SubsidieMeestersVoorspellen en terugdringen bijensterfte door middel van AI
Het project richt zich op het verminderen van bijensterfte door sensoren en machine learning te gebruiken voor het verzamelen en analyseren van data, om voorspellingen over bijenvolksterfte te verbeteren.
Projectdetails
Inleiding
Bijensterfte is wereldwijd een groot probleem. Circa 80 procent van alle gewassen en 90 procent van alle fruitbomen zijn erop aangewezen dat bijen ze bestuiven. De bijensterfte ligt in Nederland op circa 14%, terwijl aangenomen wordt dat circa 10% normaal is. Blijft de bijensterfte toenemen, dan kan dit uiteindelijk zelfs grote gevolgen hebben voor het voortbestaan van de mens.
Oorzaken van bijensterfte
Aangenomen wordt dat de bijensterfte veroorzaakt wordt door een combinatie van factoren, waaronder:
- Infectie met de Varroa-mijt
- Virusbesmetting
- Het gebruik van neonicotinoïden (een groep van insecticiden die gebaseerd is op nicotine)
- Voedselgebrek
- Een eenzijdig dieet
- Klimaatverandering
Een consensus over de belangrijkste oorzaak is er nog niet. Laat staan dat uitgebreid is onderzocht of te voorspellen is of een bepaald bijenvolk vroegtijdig zal sterven.
Innovatieve oplossingen
Gebruikmakend van sensoren zouden parameters als temperatuur, luchtvochtigheid, geluidsniveau, gewicht en CO2-niveau in een bijenkast kunnen worden gemeten. Door dit in veel bijenkasten te doen en al die gegevens onder te brengen in een centraal open platform, ontstaat een schat aan waardevolle informatie die verder kan worden geanalyseerd.
Toepassing van machine learning
Met behulp van machine learning zou een terugkerend patroon van een combinatie van verschillende factoren ontdekt kunnen worden die een voorspellende waarde heeft voor het wel of niet optreden van sterfte van het bijenvolk. Hoe meer data in dit platform wordt ondergebracht, hoe nauwkeuriger de voorspellingen kunnen worden. Ook kunnen aanvullende gegevens van buiten de bijenkast erbij worden betrokken, zoals...
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 19.920 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2020 |
Partners & Locaties
Projectpartners
- Aanvrager geen rechtspersoonpenvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
BeehiveBeehive ontwikkelt een platform voor het efficiënt monitoren en oplossen van model drift in computer vision applicaties. | Mkb-innovati... | € 20.000 | 2021 | Details |
BeehiveHet Beehive platform ontwikkelt een oplossing voor het efficiënt monitoren en onderhouden van computer vision modellen om model drift tijdig te detecteren en op te lossen. | Mkb-innovati... | € 20.000 | 2021 | Details |
AI waste reducer Vermindering verspilling in sierteelt door big data en AIDit project ontwikkelt een AI-gestuurd forecastmodel en webapplicatie om de vraag naar versproducten te voorspellen, waardoor verspilling vermindert en kostenbesparingen voor retailers worden gerealiseerd. | Mkb-innovati... | € 20.000 | 2020 | Details |
Predictive Maintenance by AI & DronesHet project onderzoekt de haalbaarheid van het gebruik van drones en AI voor efficiënte inspectie en onderhoud van gebouwen, met als doel de verduurzaming en kostenbesparing in de woningbouwsector. | Mkb-innovati... | € 20.000 | 2022 | Details |
Real-time monitoring van insecten in open teeltenHet project ontwikkelt een real-time monitoringsysteem voor automatische herkenning van schadelijke en nuttige insecten, met als doel een economisch haalbare businesscase te creëren. | Mkb-innovati... | € 17.664 | 2023 | Details |
Beehive
Beehive ontwikkelt een platform voor het efficiënt monitoren en oplossen van model drift in computer vision applicaties.
Beehive
Het Beehive platform ontwikkelt een oplossing voor het efficiënt monitoren en onderhouden van computer vision modellen om model drift tijdig te detecteren en op te lossen.
AI waste reducer Vermindering verspilling in sierteelt door big data en AI
Dit project ontwikkelt een AI-gestuurd forecastmodel en webapplicatie om de vraag naar versproducten te voorspellen, waardoor verspilling vermindert en kostenbesparingen voor retailers worden gerealiseerd.
Predictive Maintenance by AI & Drones
Het project onderzoekt de haalbaarheid van het gebruik van drones en AI voor efficiënte inspectie en onderhoud van gebouwen, met als doel de verduurzaming en kostenbesparing in de woningbouwsector.
Real-time monitoring van insecten in open teelten
Het project ontwikkelt een real-time monitoringsysteem voor automatische herkenning van schadelijke en nuttige insecten, met als doel een economisch haalbare businesscase te creëren.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Sensorbees are ENhanced Self-ORganizing Bio-hybrids for Ecological and Environmental SurveillanceSENSORBEES utilizes honeybee colonies as a sensor network to monitor pollination services and plant diversity, enhancing ecological health through robotic inspection and data analysis. | EIC Pathfinder | € 2.359.068 | 2024 | Details |
If you are not healthy you are out: how honey bees develop resilience towards invasive species events with an immune system at the colony levelThe BEE HEALTHY project aims to uncover the mechanisms of collective behavioral defenses in honey bee colonies against the Varroa destructor mite to enhance colony resilience and sustainable agriculture. | ERC Starting... | € 1.499.993 | 2024 | Details |
BeeOmetrics: an AI-powered predictive platform based on wild bee activity for targeted environmental management.BeeOmetrics aims to enhance environmental monitoring and remediation in the EU by using AI and wild bees as bioindicators to inform policymakers and reduce pollution while promoting biodiversity. | EIC Transition | € 2.485.833 | 2024 | Details |
From Bees as a Service (BaaS) to Software as a Service (SaaS) to enhance biodiversity and reduce pollutionBeeOimpact leverages bee-collected pollen data and AI to assess biodiversity and pollution levels, offering targeted solutions to enhance environmental quality. | EIC Accelerator | € 1.746.209 | 2023 | Details |
GroundBot & SkyscoutHet project ontwikkelt een autonoom inspectie- en bewerkingssysteem voor de landbouw door drones en robots te combineren met AI, gericht op efficiëntie en duurzaamheid. | Mkb-innovati... | € 280.700 | 2019 | Details |
Sensorbees are ENhanced Self-ORganizing Bio-hybrids for Ecological and Environmental Surveillance
SENSORBEES utilizes honeybee colonies as a sensor network to monitor pollination services and plant diversity, enhancing ecological health through robotic inspection and data analysis.
If you are not healthy you are out: how honey bees develop resilience towards invasive species events with an immune system at the colony level
The BEE HEALTHY project aims to uncover the mechanisms of collective behavioral defenses in honey bee colonies against the Varroa destructor mite to enhance colony resilience and sustainable agriculture.
BeeOmetrics: an AI-powered predictive platform based on wild bee activity for targeted environmental management.
BeeOmetrics aims to enhance environmental monitoring and remediation in the EU by using AI and wild bees as bioindicators to inform policymakers and reduce pollution while promoting biodiversity.
From Bees as a Service (BaaS) to Software as a Service (SaaS) to enhance biodiversity and reduce pollution
BeeOimpact leverages bee-collected pollen data and AI to assess biodiversity and pollution levels, offering targeted solutions to enhance environmental quality.
GroundBot & Skyscout
Het project ontwikkelt een autonoom inspectie- en bewerkingssysteem voor de landbouw door drones en robots te combineren met AI, gericht op efficiëntie en duurzaamheid.