SubsidieMeestersSIGEN: Het slimme teeltsysteem voor zachtfruit telers
Het project ontwikkelt een slim teeltsysteem (SIGEN) dat deep learning gebruikt om ziekten en afwijkingen in zachtfruit sneller te detecteren, 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. 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 met bestaande teeltmethoden om de productie snel genoeg te verhogen, mede doordat er steeds minder vakmensen op de markt komen waardoor het personeel steeds meer werk moet verrichten in dezelfde beschikbare tijd.
Probleemstelling
Het is een groot probleem dat ziekten en plagen in veel gevallen te laat worden ontdekt 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.
Oplossing
Het ontbreekt echter aan oplossingen die in staat zijn om tot waardevolle objectieve inzichten te leiden én tegelijkertijd tijdbesparend zijn voor de teler. 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, tegen een lagere tijds- en dus kosteninspanningen voor de teler.
Projectdoel
Hiervoor willen we de SIGEN ontwikkelen, een slim teeltsysteem dat expertkennis combineert met deep learning technieken om patronen in de teelt te herkennen en aanbevelingen aan telers te doen omtrent optimale plantenbescherming en -groei.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 350.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| 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 |
|---|---|---|---|---|
BiostimulantHet project onderzoekt de haalbaarheid van het kweken van weerbare biologische frambozen, rode bessen en bramen met verminderde nitraat- en stikstofgift en het gebruik van biostimulanten. | 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 |
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 |
BiostimulantHet project onderzoekt de haalbaarheid van het kweken van weerbare biologische fruitplanten met verminderde nitraat- en stikstofgift. | MIT Haalbaarheid | € 20.000 | 2021 | Details |
Biostimulant
Het project onderzoekt de haalbaarheid van het kweken van weerbare biologische frambozen, rode bessen en bramen met verminderde nitraat- en stikstofgift en het gebruik van biostimulanten.
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.
Biostimulant
Het project onderzoekt de haalbaarheid van het kweken van weerbare biologische fruitplanten met verminderde nitraat- en stikstofgift.