De bedrijfsvoering in de landbouw moet zich steeds innoveren om aan te sluiten bij eisen aan producten en effecten op milieu. Kennis en gegevens van bedrijfsvoering zal bij die innovatie gebruikt moeten worden. Op de korte termijn zal een verbeterde overdracht van bestaande generieke kennishierbij een belangrijke rol spelen, omdat veel telers nog niet alle kennis en ervaringen goed gebruiken voor verbetering van kwaliteit, opbrengst en rendement. Op de langere termijn zal ook beter gebruikgemaakt moeten worden van situatiespecifieke gegevens. Hierbij zal aangesloten moeten worden bij ontwikkelingen in de Informatie en Communicatie Technologie (ICT), zoals toegepast in zelflerendesystemen. Dergelijke systemen passen gegevens en kennisregels toe om teeltadvies te genereren. Op basis van de geregistreerde resultaten die met gerealiseerd teelt management bereikt worden, wordendaarna de gegevens en kennisregels aangepast, waarmee in het volgende seizoen een nieuw advies wordt gegenereerd.Dit rapport beschrijft een aantal activiteiten die zijn verricht in het kader van het AgroBiokon project met als oogmerk om:1. te inventariseren wat voor benaderingen er nu al zijn t.a.v. al dan niet geautomatiseerde systemen voor kennisoverdracht (hoofdstukken 4 en 5)2. te inventariseren wat voor teeltregistratie nodig is voor zelflerende systemen (hoofdstuk 6)3. te bekijken welke generieke gegevensbestanden er zijn om te gebruiken als basis voor zelflerendesystemen (hoofdstuk 7)4. een aantal methoden te vergelijken die de basis kunnen vormen voor zelflerende systemen(hoofdstuk 8)5. voorbeelden te geven van toepassing van die methoden in bestaande situaties (hoofdstukken 9en 13)6. inzichten van partners te inventariseren over de mogelijkheden van nieuwe systemen voorteeltinnovatie (hoofdstuk 10)7. een beschrijving te geven van een project om innovatie in de (zetmeel) aardappelproductie testimuleren (hoofdstuk
MULTIFILE
Routine immunization (RI) of children is the most effective and timely public health intervention for decreasing child mortality rates around the globe. Pakistan being a low-and-middle-income-country (LMIC) has one of the highest child mortality rates in the world occurring mainly due to vaccine-preventable diseases (VPDs). For improving RI coverage, a critical need is to establish potential RI defaulters at an early stage, so that appropriate interventions can be targeted towards such population who are identified to be at risk of missing on their scheduled vaccine uptakes. In this paper, a machine learning (ML) based predictive model has been proposed to predict defaulting and non-defaulting children on upcoming immunization visits and examine the effect of its underlying contributing factors. The predictive model uses data obtained from Paigham-e-Sehat study having immunization records of 3,113 children. The design of predictive model is based on obtaining optimal results across accuracy, specificity, and sensitivity, to ensure model outcomes remain practically relevant to the problem addressed. Further optimization of predictive model is obtained through selection of significant features and removing data bias. Nine machine learning algorithms were applied for prediction of defaulting children for the next immunization visit. The results showed that the random forest model achieves the optimal accuracy of 81.9% with 83.6% sensitivity and 80.3% specificity. The main determinants of vaccination coverage were found to be vaccine coverage at birth, parental education, and socio-economic conditions of the defaulting group. This information can assist relevant policy makers to take proactive and effective measures for developing evidence based targeted and timely interventions for defaulting children.
MULTIFILE
People counting is a challenging task with many applications. We propose a method with a fixed stereo camera that is based on projecting a template onto the depth image. The method was tested on a challenging outdoor dataset with good results and runs in real time.
