PlantPredict
| Dossier | AI.KIEM.01.007 |
|---|---|
| Status | Initieel |
| Subsidie | € 40.000 |
| Startdatum | 1 september 2026 |
| Einddatum | 31 augustus 2027 |
| Regeling | KIEM Arbeidsbesparende AI 2026 |
| Thema's |
|
In de landbouwsector groeit het arbeidstekort. Seizoeneffecten en vergrijzing vormen een extra uitdaging om tijdens intensieve periodes aan voldoende personeel te komen en kennis vast te houden. Met technologie die de benodigde kennis en fysieke input van de mens kan verminderen snijdt het mes aan twee kanten: bedrijfszekerheid én arbeidsbesparing.
Het planten van bloembollen is afhankelijk van de plantgoedeigenschappen. Dit betreft maatvoering, vochtgehalte, verhouding wortel en bol, en vervuiling (takjes/kluitjes/velletjes). Gespecialiseerd personeel stelt de machine continu bij op basis van deze parameters. Op huidige plantmachines zitten lasergebaseerde bollentellers om te bepalen hoeveel bollen per meter worden geplant, maar die zijn onnauwkeurig omdat ze de parameters niet kunnen meten.
In PlantPredict werken de projectpartners aan een AI-gebaseerde oplossing waarbij de plantgoedeigenschappen continu via beeldherkenning worden gemonitord. Hiermee kan de machine automatisch worden afgesteld en wordt tevens in een digitale plantkaart vastgelegd wat er lokaal wordt geplant. Dit biedt een nauwkeuriger voorspelling voor de nog te bestellen bollen tijdens het plantproces en geeft tegelijk de benodigde informatie voor opbrengstvoorspelling in een datagedreven teeltproces.
De in PlantPredict beoogde oplossing biedt arbeidsbesparing in meerdere stadia: Het begint met een eerste automatiseringsstap van de huidige plantmachine, direct van waarde voor bollentelers en daarmee ook voor partner Kok, die de plantmachines ontwikkelt. Het biedt ook toekomstperspectief richting datagedreven, verdergaand geautomatiseerde bollenteelt. Partner AGRI-IDS werkt aan deze next-step met de ontwikkeling van een geautomatiseerde werktuigendrager en gaat het resulterende digitale kaartmateriaal en de interface tussen autonome werktuigdrager en plantmachine toepassen in toekomstige oplossingen.
Het onderwijs zal worden verrijkt met het geleerde bij de ontwikkeling van de AI-gebaseerde workflow en de beroepspraktijk zal worden geïnformeerd over het potentieel van deze technologie.
Contactinformatie
HAN University of Applied Sciences
Consortiumpartners
bij aanvang project- AGRI-IDS
- Fa. Kok
Netwerkleden
bij aanvang project- Oriëntal Andijk B.V.