Haalbaarheidsstudie naar de ontwikkeling van een AI model voor de plantvoedingswetenschap
Ontwikkel een deep learning model dat boeren en adviseurs advies geeft over de nutriëntenbehoefte van planten, ter vervanging van kunstmest voor een duurzamere landbouw.
Projectdetails
Inleiding
Een deep learning model te ontwikkelen die op basis van de plantsap data en bestaande literatuur en onderzoek, aan boeren en landbouwadviseurs concreet advies geeft over de nutriëntenbehoefte van een plant.
Probleemstelling
Dit is zeer gespecialiseerde kennis en daarom voor veel boeren en adviseurs onbekend terrein. Immers, in de geïndustrialiseerde landbouw is er altijd vertrouwd op kunstmest.
Gevolgen van Kunstmest
Echter, kunstmest schaadt het bodemleven. Daarom moeten boeren en adviseurs nu leren met welke optimale organische voeding zij heel gericht hun oogst kunnen verbeteren en de weerbaarheid van hun gewas kunnen versterken.
Doelstelling
Het doel is dat zij een natuurlijke weerstand opbouwen tegen plagen en ziektes.
Financiële details & Tijdlijn
Financiële details
Subsidiebedrag | € 20.000 |
Tijdlijn
Startdatum | Onbekend |
Einddatum | Onbekend |
Subsidiejaar | 2023 |
Partners & Locaties
Projectpartners
- JD social enterprise B.V.penvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
Monitoringsysteem obv big data technieken gericht op gezonde voedingsschema's voor de tuinbouwHet project ontwikkelt een monitoringsysteem voor optimale voedingsschema's in de tuinbouw, gericht op plantgezondheid en efficiëntie. | Mkb-innovati... | € 20.000 | 2021 | Details |
NUTRIËNTENSENSORHet project onderzoekt de haalbaarheid van betrouwbare metingen van stikstof, fosfor en kalium in bodemvocht met sensoren om de verduurzaming van de landbouw te bevorderen. | Mkb-innovati... | € 20.000 | 2021 | Details |
Haalbaarheidsproject voorspelbaar maken van vervuiling en hygiëne in voedingsmiddelenprocessenHet project ontwikkelt een softwareoplossing, "Clean Smart", die met behulp van Deep Learning en Machine Learning productieprocessen optimaliseert voor gezondere voeding en duurzaamheid door vervuiling en hygiëne te voorspellen. | Mkb-innovati... | € 20.000 | 2020 | Details |
‘Ontwikkeling analysetool duurzame kringloopakkerbouw zonder opbrengstverlies’Het project onderzoekt de haalbaarheid van een analysetool die de interactie tussen duurzame landbouwmaatregelen optimaliseert voor betere bodemgezondheid en biodiversiteit zonder opbrengstverlies. | Mkb-innovati... | € 20.000 | 2020 | Details |
AI algoritme voor wereldwijde toepassing rekenmodel tomaatHet project richt zich op het kalibreren van mechanistische tomaat oogstvoorspellingsmodellen met data om de nauwkeurigheid te verhogen en internationale toepasbaarheid te waarborgen. | Mkb-innovati... | € 20.000 | 2020 | Details |
Monitoringsysteem obv big data technieken gericht op gezonde voedingsschema's voor de tuinbouw
Het project ontwikkelt een monitoringsysteem voor optimale voedingsschema's in de tuinbouw, gericht op plantgezondheid en efficiëntie.
NUTRIËNTENSENSOR
Het project onderzoekt de haalbaarheid van betrouwbare metingen van stikstof, fosfor en kalium in bodemvocht met sensoren om de verduurzaming van de landbouw te bevorderen.
Haalbaarheidsproject voorspelbaar maken van vervuiling en hygiëne in voedingsmiddelenprocessen
Het project ontwikkelt een softwareoplossing, "Clean Smart", die met behulp van Deep Learning en Machine Learning productieprocessen optimaliseert voor gezondere voeding en duurzaamheid door vervuiling en hygiëne te voorspellen.
‘Ontwikkeling analysetool duurzame kringloopakkerbouw zonder opbrengstverlies’
Het project onderzoekt de haalbaarheid van een analysetool die de interactie tussen duurzame landbouwmaatregelen optimaliseert voor betere bodemgezondheid en biodiversiteit zonder opbrengstverlies.
AI algoritme voor wereldwijde toepassing rekenmodel tomaat
Het project richt zich op het kalibreren van mechanistische tomaat oogstvoorspellingsmodellen met data om de nauwkeurigheid te verhogen en internationale toepasbaarheid te waarborgen.
Vergelijkbare projecten uit andere regelingen
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
SoilBeat: naar datagedreven toekomstbestendige & regeneratieve landbouwSoilBeat optimaliseert datagedreven inzichten voor boeren, gericht op winstgevende regeneratieve landbouw en bodemgezondheid. | 2.6 - Circul... | € 344.502 | 2023 | Details |
Real-time nutrient sensing for mapping fertilizer needsLiveSen-MAP aims to develop a high-resolution crop nutrient dataset with farmers to create predictive models for sustainable fertilization recommendations, enhancing agricultural efficiency and business viability. | EIC Transition | € 2.499.955 | 2023 | Details |
Precisielandbouw met AI-gedreven Planningen en Acties [PAPA]Het project ontwikkelt en valideert AI-modellen voor precisielandbouw om onkruidbestrijding te optimaliseren, gewasopbrengst te verhogen en de efficiëntie van robotsystemen te verbeteren. | Mkb-innovati... | € 306.760 | 2023 | Details |
Creating water-smart landscapesThe project aims to develop a machine learning framework to identify optimal land management scenarios for nature-based solutions that reduce agricultural nutrient runoff in priority areas. | ERC Consolid... | € 1.909.500 | 2024 | Details |
Neva-XDit project ontwikkelt de Neva-X, een autonome agri-tech robot voor precisie spuiten en gewasmonitoring, om de duurzaamheidsdoelstellingen van de Europese Farm-to-Fork strategie te ondersteunen. | Mkb-innovati... | € 200.000 | 2021 | Details |
SoilBeat: naar datagedreven toekomstbestendige & regeneratieve landbouw
SoilBeat optimaliseert datagedreven inzichten voor boeren, gericht op winstgevende regeneratieve landbouw en bodemgezondheid.
Real-time nutrient sensing for mapping fertilizer needs
LiveSen-MAP aims to develop a high-resolution crop nutrient dataset with farmers to create predictive models for sustainable fertilization recommendations, enhancing agricultural efficiency and business viability.
Precisielandbouw met AI-gedreven Planningen en Acties [PAPA]
Het project ontwikkelt en valideert AI-modellen voor precisielandbouw om onkruidbestrijding te optimaliseren, gewasopbrengst te verhogen en de efficiëntie van robotsystemen te verbeteren.
Creating water-smart landscapes
The project aims to develop a machine learning framework to identify optimal land management scenarios for nature-based solutions that reduce agricultural nutrient runoff in priority areas.
Neva-X
Dit project ontwikkelt de Neva-X, een autonome agri-tech robot voor precisie spuiten en gewasmonitoring, om de duurzaamheidsdoelstellingen van de Europese Farm-to-Fork strategie te ondersteunen.