenonderzoek bij Syngenta Vegetable Seeds wordt kunstmatige intelligentie (AI) gebruikt om gegevens nauwkeuriger en met meer onderliggende informatie te verzamelen.

"We gebruiken AI om informatie te verzamelen over onze nieuwe rassen. Dit is tegenwoordig steeds belangrijker, omdat steeds meer telers overwegen om AI in hun bedrijfsvoering te gebruiken," vertelt Arthur van Marrewijk, Active Greenhouse Technical Manager bij Syngenta Vegetable Seeds. "Aan de onderzoekskant willen we de gegevens die we nu al verzamelen vergelijken en verbeteren in de AI-systemen van telers en in onze veredelingsprogramma's."

"Uiteindelijk hebben we een gezamenlijke visie met Source.ag om telers te voorzien van de meest actuele bronnen waar ze naar kunnen verwijzen. Met behulp van gegevens kunnen ze AI-systemen aansturen, waardoor telers meer informatie krijgen en de potentie voor nieuwe en bestaande rassen wordt vergroot."

Door samen te werken met marktleiders op het gebied van AI, kunnen onderzoekers van Syngenta Vegetable Seeds tomateninnovaties sneller realiseren. Ook kan Syngenta telers meer data verstrekken wanneer er nieuwe rassen worden geïntroduceerd. Dit betekent dat de juiste tomatenrassen sneller bij de telers komen. Ook betekent het dat telers meer data hebben om beslissingen te nemen over nieuwe producten.

Hoe AI onderzoek versnelt
Gegevensverzameling en -organisatie zijn belangrijk om efficiëntie en nauwkeurigheid te maximaliseren. Daar kan AI bij helpen en daarom test Syngenta het. "We gebruiken de informatie die we verzamelen om plannen te maken op basis van die gegevens," vertelt Mark Versluis, Syngenta's Product Development Specialist.

"We kunnen klimaat- en omgevingsdata gebruiken om de nieuwe producten te positioneren in gebieden waar ze het beste passen. Of we kunnen diezelfde informatie gebruiken om telers begeleiding te geven om de productie te optimaliseren. Deze begeleiding wordt ondersteund door toegankelijke en gedocumenteerde data uit proeven."

"We gebruiken ook de opbrengstgegevens om te blijven assisteren bij de voorraadplanning. Dat geldt vooral voor producten zoals onze ToBRFV-resistente tomaten die waarschijnlijk meer in trek zullen zijn," vervolgt hij.

Uniforme data om te vergelijken
De beslissingen van Syngenta-onderzoekers worden ondersteund door data. Voor elk nieuw tomatenras dat op de markt komt, zijn gegevens die bewijzen dat het beter is dan het vorige ras en de rassen die op dat moment worden getest. Bovendien zorgt een beter begrip van teeltomgevingen en de rol daarvan op de opbrengst en productiviteit dat telers het tomatenras kunnen kiezen die het beste presteert in hun kas.

"Syngenta en Source.ag zijn ongeveer een jaar geleden gestart met samenwerken," vertelt Cedric Canovas, Vice President of Data Science and Plant Science bij Source.ag. "We delen een gemeenschappelijke visie als het gaat om het maximaliseren van het succes van telers. Daarom hebben we vanaf het begin discussies gevoerd over hoe we effectief kunnen samenwerken. We hebben verschillende visies op het gedrag van tomatenrassen, die elkaar aanvullen."

In recente proeven heeft Syngenta verschillende producten getest op verschillende locaties en onder verschillende omstandigheden. Tegelijkertijd leveren ze gegevens en dat doen ze efficiënter met de hulp van AI. Of nieuwe rassen nu worden getest in door Syngenta beheerde kassen of bij telers, de gegevens worden gelijkmatig en nu bovendien sneller verzameld met behulp van AI.

De mogelijkheden voor AI in onderzoek zijn groot. Het selecteren van rassen met de juiste eigenschappen voor telers en met data over locatie en omgeving zijn slechts de eerste stappen. Naarmate data beter georganiseerd en gemakkelijker beschikbaar is, kan Syngenta meer informatie delen over de waarnemingen van onderzoekers in proeven. Daardoor krijgen telers meer informatie om elk jaar de juiste keuze voor het zaad te maken.