SubsidieMeestersSIGEN: Het slimme teeltsysteem voor zachtfruit telers
SIGEN ontwikkelt een slim teeltsysteem dat ziekten en plagen bij zachtfruit sneller detecteert, waardoor telers efficiënter kunnen produceren.
Projectdetails
Inleiding
Nederlandse zachtfruit telers (van onder andere frambozen, rode bessen en bramen) hebben moeite om te voldoen aan de vraag vanuit de markt.
Probleemstelling
Hierbij zijn twee primaire problemen te onderscheiden:
- Ziekten en plagen op de planten zorgen ervoor dat gemiddeld 25% van de productie verloren gaat. Dit verschilt per jaar en is afhankelijk van met name weersomstandigheden.
- Er bestaat een snel stijgende vraag naar deze fruitsoorten, terwijl het Nederlandse telers niet lukt om met bestaande teeltmethoden de productie snel genoeg te verhogen. Dit komt mede doordat er steeds minder vakmensen op de markt komen, waardoor het personeel steeds meer werk moet verrichten in dezelfde beschikbare tijd.
Tijdverlies door inspectie
Het is een groot probleem dat ziekten en plagen in veel gevallen te laat worden ontdekt. Dit komt doordat de teler zelf de planten moet inspecteren om afwijkingen te detecteren.
Dit kost een teler bijzonder veel tijd die beter anders had kunnen worden besteed. Het ontbreekt echter aan oplossingen die in staat zijn om tot waardevolle objectieve inzichten te leiden én tegelijkertijd tijdbesparend zijn voor de teler.
Oplossing
Genson en Sigrow zijn ervan overtuigd dat het mogelijk is om een teeltsysteem te ontwikkelen dat het voor Nederlandse zachtfruit telers mogelijk maakt om ziekten en afwijkingen op de planten sneller inzichtelijk te krijgen.
Dit kan tegen een lagere tijds- en dus kosteninspanning voor de teler, waardoor een hogere productie aan planten kan worden gerealiseerd.
Ontwikkeling van SIGEN
Hiervoor willen we de SIGEN ontwikkelen, een slim teeltsysteem dat expertkennis combineert met deep learning technieken.
Dit systeem zal patronen in de teelt herkennen en aanbevelingen aan telers doen omtrent optimale plantenbescherming en -groei.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 350.000 |
| Totale projectbegroting | € 1.073.000 |
Tijdlijn
| Startdatum | 10-9-2021 |
| Einddatum | 31-8-2023 |
| Subsidiejaar | 2021 |
Partners & Locaties
Projectpartners
- Genson Quality Plants BVpenvoerder
- Sigrow BV
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 |
|---|---|---|---|---|
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 |
Detectie ziekten en plagen aardbeienteeltFragaria Innova ontwikkelt een hyperspectraal camerasysteem voor vroegtijdige detectie van ziekten en plagen in de aardbeienteelt om oogstverliezen te verminderen en de sector te versterken. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
’De vruchten plukken’ van autonoom telenDit project ontwikkelt een beslissingsondersteunend systeem voor autonoom telen in de glastuinbouw, gericht op optimale oogstopbrengst. | OPZuid - Onderzoek en Innovatie | € 880.773 | 2023 | Details |
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.
Detectie ziekten en plagen aardbeienteelt
Fragaria Innova ontwikkelt een hyperspectraal camerasysteem voor vroegtijdige detectie van ziekten en plagen in de aardbeienteelt om oogstverliezen te verminderen en de sector te versterken.
’De vruchten plukken’ van autonoom telen
Dit project ontwikkelt een beslissingsondersteunend systeem voor autonoom telen in de glastuinbouw, gericht op optimale oogstopbrengst.