SubsidieMeestersVeilig Vlees Verwerken onder de Aquamar UV Deken
Geo4A ontwikkelt een innovatief rasherkenningsmodel met satellietbeelden om aardappelrassen automatisch te classificeren, wat kostenefficiënte opsporing van illegaliteit mogelijk maakt.
Projectdetails
Inleiding
Huidige methoden voor het opsporen van illegaliteit zijn tijdrovend en daardoor erg kostbaar. Geo4A wil een innovatief rasherkenningsmodel ontwikkelen, waarbij satellietbeelden worden gebruikt om aardappelrassen automatisch te classificeren.
Doel van het project
Hiermee wordt het mogelijk om wereldwijd in te zoomen op aardappelvelden en te bepalen welke rassen worden geteeld en de hoeveelheid geteelde hectares per aardappelras. Deze informatie is van belang voor veredelingsbedrijven, maar ook voor andere spelers in de productieketen.
Technische haalbaarheid
In dit project wordt onderzocht of het rasherkenningsmodel technisch haalbaar is, met de gewenste betrouwbaarheid voor commerciële toepassing. Geo4A heeft reeds ruime ervaring met aardappelgroeimodellering.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 20.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2020 |
Partners & Locaties
Projectpartners
- Aquamar Disinfection Productspenvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Aardappelrasherkenning met satelliettechnologieGeo4A ontwikkelt een innovatief rasherkenningsmodel met satellietbeelden om illegale handel in pootaardappelen te bestrijden en veredelingsbedrijven waardevolle teeltinformatie te bieden. | Mkb-innovati... | € 20.000 | 2020 | Details |
Ontwikkeling software elektronische sorteermachine t.b.v. pootaardappelen op basis van kunstmatige intelligentie en Neurale NetwerkenHet project onderzoekt de ontwikkeling van een machine voor het sorteren van pootaardappelen op maat, kwaliteit en ziekteherkenning, met focus op haalbare software en aansluiting bij kwaliteitsnormen. | Mkb-innovati... | € 20.000 | 2020 | Details |
Regio FlevolandOnderzoek naar lichttechnologie en klimaatoptimalisatie voor duurzame teelt, gericht op hergebruik van middelen en verbeterde oogstfrequentie, inclusief aardappelteelt in ongunstige omstandigheden. | Mkb-innovati... | € 20.000 | 2021 | Details |
Innovatieve oplossing voor duurzaam en efficiënt droog ontspruiten en reinigen van aardappelenHet project onderzoekt een mechanische ontspruitopstelling voor aardappelen die reiniging en ontspruiten combineert, ter vervanging van chloorprofam, met focus op duurzaamheid en efficiëntie. | Mkb-innovati... | € 18.210 | 2020 | Details |
Meten van voedingscomponenten m.b.v. AI op spectral imagesNLresearch onderzoekt de haalbaarheid van een kostenefficiënt proces voor het meten van voedingswaarden in gewassen met behulp van geavanceerde technologieën zoals camera's en AI. | Mkb-innovati... | € 20.000 | 2023 | Details |
Aardappelrasherkenning met satelliettechnologie
Geo4A ontwikkelt een innovatief rasherkenningsmodel met satellietbeelden om illegale handel in pootaardappelen te bestrijden en veredelingsbedrijven waardevolle teeltinformatie te bieden.
Ontwikkeling software elektronische sorteermachine t.b.v. pootaardappelen op basis van kunstmatige intelligentie en Neurale Netwerken
Het project onderzoekt de ontwikkeling van een machine voor het sorteren van pootaardappelen op maat, kwaliteit en ziekteherkenning, met focus op haalbare software en aansluiting bij kwaliteitsnormen.
Regio Flevoland
Onderzoek naar lichttechnologie en klimaatoptimalisatie voor duurzame teelt, gericht op hergebruik van middelen en verbeterde oogstfrequentie, inclusief aardappelteelt in ongunstige omstandigheden.
Innovatieve oplossing voor duurzaam en efficiënt droog ontspruiten en reinigen van aardappelen
Het project onderzoekt een mechanische ontspruitopstelling voor aardappelen die reiniging en ontspruiten combineert, ter vervanging van chloorprofam, met focus op duurzaamheid en efficiëntie.
Meten van voedingscomponenten m.b.v. AI op spectral images
NLresearch onderzoekt de haalbaarheid van een kostenefficiënt proces voor het meten van voedingswaarden in gewassen met behulp van geavanceerde technologieën zoals camera's en AI.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Monitoring en voorspelling van aardappeloogst en kwaliteit door middel van innovatieve aardobservatie-dataDit project ontwikkelt innovatieve software die satellietdata en meteorologische informatie integreert voor optimale en duurzame productieplanning in de aardappelverwerkende industrie. | Mkb-innovati... | € 162.930 | 2019 | Details |
Soilmate, robot om aardappelziekten te detecterenHet project ontwikkelt een autonome robot met AI om vroegtijdig ziekten in aardappelplanten te detecteren, wat de oogst efficiëntie verhoogt en het gebruik van pesticiden vermindert. | Mkb-innovati... | € 185.675 | 2019 | Details |
Ontwikkeling E-nose technologie voor bewaarplaatsen aardappelenHet project ontwikkelt een e-nose met VOC-sensoren voor continue kwaliteitsmonitoring van aardappelen, met als doel vroegtijdige interventie en een zelflerend systeem voor intelligente bewaring. | Mkb-innovati... | € 289.085 | 2020 | Details |
Slim geïntegreerde was- en flotatiescheidingsmachineHet project ontwikkelt een innovatieve all-in-one machine voor het aardappel scheidingsproces, die duurzamer en efficiënter is, met 40% lengte- en 25% kostenbesparing en zonder zoutgebruik. | Mkb-innovati... | € 165.960 | 2020 | Details |
Project ACROHet project 'Analyse CROps' ontwikkelt AI-gestuurde software voor gewasherkenning uit luchtbeelden, om nauwkeurige teeltadviezen te bieden voor precisielandbouw. | Mkb-innovati... | € 200.000 | 2016 | Details |
Monitoring en voorspelling van aardappeloogst en kwaliteit door middel van innovatieve aardobservatie-data
Dit project ontwikkelt innovatieve software die satellietdata en meteorologische informatie integreert voor optimale en duurzame productieplanning in de aardappelverwerkende industrie.
Soilmate, robot om aardappelziekten te detecteren
Het project ontwikkelt een autonome robot met AI om vroegtijdig ziekten in aardappelplanten te detecteren, wat de oogst efficiëntie verhoogt en het gebruik van pesticiden vermindert.
Ontwikkeling E-nose technologie voor bewaarplaatsen aardappelen
Het project ontwikkelt een e-nose met VOC-sensoren voor continue kwaliteitsmonitoring van aardappelen, met als doel vroegtijdige interventie en een zelflerend systeem voor intelligente bewaring.
Slim geïntegreerde was- en flotatiescheidingsmachine
Het project ontwikkelt een innovatieve all-in-one machine voor het aardappel scheidingsproces, die duurzamer en efficiënter is, met 40% lengte- en 25% kostenbesparing en zonder zoutgebruik.
Project ACRO
Het project 'Analyse CROps' ontwikkelt AI-gestuurde software voor gewasherkenning uit luchtbeelden, om nauwkeurige teeltadviezen te bieden voor precisielandbouw.