{ "type": "mediaitem", "identifier": "mediaitem_655258", "subtype": "wmammodularcontent_gkn_project", "title": "PreciSIAlandbouw: robotisering in dienst van kringlooplandbouw", "navtitle": "", "url": "/nl/coegroen/project/werkpakket-3-robotisering.htm", "language": "nl_NL", "metadata" : { "id": 655258, "identifier": "mediaitem_655258", "contenttype": "wmammodularcontent_gkn_project", "contenttype_title": "contenttype_wmammodularcontent_gkn_project", "url": "/nl/coegroen/project/werkpakket-3-robotisering.htm", "title": "PreciSIAlandbouw: robotisering in dienst van kringlooplandbouw", "lead": "In werkpakket 3 richten we ons op robotisering in dienst van kringlooplandbouw. In het werkpakket werkt het lectoraat Mechatronica van Saxion samen met Tech in Motion/Mechatronica en Agrotronics van Aventus. In de eerste fase van het project hebben we verkend wat de state-of-the-art is op het gebied van autonome navigatie, onkruidherkenning en precisiebestrijding en waar de uitdagingen liggen.", "leadimage": { "source": "https://api.groenkennisnet.nl/upload_mm/c/9/9/cid655258_1655115484189_onkruiddetectie.jpg", "width": 518, "height": 518, "focuspoint-x": -1, "focuspoint-y": -1, "alternative_text": "" }, "publication_date": "2022-06-13T12:14+02:00", "lastmodified_date": "2022-06-24T15:57+02:00", "expiration_date": "", "tags": [ "Dutch", "Project", "coe_groen_lopend", "gkn_coe", "gkn_coe_groen" ], "copyright": "", "external_id": "", "item_metadata": { "contentsubtype": "Project", "theme": [ "gkn_coe", "gkn_coe_groen", "coe_groen_lopend" ], "keywords": [], "gkn_organization": { "title": "CoE Groen", "url": "/nl/groenkennisnet/nieuwsitem/coe-groen-1.htm" }, "contactperson": { "title": "Redactie CoE Groen", "url": "/nl/groenkennisnet/persoon/redactie-coe-groen-1.htm" }, "project_code": "", "status_abstract": {"id": ""}, "duration_abstract": { "startdate": "01-06-2021", "startdatetime": "2021-06-01T00:00+02:00", "enddate": "31-05-2023", "enddatetime": "2023-05-31T00:00+02:00" }, "region_abstract": "", "theme_abstract": "", "project_program_abstract": "", "jumplinktext": "" } }, "contents": [ { "area": "main", "title": "Main", "elements": [ { "type": "text", "html": "

Op basis van deze verkenning hebben we in samenspraak met de stuurgroep besloten om ons te richten op onkruidherkenning. We hebben hiermee een heldere focus in dit project en hebben we een goede aansluiting met andere projecten die al lopen of in ontwikkeling zijn. In het RAAK-mkb project “Onkruidbeheersing met Robots: Onkruidvrij in de Rij” wordt momenteel onderzoek gedaan naar precisiebestrijding. Er wordt daar een mechanische tool ontwikkeld om onkruid te verwijderen. Het rijden over de akker kwam ook als uitdaging naar voren. Om de focus binnen dit werkpakket beheersbaar te houden, hebben we daar een nieuw onderzoeksvoorstel “Autonomous Agricultural Navigation (AAN)” voor ingediend voor subsidie.<\/p>

Binnen werkpakket 3 richten we ons op detectie en plaatsbepaling van onkruid. De onderzoeksvraag die we hebben opgesteld is: Hoe kunnen we het beste (klein) onkruid detecteren en lokaliseren? We zoeken hiervoor bij voorkeur naar commerciële oplossingen op het gebied van onkruiddetectie, omdat dit het dichts bij de praktijk staat. In dat geval komt de nadruk te liggen op validatie en testen van het product in de praktijk. Als blijkt dat er nog geen commerciële oplossing is dan komt de nadruk te liggen op de ontwikkeling van een prototype en wordt het werkpakket meer experimenteel ingestoken. In ieder geval moet er aan het eind van het project een systeem zijn dat onkruid kan detecteren.<\/p>

