I projekt Grovfoder 4.0 er der nu udviklet et nyt system til automatisk registrering af grovfoderudbytter på markniveau. På finsnitteren er monteret en Perten NIR-scanner og på vognene vejeceller. Begge dele overfører data til en database. Disse data kan tilgås via en app med flere roller f.eks. snitterpilot, frakørselsvogn, ged eller som landmand. Alle kan mens der finsnittes følge med i, hvad der høstes på marken.

Snitterpiloten opretter jobbet hos den enkelte landmand og kan konstant overvåge NIR-scanneren og validere data. På figur 1 ses, hvordan målingerne ændrer sig i løbet af en dag. De store spring formodes at være markskifte.

Piloten på frakørselsvognen vælger redskab, logger på det job snitterpiloten har oprettet og forbinder vognens vægt med jobbet. Vægtene på vognene bruges til at kalibrere NIR-scanneren og flowmåleren på finsnitteren. Dette gør, at landmanden også kan hjælpe med at køre fra selvom han ikke har vægt på sin vogn. På denne måde styres i stedet efter vognens m3.

På figur 2 ses, hvor præcist vognene kan veje. Jo tættere punkterne er på linjen, jo tættere er vognene på at veje præcist det samme som brovægten. Der er opnået rigtig fine resultater, når der vejes på jævnt underlag. Vi har endnu til gode at se, hvordan vægtene vejer et år, hvor majsen nærmest skal sejles i land.

Piloten på gummigeden logger på det job snitterpiloten har oprettet. Han opretter aflæsningslokationer eller tilvælger dem såfremt de er oprettet på forhånd. Der kan læsses af i tre siloer/lokationer samtidig. Han kontrollerer, at vognene bliver læsset af på de rigtige lokationer. Ankommer gummigeden først, når de første læs allerede er kørt hjem, kan han også organisere så det enkelte læs, registreres på den rigtige lokation.

Landmanden kan, mens der finsnittes, logge på jobbet og se udbytterne fra de forskellige marker og endda positioner (se figur 3).

Landmanden kan også se tørstofprocenten. I fremtiden vil han også kunne se bl.a. protein-, stivelse-, aske- og NDF-indhold samt fordøjelighed. Kvaliteten af data omkring næringsstoffer er endnu ikke høj nok. På figur 4 ses, hvor præcist NIR-scanneren måler i hele tørstofspektret fra ca. 20-70 % ts.

Det kræver et stort stykke arbejde at få en NIR-scanner kalibreret til at kunne måle præcist i så stort et interval. Ligeså skal NIR-scanneren kunne måle tørstof i alle slags grovfoder. Det er ikke lige meget, om det er en letfordøjelig 1. slæt med højt sukkerindhold eller en stænglet grov 3. slæt eller for den sags skyld majshelsæd. Der skal tages utallige prøver og det er selvfølgelig omkostningstungt. Dette er formodentlig årsagen til, at der findes NIR-scannere i stort set alle prisklasser.
Et andet interessant dilemma undervejs har været beskyttelse af udstyret. Det er dyrt udstyr at placere i tuden på en finsnitter, hvor sten kommer hamrende forbi.

På dette link ses, hvordan prøverne til kalibrering er udtaget, neddelt og derefter analyseret.

Med dette nye udstyr kan vi i realtid måle udbytter og tørstofprocent på markniveau. De kalibreringer der er lavet kan flyttes mellem NIR-scannere. På denne måde kan systemet skaleres.

Allerede i 2016 åbnede ’Den digitale motorvej’, så data på markniveau fra finsnitteren kunne overføres til MarkOnline. Derefter kunne de kobles med grovfoderanalyser og foderenheder på markniveau kunne præsenteres.

Der er siden sået tvivl om, hvad det var NIR-scannerne målte og hvor præcist det var. Der var ikke stor åbenhed fra producenternes side omkring kvaliteten af data. Dette blev grundlaget for at lave det nye system.

Her lokalt så vi et fint eksempel på en NIR-scanner, der ikke var kalibreret nok (det skal hurtigt nævnes, at det ikke var den NIR-scanner, finsnitteren var købt med).

Fjordland har siden sommeren 2019 været med i projekt Grovfoder 4.0 sammen med fem lokale landmænd. Projektets formål har været at forbedre økonomien i grovfoderproduktionen og samtidig reducere næringsstofoverskuddet i marken. Udviklingen i projektet er ikke gået så hurtigt som forventet. Derfor er vores rolle med demonstration af udstyr også blevet begrænset.

Når vi får adgang til mange flere data fra de forskellige marker, kan vi komme til at træffe beslutninger på et helt andet grundlag.

På figur 6 ses et kort med data på positionsniveau målt af en NIR-scanner på en finsnitter. Vi forestiller os, at dette kort viser udbytter. Har vi mulighed for det, vil vi så måske ændre gødsknings- eller vandingsstrategi. Det kan også være, der er områder, vi vil overveje at ligge brak.

Er det græssets proteinniveau, vi får vist, ville vi måske gødske anderledes, for at passe på kløveren. Er det tørstofprocenten vil vi måske ændre på riverækkefølgen ved næste slæt. Kort sagt vi kommer til at få noget information, som vi kan bruge til at træffe beslutninger ud fra og derefter handlinger.

Der er nu udviklet et system med stor præcision og datasikkerhed. Systemet er klar til at blive sat i drift.

Allerede i dag kan du se de seneste års udbytter på de forskellige marker i MarkOnline, når du laver markplan (såfremt din maskinstation har NIR-scanner og udbytteregistrering, der afleverer data i MarkOnline). På den måde kan den enkelte marks potentiale nemt aflæses og benyttes til f.eks. budgettering.

Der udvikles også et nyt digitalt værktøj til automatisk beregning af fremstillingspris på markniveau ud fra udbyttedata og omkostninger hentet i Ø90. Den første version kan allerede ses i CropManager.

Automatisering er vejen frem, for at få brugbare data på markniveau. I fremtiden vil vi få anderledes og bedre hjælp til at optimere vores grovfoderproduktion.

Projektet er støttet af GUDP