Case studies

AI-gestuurde detectie van echte meeldauw in snackkomkommers
3 minuten

AI-gestuurde detectie van echte meeldauw in snackkomkommers

Delen:

Overzicht

Sigrow is de eerste die AI-gestuurde detectie van echte meeldauw naar telers van snackkomkommers brengt. Sigrow zette zijn Stomata Camera-systeem in om echte meeldauw in de snackkomkommerteelt aan te pakken. Door thermische beeldvorming, computervisie en omgevingssensoren te combineren, detecteert het systeem plantstress dagen voordat zichtbare symptomen verschijnen — zo kan gericht worden ingegrepen in plaats van de hele kas te behandelen.

De uitdaging

Echte meeldauw is de hardnekkigste ziektedruk in de kaskomkommerteelt. De schimmel verspreidt zich snel in dichte gewassen en is via handmatig scouten alleen moeilijk vroeg op te sporen. Tegen de tijd dat witte plekken op de bladeren zichtbaar zijn, heeft de schimmel de verdamping en fotosynthese al aangetast, met verminderde opbrengst en lagere vruchtkwaliteit als gevolg. Traditionele gewasbescherming steunde op geplande fungicidebespuitingen waarbij de hele kas werd behandeld, ongeacht waar het werkelijke risico zat. Om komkommer meeldauw gericht te bestrijden, moeten telers precies weten waar en wanneer de druk toeneemt — en dat is precies wat de Stomata Camera dagen voor zichtbare symptomen aan het licht brengt.

Doelen & doelstellingen

  • Echte meeldauw en plantstress eerder opsporen dan met handmatig scouten
  • Gewasverlies door ziekte-uitbraken beperken
  • Meer grip krijgen op de kwaliteit van snackkomkommers gedurende de hele teeltcyclus
  • Overgaan van kalendergestuurd spuiten naar gerichte, datagedreven gewasbescherming

De Sigrow-oplossing

Sigrow installeerde op 3 verschillende locaties 9 Stomata Camera-systemen voor continue, real-time gewasmonitoring in de kas.


Wat werd gemeten:
  • Huidmondjesbeelden — gezondheid van het bladoppervlak en verdampingsgedrag
  • Thermische beeldvorming — temperatuurverschil tussen blad en omgevingslucht
  • Blad- en vruchtherkenning — monitoring van het groeistadium en visuele afwijkingen
  • Klimaatdata — luchttemperatuur en luchtvochtigheid op gewasniveau

Door thermische beeldvorming te combineren met computervisie en omgevingsdata maakt het systeem voor elke zone in de kas een real-time profiel van de plantgezondheid.

Data-inzichten & analyse

Gezonde komkommerbladeren verdampen actief — hun huidmondjes gaan open, geven vocht af en houden zo de bladtemperatuur onder die van de lucht. Zodra echte meeldauw een blad begint te koloniseren, neemt de werking van de huidmondjes af voordat er witte plekken verschijnen. De Stomata Camera vangt dit op als twee gelijktijdige signalen: huidmondjes die sluiten of traag reageren op de beelden, en een oplopend temperatuurverschil tussen blad en lucht op de thermische beelden. Het beeldherkenningsmodel signaleert intussen vroege veranderingen in de bladstructuur — subtiele verkleuringen en oppervlakteonregelmatigheden die met het blote oog niet te zien zijn. Samen wijzen deze drie signalen niet alleen aan dát er iets mis is, maar ook wáár in de kas het begint — vaak 2 tot 3 dagen voordat een scout het zou opmerken.

hero-bannner-img-mobile

Genomen acties

Op basis van de inzichten:
  • Gewasbescherming werd alleen in gemarkeerde zones toegepast, wat onnodig fungicidegebruik terugdrong
  • De klimaatinstellingen in de kas werden aangepast om omstandigheden die echte meeldauw bevorderen zoveel mogelijk te beperken
  • Scout-uren werden verlegd naar de risicogebieden die het systeem aanwees

Deze acties werden continu gevolgd en geoptimaliseerd op basis van live datafeedback.

Resultaten & impact

Resultaat van de datagedreven aanpak:
  • Eerdere detectie van echte meeldauw — ingrijpen vóór zichtbare symptomen
  • Minder gewasverlies door uitbraken die voorheen pas werden opgemerkt als het al te laat was
  • Betere grip op vruchtkwaliteit gedurende het hele seizoen
  • Gerichter gebruik van gewasbeschermingsmiddelen
  • Overgang van reactief behandelen naar preventief, datagedreven ziektebeheer

Image

Belangrijkste conclusies

  • Echte meeldauw kan met thermische en huidmondjesanalyse worden gedetecteerd vóór de eerste zichtbare symptomen
  • De combinatie van thermische beeldvorming, computervisie en klimaatdata maakt precisiegewasbescherming in de kaskomkommerteelt mogelijk
  • Sigrow’s slimme kasmonitoring is beschikbaar voor alle belangrijke groente- en siergewassen — en waar dat nog niet het geval is, bouwt Sigrow het op verzoek bij

Gerelateerde case study

  • Blom-Kentia-Palms
    2 minuten

    Blom Kentia Palms — groei optimaliseren met precisiedata

    Blom Kentia Palms is een familiebedrijf met een van de modernste Kentia-kwekerijen van Europa. Vanuit Aalsmeer leveren ze wereldwijd aan klanten. Onze continue datametingen waren bijzonder waardevol voor hun groeioptimalisatie.
    View More Case Study

Meer dan alleen hardware

Onze experts helpen u met vertrouwen slimmere teeltbeslissingen te nemen.

  • Technology only creates value when it’s understood. Our plant scientists help growers translate data into daily decisions that improve crop health, consistency, and long-term performance.
    Rutger Vreezen
    Plant Scientist & Customer Success Specialist
Sigrow plant scientist reviewing greenhouse sensor data with a grower
Sigrow dashboard showing real-time greenhouse climate and crop data

Sigrow ondersteunt telers bij onboarding, data-interpretatie en doorlopend plantwetenschappelijk advies. Met adviesondersteuning leiden inzichten tot vertrouwde klimaat- en gewasbeslissingen.

Sigrow Stomata Camera for leaf and fruit temperature monitoring

Wij staan voor u klaar.

Sigrow greenhouse monitoring camera and sensor technology