Externe Interfacing<\/h2>

We hebben gekozen voor een modulaire benadering, waarbij deelsystemen van verschillende partijen kunnen worden gecombineerd voor een bepaalde toepassing. Op deze manier kunnen we de problemen van rijden, verwijderen en onkruiddetectie gescheiden houden en toch samen laten werken. Goede externe interfacing is daarmee een essentieel onderdeel geworden.<\/p>" } , { "type": "image", "identifier": "element_24822920", "id": 24822920, "alignment": "CLEAR", "alternative_text": "", "sub_text": "", "image": { "source": "https://api.groenkennisnet.nl/upload/b2aa2d94-6ce6-4cf3-8fb9-9a4821eaa130_monitoring.png", "width": 2049, "height": 915, "focuspoint-x": -1, "focuspoint-y": -1, "alternative_text": "" }, "link": {} } , { "type": "text", "html": "

<\/p>

Het gaat dan om interfacing binnen een machine, bijvoorbeeld via ISOBUS/ISOXML, maar ook met externe systemen, zoals farmmanagement software en systemen zoals Akkerweb / Farmmaps. We hebben hiervoor sessies gehad met Agrirouter en Agroconnect. De conclusie daar was dat als we een commerciele oplossing kunnen vinden we echt naar de industriele standaarden en integratiemogelijkheden met externe systemen gaan kijken. Als we een prototype gaan ontwikkelen, dan wordt hier in eerste instantie minder nadruk op gelegd, omdat technieken als ISOBUS de ontwikkeling een lastiger kunnen maken.<\/p>

Detectie en lokalisatie<\/h2>

We zijn dus op zoek naar een component waarmee we nauwkeurig de locatie van gewassen kunnen bepalen. In principe kijken we heel breed. Het kunnen oplossingen zijn op basis van vision, multispectraal, near infrared, laser, NDVI, enz. Tot op heden hebben we nog geen commercieel verkrijgbare component gevonden die zelfstandig onkruid kan detecteren. We hebben contact gehad met distributeurs zoals Abemec en Kverneland, maar ook met bedrijven als BBleap en Homburg Holland. We gaan dit proces in samenwerking met Tech in Motion verder uitdiepen. Als iemand een systeem kent, dan horen wij het graag: w.j.bonestroo@saxion.nl<\/a><\/p>

Als blijkt dat dergelijke systemen nog niet commercieel beschikbaar zijn, dan richten we ons dus op de ontwikkeling van een prototype. Op Saxion heeft een groep studenten de eisen voor een dergelijk detectie systeem al uitgewerkt. Deze groep werkt momenteel aan het proof-of-principle om een specifiek onderdeel uit de eisen verder uit te werken. Daarnaast hebben verschillende bedrijven (PixelFarming, BBleap en Homburg Holland) camera’s en (embedded) computers die geschikt zijn voor plaatsing op voertuigen. Naast dat we in de breedte zoeken naar mogelijke oplossing richten we ons ook parallel op een aantal 3D camera’s om beelden te verzamelen. Dit zijn de Intel Realsense camera (1000 euro), ZED 2 camera (500 euro) en de AOK-D (200 euro). Het plan is om op korte termijn alvast beelden te gaan maken met die drie 3D camera’s en om deze beelden te gebruiken voor het trainen van een netwerk. Het doel is dan om gewassen en onkruid in een afbeelding te detecteren zoals in de afbeelding bovenaan deze pagina.<\/p>

Dit onderzoek is medegefinancierd door Regieorgaan SIA<\/a>, onderdeel van de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO).<\/p>

Betrokken partners<\/h2>" } , { "type": "image", "identifier": "element_24822924", "id": 24822924, "alignment": "", "alternative_text": "", "sub_text": "", "image": { "source": "https://api.groenkennisnet.nl/upload/c7db5bc5-be5a-45c7-b163-6c6379977b4f_image1551777027236115520.png", "width": 1077, "height": 447, "focuspoint-x": -1, "focuspoint-y": -1, "alternative_text": "" }, "link": {} } ] }, { "area": "sources", "title": "Bronnen", "elements": [ ] }, { "area": "related", "title": "Gerelateerd", "elements": [ ] }, { "area": "content3", "title": "Overig", "elements": [ ] } ] }