Friese palingen en hogeschool Van Hall Larenstein dragen bij aan een grootschalig onderzoek naar de werking van de menselijke biologische klok.
LINK
Autonomous Guided Vehicles (AGV) worden hedendaags breed toegepast in verschillende sectoren als agri, logistiek en zorg. De taken die AGV’s verrichten zijn veelal gericht op het indoor transporteren van goederen en vereisen daarom een precieze en robuuste locatiebepaling. Indoor lokalisatie is een ‘key-technology’ daar het in allerlei toepassingsgebieden een fundamentele rol speelt. Tot op heden is er geen algemeen toepasbare techniek voorhanden en is het noodzakelijk om de omgeving uit te rusten met een op maat gemaakt lokalisatiesysteem wat duur, tijdrovend en inflexibel is. Een veelbelovende techniek is Magnetic-Simulataneous-Localisation-And-Mapping (MagSLAM). Deze techniek is berust op een verstoord aardmagnetisch veld door de aanwezigheid van vele ‘indoor’ ferromagnetische structuren. Deze verstoringen zijn specifiek voor de plek binnen het gebouw en zodoende als informatiebron gezien kunnen worden. Deze wijze biedt een aantal fundamentele voordelen ten opzichte van camera, radio of tag gebaseerde lokalisatiesystemen. Het doel van dit KIEM-project is een onderzoek naar de vraag in hoeverre we het magnetisch veld als informatieprovider kunnen gebruiken om het lokalisatievraagstuk voor AGV’s te kunnen helpen. De belangrijkste onderzoekvraag daarbij is “Hoe kunnen we de MagSLAM-technologie opwerken en inpassen in een AGV-systeem?” Daarbij rekening houdend met uitdagingen als kalibratie, fusie van sensordata (bijvoorbeeld odometrie) en het robuust zijn voor grote inductiestromen (bijvoorbeeld motoren en laadcircuits). Saxion en haar partners zetten zich de komende jaren in op de sleuteltechnologieën voor robotica als perception, navigation, cognition en artificial-intelligence welke allen integraal onderdeel vormen in dit KIEM project. Het project zal uit 4 fases bestaan: allereerst een inventarisatie van huidige MagSLAM-algoritmiek en AGVpositioneringssystemen (IST), een systeem- en gebruikerseisen onderzoek (SOLL) en tenslotte een analyse om de technologie op te werken en te passen (GAP).
Dit projectvoorstel preciSIAlandbouw richt zich op het onderdeel Precisielandbouw van de SIA call Praktijkkennis Voedsel en Groen. Precisielandbouw is een bedrijfsmanagementconcept dat d.m.v. technologie en kennis zo goed mogelijk stuurt op economische, ecologische en maatschappelijke doelen. Het preciSIAlandbouw-consortium doet een voorstel om praktijkgericht onderzoek te doen binnen een vijftal precisielandbouwthema’s: 1) sensortechnologie, 2) kennis en advies, 3) robotisering, 4) digitalisering en 5) verdienmodellen. Deze thema’s zijn gekozen vanuit een brede vraagarticulatie waarin knelpunten en uitdagingen vanuit de in de calltekst genoemde inspiratieprojecten verwerkt zijn. De thema’s sluiten tevens aan bij innovatievragen van de betrokken private consortiumpartners en speerpunten van de betrokken onderwijs- en onderzoeksinstellingen. Het is een mix van onderwerpen die op korte en middellange termijn nieuwe praktijkkennis levert. Het consortium bestaat uit vijf hbo’s, één universiteit, drie mbo’s, één brancheorganisatie en negen agrarische en toeleverende bedrijven. Het consortium heeft nauwe banden met Topsector-projecten (o.a. PL4.0) en FieldLabs (o.a. NPPL) op het gebied van precisielandbouw, waardoor een breed netwerk aangehaakt is. De looptijd van het project is twee jaar en de totale begroting is vastgesteld op 725.000 euro. Enkele betrokken agrarische bedrijven zijn gevestigd in experimenteergebieden. De onderzoeksactiviteiten in het preciSIAlandbouw-project zijn ondergebracht in vijf R&D-werkpakketten. Daarnaast is er één projectmanagementwerkpakket. De R&D-werkpakketten zijn gekoppeld aan de vijf voorgenoemde thema’s. Per R&D-werkpakket staan in hoofdstuk 6 de specifieke doelen, de aanpak, de onderzoeksmethodieken en de op te leveren resultaten. 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.
Precision Livestock farming biedt de mogelijkheid om geautomatiseerd gedrag te monitoren. Op basis van locatiebepaling en andere sensordata bij koeien kunnen mogelijk de sociale relaties van een koppel koeien in kaart gebracht worden en gemonitord worden. Dit geeft veehouders een krachtige tool om gezondheid en welzijn van hun dieren te waarborgen. In dit project wordt met behulp van gedragsonderzoek de sociale relaties van een koppel koeien in kaart gebracht waarna vervolgens de voorspellende waarde van de locatiedata onderzocht wordt. Tevens zal er een datawarehouse met data fusion gebouwd worden waar de verschillende datastromen van het melkveebedrijf in samenkomen zodat in de tweede fase van het project met behulp van gecombineerde locatie- en sensordata gezocht kan worden naar indicatoren welke een voorspellende waarde hebben voor een aangetast dierwelzijn.
