Robothond jaagt op bruikbare landbouwgrond

Een Engelse robothond met gammadetector helpt boeren hun land duurzamer te gebruiken met informatie over de bodemgezondheid.

Jake Shaw-Sutton, mede-eigenaar van robotmaker Robotriks, ontwierp samen met de University of Plymouth een robothond die geen konijnen vangt, maar met sensoren en camera’s op jacht gaat naar bruikbare landbouwgrond. Dat doet de hond tot wel tien keer sneller dan conventionele methoden, volgens het Engelse landbouwtechnologiebedrijf Farmonaut dat de hond wil inzetten.

De robothond scant akkerbodems en meet daarin met een gammadetector de van nature voorkomende stralingsniveaus, zonder dat daar tijdrovende, dure monsteranalyses van milieulabs aan te pas komen. De gemeten stralingsniveaus komen overeen met verschillende stoffen in de bodem en geven inzicht in de bodemgezondheid. Zo weten boeren waar ze het best hun gewassen kunnen verbouwen.

Duurzaam bemesten

Processors in de robothond interpreteren de stralingsgegevens en correleren deze met bekende bodemeigenschappen. Omdat de gegevens met gps zijn gelinkt, worden de bodemeigenschappen direct op de kaart gezet. Ook de boer ontvangt de meetgegevens om snel beslissingen te nemen. Met deze gegevens kan een boer op een duurzamere manier zijn land beheren door bijvoorbeeld gerichter te bemesten en onnodige chemicaliën achterwege te laten.

Het uiteindelijke doel is om een kaart te maken met bodemeigenschappen die relevant zijn voor de boer en zijn besluitvorming, zegt Will Blake, directeur van het Sustainable Earth Institute van de University of Plymouth tegen de BBC.

De vier poten van de robothond worden aangedreven door twaalf motoren. De robothond heeft een topsnelheid van vijf meter per seconde en weegt vijftien kilogram. Volgens bedenker Shaw-Sutton is een belangrijk voordeel van de robothond dat deze moeilijk terrein en lastige oppervlakken kan beklimmen.

Ook kan de robot nog effectiever werken door deze via AI en algoritmen detectiedata te laten interpreteren, stelt Farmonaut. Die algoritmen kunnen onder andere patronen in bodemsamenstelling herkennen, gewasopbrengsten voorspellen en boeren op tijd op problemen attenderen.

Foto's: Universiteit van Plymouth