SubsidieMeestersEcotop 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.
Projectdetails
Inleiding
Er wordt een nieuw AI-software in combinatie met een fysieke rijpcel ontwikkeld waarmee automatisch de atmosfeer en eigenschappen van fruit objectief gemeten en gecontroleerd kunnen worden om energie en voedselverspilling tegen te gaan.
Projectpartners
Met dit project gaan de volgende partners samenwerken:
- Koeltechnische bureau De Laat
- Experience Fruit Quality
Doelstellingen
Met behulp van Artificial Intelligence en innovatieve meetapparatuur in een gecontroleerde rijpcel, heeft het project de volgende doelstellingen:
- De kwaliteit en rijpheid van tropische vruchten in kaart brengen.
- Aantonen hoe deze planmatig en geautomatiseerd kan worden beïnvloed.
- Dynamische parameters ontwikkelen die snel inspelen op de behoefte van het fruit tijdens het rijpingsproces.
Resultaten
Het uiteindelijke doel is om:
- De tropische vruchten in een rijpcel homogeen te krijgen.
- De rijpheid en kwaliteit met geautomatiseerde interventies flexibel te kunnen beïnvloeden en te voorspellen.
- Minimale verspilling van fruit bij kwaliteitscontroles te realiseren.
- Een significante energiebesparing te behalen.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 286.773 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2023 |
Partners & Locaties
Projectpartners
- Koeltechnisch Buro De Laat B.V.penvoerder
- EXPERIENCE DATA B.V.
Land(en)
Vergelijkbare projecten binnen MIT R&D Samenwerking
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
KeraModHet KeraMod-consortium ontwikkelt een disruptief alternatief voor 2DGC-technologie om complexe monsters efficiënter, goedkoper en duurzamer te analyseren, ten voordele van milieu en industrie. | MIT R&D Samenwerking | € 167.375 | 2023 | Details |
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 |
Biobased AutoplatformDonkervoort ontwikkelt een duurzaam autoplatform van biobased materialen in samenwerking met Scabro Groep, met als doel de carbon footprint met 75% te verlagen en een gevalideerd prototype te creëren. | MIT R&D Samenwerking | € 118.472 | 2023 | Details |
Insourcing & automatisering productieproces souvenirtulpenKlompenfabriek Nijhuis en EMA-Projects ontwikkelen een geautomatiseerd productieproces voor souvenirtulpen in Nederland om kwaliteit, duurzaamheid en marktaandeel te verbeteren. | MIT R&D Samenwerking | € 340.900 | 2023 | Details |
KeraMod
Het KeraMod-consortium ontwikkelt een disruptief alternatief voor 2DGC-technologie om complexe monsters efficiënter, goedkoper en duurzamer te analyseren, ten voordele van milieu en industrie.
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.
Biobased Autoplatform
Donkervoort ontwikkelt een duurzaam autoplatform van biobased materialen in samenwerking met Scabro Groep, met als doel de carbon footprint met 75% te verlagen en een gevalideerd prototype te creëren.
Insourcing & automatisering productieproces souvenirtulpen
Klompenfabriek Nijhuis en EMA-Projects ontwikkelen een geautomatiseerd productieproces voor souvenirtulpen in Nederland om kwaliteit, duurzaamheid en marktaandeel te verbeteren.
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 |
AI-driven Software for Quality Control (AIQC)HDG Survey Group onderzoekt de haalbaarheid van een AI-oplossing voor het automatiseren van quality control inspecties van fruit en groente om efficiëntie te verhogen en menselijke fouten te verminderen. | MIT Haalbaarheid | € 20.000 | 2023 | Details |
Fruitteelt Monitoring - Lekker Fruit KijkenHet project onderzoekt de haalbaarheid van een AI-gestuurde GPS-camera om fruittelers te helpen bij het monitoren van boomgaarden, wat kosten en milieu-impact vermindert. | MIT Haalbaarheid | € 20.000 | 2021 | 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. | MIT Haalbaarheid | € 20.000 | 2021 | 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.
AI-driven Software for Quality Control (AIQC)
HDG Survey Group onderzoekt de haalbaarheid van een AI-oplossing voor het automatiseren van quality control inspecties van fruit en groente om efficiëntie te verhogen en menselijke fouten te verminderen.
Fruitteelt Monitoring - Lekker Fruit Kijken
Het project onderzoekt de haalbaarheid van een AI-gestuurde GPS-camera om fruittelers te helpen bij het monitoren van boomgaarden, wat kosten en milieu-impact vermindert.
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.