SubsidieMeesters3D Foodmodellen met Generatieve AI
Dit project ontwikkelt generatieve AI-technologie voor het creëren van hoogwaardige 3D-modellen van voedsel, om innovaties in de agro- en foodsector te versnellen en de voedseltransitie te ondersteunen.
Projectdetails
Inleiding
Generatieve Kunstmatige Intelligentie (Generative AI) maakt het mogelijk om, op basis van bestaande data, nieuwe data te genereren, zoals tekst (ChatGPT), foto (o.a. Vertex, Shutterstock) en video (o.a. Synthesia).
Doel van het Project
Wij onderzoeken hoe we deze technologie kunnen doorontwikkelen richting 3D voor het genereren van 3D food-modellen. Een 3D-model is een complete geometrische weergave van een reëel object in drie dimensies, draaibaar in alle richtingen.
Ontwikkeling van Software en Modellen
Dat betekent enerzijds het ontwikkelen van generatieve AI-software om 3D-modellen (vormen en skins) te analyseren en te bewerken op basis van externe commando’s en anderzijds het creëren van veel eigen high-quality 3D-modellen om het systeem te trainen.
Innovaties in Scantechnologie
Daartoe ontwikkelen we eigen AI-bewerkingstechnieken en een nieuwe scantechnologie om zeer hoge 3D-kwaliteit scans te kunnen maken. De kwaliteit van AI-output is afhankelijk van de kwaliteit van de input, die nu nog te laag is, met name van kleine objecten (scherptediepte) en gladde oppervlakken (reflecties).
Efficiëntie van het Scannen
Tevens moeten we de bewerkingstijd verkorten om meer en (nog) hoogwaardigere input te maken. Het scannen van een foodproduct is in de praktijk namelijk erg arbeidsintensief en weinig flexibel. Zeker in food, waarbij glans, doorlichting, kleurscharkering en diepte in sterke mate bepalend zijn voor het realiteitsgehalte.
Vereisten voor Fotografie
En daarbij gaat het om grote aantallen: van elk product moeten op minimaal 400 posities 50-100 foto’s gemaakt worden rondom, in zeer hoge resolutie.
Bijdrage aan de Topsector
Met dit project dragen we bij aan de topsector Agro en Food, door foodinnovaties te versnellen en nieuwe foodinnovaties te faciliteren.
Kennisontwikkeling en Maatschappelijk Verdienvermogen
Verder geven we invulling aan de KIA Sleuteltechnologie waar het gaat om het ontwikkelen van kennis op het gebied van kunstmatige intelligentie en optica. We bieden maatschappelijk verdienvermogen door bij te dragen aan de voedsel- en eiwittransitie door de ontwikkeling van foodproducten op basis van alternatieve eiwitbronnen te faciliteren.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 183.810 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2023 |
Partners & Locaties
Projectpartners
- Metachef B.V.penvoerder
- Dynteq B.V.
Land(en)
Vergelijkbare projecten binnen MIT R&D Samenwerking
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
K.N.I.T.T.: Knitwear Next-level Interactive Textile TechnologyHet project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten. | MIT R&D Samenwerking | € 151.428 | 2023 | Details |
Full electric rim drive aandrijving voor commerciële vaartHet project ontwikkelt een prototype van een 50 kW elektrische rim drive motor voor commerciële vaartuigen, ter vervanging van dieselmotoren, met focus op duurzaamheid en innovatieve functionaliteiten. | MIT R&D Samenwerking | € 177.700 | 2023 | Details |
Ecotop AI Ripening systeemHet project ontwikkelt AI-software en een rijpcel om de rijpheid en kwaliteit van tropisch fruit automatisch te meten en te optimaliseren, wat leidt tot minder verspilling en energiebesparing. | MIT R&D Samenwerking | € 286.773 | 2023 | Details |
EEGX2Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen. | MIT R&D Samenwerking | € 120.943 | 2023 | Details |
K.N.I.T.T.: Knitwear Next-level Interactive Textile Technology
Het project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten.
Full electric rim drive aandrijving voor commerciële vaart
Het project ontwikkelt een prototype van een 50 kW elektrische rim drive motor voor commerciële vaartuigen, ter vervanging van dieselmotoren, met focus op duurzaamheid en innovatieve functionaliteiten.
Ecotop AI Ripening systeem
Het project ontwikkelt AI-software en een rijpcel om de rijpheid en kwaliteit van tropisch fruit automatisch te meten en te optimaliseren, wat leidt tot minder verspilling en energiebesparing.
EEGX2
Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
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. | MIT Haalbaarheid | € 20.000 | 2023 | Details |
3D scanrobot voor complexe productenDit project onderzoekt hoe AI en machine learning de 3D grafische bewerking van food kunnen versnellen en verbeteren voor conceptontwikkeling, training en marketing. | MIT Haalbaarheid | € 20.000 | 2023 | Details |
VISUAL FUTUREDit project digitaliseert het creatieve proces van voedselinnovatie om de doorlooptijd te verkorten, verspilling te verminderen en de succesrate van nieuwe producten te verhogen. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
HYBRIDE VOEDSELPRODUCTIEMACHINE MET KUNSTMATIGE INTELLIGENTIEHet project richt zich op het ontwikkelen van een hybride machine voor efficiënte productie van vegetarische hamburgers en gehaktballen, met AI voor kwaliteitsverbetering en minder voedselverspilling. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
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.
3D scanrobot voor complexe producten
Dit project onderzoekt hoe AI en machine learning de 3D grafische bewerking van food kunnen versnellen en verbeteren voor conceptontwikkeling, training en marketing.
VISUAL FUTURE
Dit project digitaliseert het creatieve proces van voedselinnovatie om de doorlooptijd te verkorten, verspilling te verminderen en de succesrate van nieuwe producten te verhogen.
HYBRIDE VOEDSELPRODUCTIEMACHINE MET KUNSTMATIGE INTELLIGENTIE
Het project richt zich op het ontwikkelen van een hybride machine voor efficiënte productie van vegetarische hamburgers en gehaktballen, met AI voor kwaliteitsverbetering en minder voedselverspilling.