Flower Power in aardbei
Het project onderzoekt een moleculaire meetmethode om de ontwikkeling van aardbeienstekken efficiënter en goedkoper te monitoren.
Projectdetails
Inleiding
Innovatie is nodig om de productie van stekken van aardbeienplanten te verhogen en de cyclus van deze productie te versnellen. Momenteel lopen telers echter tegen verschillende problemen aan die dit verhinderen.
Probleemstelling
Het kost momenteel bijzonder veel tijd en geld om bij de teelt van stekken van aardbeienplanten de ontwikkeling van de plant periodiek inzichtelijk te krijgen. Dit is cruciaal voor het proces, omdat:
- Een stekplant meerdere ontwikkelingsfasen doormaakt en elke fase om andere klimatologische omstandigheden en voeding vraagt.
- Het per stekplant verschilt wanneer de plant naar een volgende fase overgaat.
Huidige Methode
De ontwikkeling van deze stekplanten wordt momenteel hoofdzakelijk gevolgd middels bloemknoponderzoeken. Dit is een arbeidsintensief proces dat bijzonder veel tijd kost.
Een ervaren teeltmedewerker kan op deze manier ongeveer 25 planten per week 'ontleden' en de staat van deze planten in kaart brengen.
Oplossing
Innovatieve technologieën zijn nodig om dit proces flink te versnellen, zodat de staat van de planten goedkoper en regelmatiger in kaart kan worden gebracht.
Doelstelling
De doelstelling van dit MIT-Haalbaarheidsproject van Plant Quality Solutions is:
“Het onderzoeken van de technische en commerciële haalbaarheid van de ontwikkeling van een moleculaire meetmethode die de tijdrovende bloemknoponderzoeken kan vervangen. We willen de eiwit- en hormoonniveaus gebruiken om te kunnen meten of de plant in een vegetatief of generatief ontwikkelstadium is. Hiermee willen we bepalen wanneer een plant is begonnen met het initiëren van bloemknoppen, zodat telers de juiste acties hierop kunnen nemen, zoals het aanpassen van de klimatologische omstandigheden en het toedienen van nutriënten.”
Financiële details & Tijdlijn
Financiële details
Subsidiebedrag | € 20.000 |
Totale projectbegroting | € 58.800 |
Tijdlijn
Startdatum | 1-5-2023 |
Einddatum | 31-12-2023 |
Subsidiejaar | 2023 |
Partners & Locaties
Projectpartners
- Plant Quality Solutionspenvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
Detectie ziekten en plagen aardbeienteeltHet project onderzoekt de haalbaarheid van een camerasysteem voor vroegtijdige detectie van ziekten en plagen in de aardbeienteelt. | Mkb-innovati... | € 20.000 | 2020 | Details |
Aardbeiplanten sorterenHet project ontwikkelt een slimme sorteer machine voor aardbeiplanten die efficiënt sorteert, meet en behandelt zonder chemicaliën, om arbeidsproblemen op te lossen en plantwaarde te verhogen. | Mkb-innovati... | € 20.000 | 2021 | Details |
Onderzoek haalbaarheid Fotosynthese monitorHet project onderzoekt de haalbaarheid van een innovatieve fotosynthese monitor voor realtime analyses in de tuinbouw. | Mkb-innovati... | € 20.000 | 2023 | Details |
qPCR BiostimulantenHet project onderzoekt de haalbaarheid van een qPCR-test om de effectiviteit van biostimulanten voor zacht fruit te optimaliseren. | Mkb-innovati... | € 20.000 | 2023 | Details |
Geautomatiseerd en geoptimaliseerd teeltproces aardbeienBirds.ai ontwikkelt een AI-gestuurde softwareapplicatie voor automatische beeldanalyse van aardbeien, om bederf te verminderen en voedselverspilling in de zacht-fruitketen te voorkomen. | Mkb-innovati... | € 20.000 | 2021 | Details |
Detectie ziekten en plagen aardbeienteelt
Het project onderzoekt de haalbaarheid van een camerasysteem voor vroegtijdige detectie van ziekten en plagen in de aardbeienteelt.
