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.
Projectdetails
Inleiding
In dit project wordt innovatieve software ontwikkeld om te komen tot een optimale productieplanning (efficiënte en duurzame productie) voor de aardappelverwerkende industrie, op basis van satellietdata over de groeiontwikkeling van aardappelen. Aardappelverwerkers krijgen van honderden telers oogsten binnen, op verschillende momenten en van variërende kwaliteit. Inzicht vooraf in de hoeveelheid en kwaliteit van de aardappeloogsten is noodzakelijk voor goede bedrijfsvoering en productieplanning, zoals de beslissing om een binnenkomende partij te verwerken of op te slaan.
Huidige situatie
Momenteel kan informatie over de verwachte ontwikkeling van de aardappelen alleen worden vastgesteld met tussentijdse veldmetingen, waarin de aardappelen steekproefsgewijs worden onderzocht. Door een groeimodel te combineren met satellietdata kan dit sneller, beter en continu gedurende het groeiseizoen. Bovendien kan het volledige areaal in kaart worden gebracht in plaats van alleen de proefvelden. Hierdoor ontstaat een betrouwbaarder beeld. De kennis om satellietgegevens te integreren in dit proces naar voorspellingen over de ontwikkeling van aardappelen ontbreekt echter nog.
Ontwikkeling van het groeimodel
Binnen dit project worden op basis van satellietdata en meteorologische gegevens een groeimodel doorontwikkeld en geïntegreerd met informatie over opkomstmoment, stressfactoren en bladgroei. Dit is niet mogelijk met bestaande groeimodellen en maakt het nieuwe modellensysteem een unieke innovatie. Met name de bepaling en integratie van bodemvocht in de modellen is een belangrijke stap voorwaarts ten opzichte van bestaande modellen.
Voordelen van de software
Door aardobservatie en meteorologische data te integreren kan met een hoge mate van zekerheid de kwaliteit en kwantiteit van aardappelvelden worden bepaald. Deze informatie is near-real-time beschikbaar gedurende het groeiseizoen, waardoor op korte termijn beslissingen kunnen worden genomen over opslag, verwerking en handelsposities. De software draagt bijvoorbeeld bij aan oplossingen over:
- De meest gunstige verwerkingsvolgorde van oogsten
- De beste omstandigheden voor opslag, transport en verwerking
Samenwerking en validatie
De software wordt ontwikkeld door projectpartners Geo4A en Hermess, waarbij Geo4A verantwoordelijk is voor de optimalisatie van het groeimodel en Hermess voor de assimilatie van satelliet- en meteorologische data. Daarnaast wordt samengewerkt met een toonaangevend aardappelverwerkend bedrijf, wat de unieke mogelijkheid biedt om het modellensysteem uitgebreid te valideren aan de hand van veldmetingen.
Marktpotentieel
De aardappelverwerking is een zeer snelgroeiende industrie en er is Europees en wereldwijd een grote markt voor deze innovatie.
Financiële details & Tijdlijn
Financiële details
Subsidiebedrag | € 162.930 |
Tijdlijn
Startdatum | Onbekend |
Einddatum | Onbekend |
Subsidiejaar | 2019 |
Partners & Locaties
Projectpartners
- Geo4A B.V.penvoerder
- Hermess 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 |
---|---|---|---|---|
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. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
Aardappelrasherkenning met satelliettechnologieGeo4A ontwikkelt een innovatief rasherkenningsmodel met satellietbeelden om illegale handel in pootaardappelen te bestrijden en veredelingsbedrijven waardevolle teeltinformatie te bieden. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
Veilig Vlees Verwerken onder de Aquamar UV DekenGeo4A ontwikkelt een innovatief rasherkenningsmodel met satellietbeelden om aardappelrassen automatisch te classificeren, wat kostenefficiënte opsporing van illegaliteit mogelijk maakt. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
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.
Aardappelrasherkenning met satelliettechnologie
Geo4A ontwikkelt een innovatief rasherkenningsmodel met satellietbeelden om illegale handel in pootaardappelen te bestrijden en veredelingsbedrijven waardevolle teeltinformatie te bieden.
Veilig 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.