Terug naar overzicht

Slimme machines maken versproductie efficiënter en duurzamer

In de voedselindustrie verschuift de aandacht snel van handmatige controle naar systemen die meekijken en bijsturen. Producenten willen verspilling terugdringen, stilstand voorkomen en tegelijk constante kwaliteit leveren. Juist bij verse groenten is dat een uitdaging, omdat geen krop sla, ui of paprika exact hetzelfde is. Variatie in herkomst, seizoen en groeiomstandigheden vraagt om productielijnen die zich aanpassen aan wat er binnenkomt.

Slimme machines maken versproductie efficiënter en duurzamer

min leestijd

Daar ligt de kern van de ontwikkeling volgens Elena Haffmans, director of business innovation bij Sormac, technologieleverancier voor groenteverwerking. Zij houdt zich bezig met procesverbetering, dataontwikkeling en IT, en ziet hoe kunstmatige intelligentie nadrukkelijker zijn weg vindt naar de groenteverwerking. “Een van de toepassingen waar we veel naar kijken is kwaliteitscontrole met cameratechnologie. Daarmee voeg je als het ware een kunstmatig oog van een getrainde specialist toe aan het proces. Zo kun je geautomatiseerd beoordelen of een product eruitziet zoals het hoort en, indien nodig, een vervolgopdracht sturen.”

Die visuele controle wordt ingezet om te voorkomen dat verkeerde producten in een verpakking terechtkomen, of een partij wordt afgekeurd doordat het product te nat, te groot of juist te klein gesneden is. Volgens Haffmans is dat essentieel, omdat kleine afwijkingen grote gevolgen kunnen hebben voor houdbaarheid en verspilling. “Datagedreven productie maakt het mogelijk om veel preciezer te werken dan voorheen. Je kunt exact zien waar verliezen optreden en daar direct op sturen. Daardoor wordt voedselverspilling niet alleen inzichtelijk, maar ook daadwerkelijk teruggedrongen. Het is een verschuiving van reageren naar voorspellen en optimaliseren.”

Zelflerend

In veel voedselverwerkende fabrieken zijn operators nog verantwoordelijk voor instellingen van complexe lijnen met tientallen sensoren en variabelen. Maar de invloed van een kleine aanpassing is voor mensen nauwelijks volledig te overzien, zeker niet verderop in de lijn. Haffmans verwacht daarom dat systemen steeds meer zelflerend en zelfsturend worden. “We werken ernaartoe dat een machine zelf begrijpt wat de impact van een instelling is op de rest van het proces. Dan kan deze zelfstandig bijsturen voor een optimaal eindproduct, met zo min mogelijk afval.”

Dat vraagt om een andere kijk op onderhoud en hygiëne. Stilstand voorkomen begint volgens haar met proactieve service: machines die zelf aangeven wanneer onderdelen slijten of ingrijpen nodig is. Tegelijk moet elke stap, van wassen en snijden tot drogen en mengen, afgestemd zijn op de kwetsbaarheid van het product. Vooral bij bladgroenten is elke bewerking van invloed op kwaliteit en houdbaarheid.

Duurzaamheid

Duurzaamheid speelt nadrukkelijk mee, vooral via waterverbruik. Door waterniveaus, troebelheid en temperatuur te meten, kunnen processen gerichter worden gestuurd en kan water vaker worden hergebruikt. Tegelijk veranderen nieuwe teeltmethoden, zoals vertical farming en controlled environment agriculture, de eigenschappen van groenten. Producten uit gecontroleerde teelt zijn vaak uniformer en lokaal produceerbaar, maar ook gevoeliger voor bewerking en bederf. Dat vraagt om meer precisie in de verwerking en vergroot het belang van kennis over productgedrag en microbiologische processen. “Daarom hebben we jaren geleden geïnvesteerd in een eigen microbiologisch laboratorium. Met de data die wij daaruit halen, kunnen we onze technologie doorlopend verbeteren.”

Tekst: Hugo Schrameyer
Uitgave Contentway: Future of Agri & Food
Het Financiële Dagblad April 2026