Project

Precisielandbouw & Smart Farming

De snelle technologische vooruitgang biedt kansen voor precisielandbouw. Maar de ontwikkelingen gaan ook gepaard met een (groeiend) gebrek aan integratie tussen disciplines. En juist die integratie is nodig om de kansen te benutten en integraal in te passen in de bedrijfsvoering. Hoe kunnen we precisielandbouwmogelijkheden zo slim en duurzaam mogelijk kunnen integreren in de bedrijfsvoering van akkerbouw- en veehouderijbedrijven? Dit is het thema van het project preciSIAlandbouw.

Om duurzaam te kunnen produceren, zijn de juiste maatregelen nodig op de juiste plaats, het juiste moment en in de juiste mate. Het project richt zich op ontwikkeling van kennis die nodig is om precisielandbouwtechnologie te integreren in bedrijfsvoering (intelligentie). Extractie van kennis uit de geo-informatie die wordt vastgelegd binnen bedrijven die werken met precisielandbouwtechnologie.

Het project preciSIAlandbouw is een consortium bestaat uit vijf hbo’s, één universiteit, drie mbo’s, één brancheorganisatie en negen agrarische en toeleverende bedrijven.

Gezamenlijk richt het consortium zich op praktijkgericht onderzoek binnen vijf precisielandbouw thema’s:

  1. Sensortechnologie: Welke informatie kan ingezet worden voor meerdere toepassingen op bedrijfsniveau? Het gaat hier om gebruik taakkaarten waarmee gewasverzorging in ruimte en tijd geoptimaliseerd wordt. Dit is een verdere ontwikkeling van PL2.0. Een recent onderzoek toonde aan dat 10-20% van de akkerbouwers in NL open staan voor PL2.0, maar nog wel veel vragen hebben over de onderbouwing van de PL-teeltadviezen.
  2. Kennis en advies:
    Er is een verbinding met het onderwijs door middel van de minor Smart Farming Technology. Elk jaar zijn er meerdere studenten betrokken via PVB’s, afstudeerprojecten en stages.
  3. Robotisering:
    Hoe draagt robotisering bij aan het oplossen van bedrijfseconomische en maatschappelijke knelpunten voor bodemverdichting en arbeidsbeschikbaarheid? Het doel is een bijdrage te leveren aan robotisering in dienst van kringlooplandbouw. We willen praktijkgericht onderzoek doen aan onkruidrobots. We beschrijven de toegepaste systemen voor autonome navigatie, onkruidherkenning en precisiebestrijding. Als overkoepelende onderzoeksmethode gebruiken we ontwerpgericht onderzoek, waarbij kennis wordt opgedaan door systematisch een oplossing te ontwikkelen.
  4. Digitalisering:
    Welke toepassing worden mogelijk als een operabele data-infrastructuur voor data-gedreven landbouw en Agri-Food ketens beschikbaar komt? We sluiten hier aan bij de topsector PPS PL4.0. Het doel is inzichtelijk maken hoe de agrarische bedrijven omgaan met dataopslag en -gebruik. Vervolgens kijken hoe we een deel van de knelpunten kunnen wegnemen. We gaan met specifieke toepassingen aan de slag om nieuwe kennis te genereren via data mining en artificial intelligence-methoden zoals deep learning.
  5. Verdienmodellen:
    Het doel is inzicht verkrijgen hoe de acties, kosten, opbrengsten arbeid van deelnemende agrarische bedrijven invloed hebben op het verdienmodel.

Het consortium heeft nauwe banden met Topsector-projecten en FieldLabs (o.a. NPPL) op het gebied van precisielandbouw, hierdoor is een breed netwerk aangehaakt.

We verwachten met preciSIAlandbouw precisielandbouwtoepassingen en verdienmodellen te ontwikkelen en te valideren waarmee toeleverende bedrijven betere producten kunnen leveren en agrarische bedrijven betere bedrijfseconomische en maatschappelijke resultaten kunnen behalen, waaronder emissiereductie, efficiëntere inzet van hulpmiddelen, meer biodiversiteit en beter voor het klimaat Tevens verwachten we een rekenmodel te ontwikkelen waarmee telers zelf inzicht krijgen hoe hun verdienmodel er uit kan zien. De betrokken onderwijsinstellingen krijgen nieuwe kennis, expertise en lesmateriaal.