Aardbeiplanten sorteren
Het project ontwikkelt een slimme sorteer machine voor aardbeiplanten die efficiënt sorteert, meet en behandelt zonder chemicaliën, om arbeidsproblemen op te lossen en plantwaarde te verhogen.
Onderzoek haalbaarheid Fotosynthese monitor
Het project onderzoekt de haalbaarheid van een innovatieve fotosynthese monitor voor realtime analyses in de tuinbouw.
qPCR Biostimulanten
Het project onderzoekt de haalbaarheid van een qPCR-test om de effectiviteit van biostimulanten voor zacht fruit te optimaliseren.
Geautomatiseerd en geoptimaliseerd teeltproces aardbeien
Birds.ai ontwikkelt een AI-gestuurde softwareapplicatie voor automatische beeldanalyse van aardbeien, om bederf te verminderen en voedselverspilling in de zacht-fruitketen te voorkomen.
Vergelijkbare projecten uit andere regelingen
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
Geautomatiseerde en intelligente plaats- en rooimachine voor aardbeiplanten in traysDit project ontwikkelt een geautomatiseerd systeem voor het efficiënt plaatsen en rooien van aardbeiplanten in trays, waardoor arbeidskosten verlagen en productiecapaciteit verhogen. | Mkb-innovati... | € 145.071 | 2019 | Details |
Inoflora Harvest InnovationHet project richt zich op het automatiseren van het handmatige oogstproces van snijbloemen met een sensorrobot om kwaliteitsverlies te verminderen en de efficiëntie te verhogen. | Mkb-innovati... | € 196.490 | 2019 | Details |
Plant-als-SensorGearbox Innovations en Koppert Cress ontwikkelen een generieke oplossing die planten als sensoren inzet voor real-time monitoring van plantgezondheid en -groei in gecontroleerde teeltomgevingen. | Mkb-innovati... | € 288.400 | 2022 | Details |
’De vruchten plukken’ van autonoom telenDit project ontwikkelt een beslissingsondersteunend systeem voor autonoom telen in de glastuinbouw, gericht op optimale oogstopbrengst. | 1.1 - Het ve... | € 880.773 | 2023 | Details |
Flying Bud InspectorHet project ontwikkelt de "Flying Bud Inspector", een dronesysteem met visiontechnologie voor nauwkeurige oogstvoorspellingen van snijbloemen, om de onzekerheid in productie te reduceren van +/- 20% naar +/- 5%. | Mkb-innovati... | € 174.965 | 2017 | Details |
Geautomatiseerde en intelligente plaats- en rooimachine voor aardbeiplanten in trays
Dit project ontwikkelt een geautomatiseerd systeem voor het efficiënt plaatsen en rooien van aardbeiplanten in trays, waardoor arbeidskosten verlagen en productiecapaciteit verhogen.
Inoflora Harvest Innovation
Het project richt zich op het automatiseren van het handmatige oogstproces van snijbloemen met een sensorrobot om kwaliteitsverlies te verminderen en de efficiëntie te verhogen.
Plant-als-Sensor
Gearbox Innovations en Koppert Cress ontwikkelen een generieke oplossing die planten als sensoren inzet voor real-time monitoring van plantgezondheid en -groei in gecontroleerde teeltomgevingen.
’De vruchten plukken’ van autonoom telen
Dit project ontwikkelt een beslissingsondersteunend systeem voor autonoom telen in de glastuinbouw, gericht op optimale oogstopbrengst.
Flying Bud Inspector
Het project ontwikkelt de "Flying Bud Inspector", een dronesysteem met visiontechnologie voor nauwkeurige oogstvoorspellingen van snijbloemen, om de onzekerheid in productie te reduceren van +/- 20% naar +/- 5%.