De karakterisering van de graankwaliteit bij de oogst is traditioneel gebaseerd op discrete bemonstering gevolgd door laboratoriumanalyse. Hoewel deze aanpak nauwkeurige metingen op monsterniveau oplevert, slaagt hij er niet in om de ruimtelijke variabiliteit vast te leggen die de meeste landbouwvelden kenmerkt. Als gevolg hiervan geven de resulterende gegevens vaak een gemiddelde conditie weer in plaats van de werkelijke heterogeniteit van het geoogste gewas.
In deze context betekent nabij-infraroodspectroscopie(NIR), direct geïntegreerd op landbouwmachines, een paradigmaverschuiving. Door continue, real-time analyse van de graanstroom mogelijk te maken, bieden NIR-systemen op de combine een veel hogere gegevensdichtheid en een representatievere beschrijving van de variabiliteit in het veld.
Deze studie heeft als doel om de prestaties van het EVONIR systeem te valideren onder echte Oogstomstandigheden, waarbij in-line metingen worden vergeleken met laboratoriumanalyses.
De veldtest werd in juli 2022 uitgevoerd in Noord-Duitsland op een tarweoogst die werd geoogst met een New Holland CR8.90 maaidorser. De EVONIR-sensor werd geïnstalleerd op de graanelevator, waardoor een directe analyse van de volledige graanstroom tijdens het oogsten mogelijk was. EVONIR was via ISOBUS verbonden met de VT van de maaidorser.



Tijdens het oogsten werden continu gegevens verzameld, wat resulteerde in een totaal van 1.190 NIR-datapunten. Tegelijkertijd werden 23 graanmonsters handmatig verzameld op gegeorefereerde posities verspreid over het veld en geanalyseerd door een erkend laboratorium (LUFA), dat als referentiemethode diende.


De parameters die in deze studie werden geëvalueerd waren droge stof (DM), ruw eiwit (CP), as en ruw vet (CF). Voor elk bemonsteringspunt werden NIR-metingen samengevoegd over het corresponderende ruimtelijke venster en vergeleken met laboratoriumresultaten om de afwijking tussen de twee methoden te kwantificeren.
De continue metingen van het EVONIR-systeem laten duidelijk zien dat er sprake is van een aanzienlijke variabiliteit binnen het veld. Parameters zoals vocht- en eiwitgehalte vertoonden duidelijke schommelingen langs het oogstpad, wat bevestigt dat de graankwaliteit niet uniform verdeeld is binnen het veld.

Deze variaties, die optreden op een ruimtelijke schaal die veel kleiner is dan het typische bemonsteringsraster, kunnen niet adequaat worden vastgelegd met conventionele bemonsteringsmethoden. Als gevolg hiervan geeft de dataset die door het NIR-systeem wordt geproduceerd een veel rijkere en gedetailleerdere beschrijving van het geoogste gewas.
Bij het vergelijken van NIR-metingen met laboratoriumresultaten met behulp van de standaard fabriekskalibratie, bleken de gemiddelde afwijkingen -0,63 te zijn voor droge stof, -0,88 voor ruw eiwit, -0,75 voor as en +0,79 voor ruw vet. Deze waarden duiden op een relatief lage bias voor alle parameters, vooral gezien het feit dat er in dit stadium geen veldspecifieke kalibratie was toegepast.



Resumé tabel: Gemiddelde afwijking tussen lab en EVONIR met Dinamica Generale standaard kalibratie, niet aangepast vergelijken van resultaten met een LAB.
De resultaten van dit onderzoek tonen aan dat on-combine NIR-spectroscopie een nauwkeurigheidsniveau kan bereiken dat volledig compatibel is met operationele besluitvorming, zelfs bij gebruik van een algemeen kalibratiemodel. De waargenomen afwijkingen komen overeen met typische verwachtingen voor inline spectroscopische metingen en kunnen verder worden verminderd door lokale kalibratieaanpassingen.
Na het toepassen van een fijnafstemmingsprocedure op basis van een beperkt aantal laboratoriummonsters, verbeterde de afstand tussen NIR- en laboratoriumgegevens aanzienlijk, wat de effectiviteit bevestigt van het combineren van globale kalibratiemodellen met lokale verfijning.

Resumé tabel: Gemiddelde afwijking tussen LAB en EVONIR na fijnafstemming

Naast nauwkeurigheidsoverwegingen is het meest relevante resultaat van deze studie het vermogen van het NIR-systeem om de werkelijke variabiliteit van het veld vast te leggen. Terwijl laboratoriumanalyses nauwkeurige maar schaarse informatie opleveren, maakt de continue aard van NIR-metingen het mogelijk om kwaliteitskaarten met een hoge resolutie te genereren, die direct gebruikt kunnen worden voor agronomische en logistieke besluitvorming.
Vanuit een agronomisch perspectief maakt dit een nauwkeuriger begrip mogelijk van de stikstofverdeling en eiwitvariabiliteit, waardoor bemestingsstrategieën met variabele hoeveelheden in de volgende seizoenen ondersteund worden. Vanuit een logistiek standpunt stelt real-time kwaliteitsbewaking operators in staat om graanstromen te scheiden op basis van specifieke kwaliteitsdrempels, waardoor de opslag wordt geoptimaliseerd en de economische waarde wordt gemaximaliseerd.
Deze veldvalidatie bevestigt dat het EVONIR systeem in staat is om betrouwbare en consistente metingen van graankwaliteit te leveren, direct tijdens het oogsten. Zelfs met een standaardkalibratie laat het systeem een goede overeenkomst zien met laboratoriumgegevens, die nog verder kan worden verbeterd door minimale kalibratieaanpassingen.
Nog belangrijker is dat het onderzoek het fundamentele voordeel van continue meting ten opzichte van discrete bemonstering benadrukt. Door de hele graanstroom te analyseren in plaats van geïsoleerde monsters, bieden gecombineerde NIR-systemen een nauwkeurigere en uitgebreidere weergave van de veldomstandigheden.