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.

Subsidie
€ 20.000
2023

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

StartdatumOnbekend
EinddatumOnbekend
Subsidiejaar2023

Partners & Locaties

Projectpartners

  • JD social enterprise B.V.penvoerder

Land(en)

Netherlands

Vergelijkbare projecten binnen MIT Haalbaarheid

Mkb-innovati...

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.

€ 20.000
Mkb-innovati...

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.

€ 20.000
Mkb-innovati...

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.

€ 20.000
Mkb-innovati...

‘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.

€ 20.000
Mkb-innovati...

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.

€ 20.000

Vergelijkbare projecten uit andere regelingen

2.6 - Circul...

SoilBeat: naar datagedreven toekomstbestendige & regeneratieve landbouw

SoilBeat optimaliseert datagedreven inzichten voor boeren, gericht op winstgevende regeneratieve landbouw en bodemgezondheid.

€ 344.502
EIC Transition

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.

€ 2.499.955
Mkb-innovati...

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.

€ 306.760
ERC Consolid...

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.

€ 1.909.500
Mkb-innovati...

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.

€ 200.000