SFAM — Smart Fungal Advice Model (Q3988767): Difference between revisions
Jump to navigation
Jump to search
(Changed an Item: Fixing dateand country) |
(Changed an Item: Fixing summary) |
||
| Property / summary | |||
Het vele gebruik van gewasbeschermingsmiddelen is een maatschappelijke uitdaging. In de agrarische sector worden wereldwijd miljarden euro’s besteed aan de bestrijding van schimmels met chemische middelen. Ondanks al deze inspanningen hebben de aantastingen nog steeds een substantieel negatief effect op de opbrengst. En het gebruik van deze middelen is schadelijk voor mens en dier. Meestal worden de chemische middelen toegediend volgens een standaard recept van de fabrikant. Dit is echter geen garantie voor succes. Schimmels ontwikkelen zich op basis van de effecten van de klimatologische omstandigheden van dat moment. Geen seizoen is gelijk, dus ook ontwikkelen deze schimmels zich ieder seizoen anders. De laatste jaren is om ons heen in een enorm tempo nieuwe kennis en technologie ontwikkeld die een positief effect kunnen hebben op het gebruikersgemak en de nauwkeurigheid van huidige schimmeladvies modellen. Denk hierbij aan geo technologie , multi spectrale beelden (satellietbeelden, UAV, sensoren op de trekker ect.), sterk verbeterde weermodellen, data analytiscs, open datasets van de overheid ect. Door het binnenhalen van deze kennis, en de implementatie van deze innovaties om ons heen kunnen de huidige gebruikersdrempels worden weggenomen en behouden de modellen haar state-of-the-art koploperpositie in de wereld. De droom is om met een klik op de knop iedere teler in de wereld via een abonnementensysteem direct van schimmeladviezen te kunnen voorzien. Op deze wijze kan de doorbraak richting de groep gebruikers die behoren tot de Early en Late Majority worden gerealiseerd. Met zo een doorbraak kan de ontwikkelde kennis zich in hoog tempo verspreiden in de agrarische sector. Het project is opgedeeld in 3 werkpakketten. Werkpakket 1: kennisontwikkeling schimmels is gericht op het in kaart brengen van de nieuwste agronomische inzichten omtrent de ontwikkeling van schimmels. Werkpakket 2: kennisontwikkeling datasets richt zich op de omliggende data technologie om ons heen. Projectpartners ontwikkelen kennis omtrent nieuwe databronnen en verkrijgen inzicht in de effecten op de voorspelling van de ontwikkeling van de levenscyclus van schimmels.In werkpakket 3: Proof-of-concept adviesmodel komt de ontwikkelde kennis samen in een concept algoritme. Er werken in dit project 4 noordelijke MKB bedrijven samen. Allen gevestigd in Drenthe of Groningen. De twee kleinere MKB-ers, Zageo en Infabula doen mee vanwege hun zeer specifieke achtergrond en kennisdomein. Normaliter worden deze specialisten niet snel ingezet voor onderzoeks- en kennisontwikkeltrajecten. (Dutch) | |||
| Property / summary: Het vele gebruik van gewasbeschermingsmiddelen is een maatschappelijke uitdaging. In de agrarische sector worden wereldwijd miljarden euro’s besteed aan de bestrijding van schimmels met chemische middelen. Ondanks al deze inspanningen hebben de aantastingen nog steeds een substantieel negatief effect op de opbrengst. En het gebruik van deze middelen is schadelijk voor mens en dier. Meestal worden de chemische middelen toegediend volgens een standaard recept van de fabrikant. Dit is echter geen garantie voor succes. Schimmels ontwikkelen zich op basis van de effecten van de klimatologische omstandigheden van dat moment. Geen seizoen is gelijk, dus ook ontwikkelen deze schimmels zich ieder seizoen anders. De laatste jaren is om ons heen in een enorm tempo nieuwe kennis en technologie ontwikkeld die een positief effect kunnen hebben op het gebruikersgemak en de nauwkeurigheid van huidige schimmeladvies modellen. Denk hierbij aan geo technologie , multi spectrale beelden (satellietbeelden, UAV, sensoren op de trekker ect.), sterk verbeterde weermodellen, data analytiscs, open datasets van de overheid ect. Door het binnenhalen van deze kennis, en de implementatie van deze innovaties om ons heen kunnen de huidige gebruikersdrempels worden weggenomen en behouden de modellen haar state-of-the-art koploperpositie in de wereld. De droom is om met een klik op de knop iedere teler in de wereld via een abonnementensysteem direct van schimmeladviezen te kunnen voorzien. Op deze wijze kan de doorbraak richting de groep gebruikers die behoren tot de Early en Late Majority worden gerealiseerd. Met zo een doorbraak kan de ontwikkelde kennis zich in hoog tempo verspreiden in de agrarische sector. Het project is opgedeeld in 3 werkpakketten. Werkpakket 1: kennisontwikkeling schimmels is gericht op het in kaart brengen van de nieuwste agronomische inzichten omtrent de ontwikkeling van schimmels. Werkpakket 2: kennisontwikkeling datasets richt zich op de omliggende data technologie om ons heen. Projectpartners ontwikkelen kennis omtrent nieuwe databronnen en verkrijgen inzicht in de effecten op de voorspelling van de ontwikkeling van de levenscyclus van schimmels.In werkpakket 3: Proof-of-concept adviesmodel komt de ontwikkelde kennis samen in een concept algoritme. Er werken in dit project 4 noordelijke MKB bedrijven samen. Allen gevestigd in Drenthe of Groningen. De twee kleinere MKB-ers, Zageo en Infabula doen mee vanwege hun zeer specifieke achtergrond en kennisdomein. Normaliter worden deze specialisten niet snel ingezet voor onderzoeks- en kennisontwikkeltrajecten. (Dutch) / rank | |||
Normal rank | |||
Revision as of 14:09, 14 December 2021
Project Q3988767 in Netherlands
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | SFAM — Smart Fungal Advice Model |
Project Q3988767 in Netherlands |
Statements
548,396.0 Euro
0 references
1,448,866.579 Euro
0 references
37.85 percent
0 references
1 June 2016
0 references
31 December 2018
0 references
Crop-R BV
0 references
53°12'16.85"N, 6°35'19.43"E
0 references
9723 ZA
0 references
Het vele gebruik van gewasbeschermingsmiddelen is een maatschappelijke uitdaging. In de agrarische sector worden wereldwijd miljarden euro’s besteed aan de bestrijding van schimmels met chemische middelen. Ondanks al deze inspanningen hebben de aantastingen nog steeds een substantieel negatief effect op de opbrengst. En het gebruik van deze middelen is schadelijk voor mens en dier. Meestal worden de chemische middelen toegediend volgens een standaard recept van de fabrikant. Dit is echter geen garantie voor succes. Schimmels ontwikkelen zich op basis van de effecten van de klimatologische omstandigheden van dat moment. Geen seizoen is gelijk, dus ook ontwikkelen deze schimmels zich ieder seizoen anders. De laatste jaren is om ons heen in een enorm tempo nieuwe kennis en technologie ontwikkeld die een positief effect kunnen hebben op het gebruikersgemak en de nauwkeurigheid van huidige schimmeladvies modellen. Denk hierbij aan geo technologie , multi spectrale beelden (satellietbeelden, UAV, sensoren op de trekker ect.), sterk verbeterde weermodellen, data analytiscs, open datasets van de overheid ect. Door het binnenhalen van deze kennis, en de implementatie van deze innovaties om ons heen kunnen de huidige gebruikersdrempels worden weggenomen en behouden de modellen haar state-of-the-art koploperpositie in de wereld. De droom is om met een klik op de knop iedere teler in de wereld via een abonnementensysteem direct van schimmeladviezen te kunnen voorzien. Op deze wijze kan de doorbraak richting de groep gebruikers die behoren tot de Early en Late Majority worden gerealiseerd. Met zo een doorbraak kan de ontwikkelde kennis zich in hoog tempo verspreiden in de agrarische sector. Het project is opgedeeld in 3 werkpakketten. Werkpakket 1: kennisontwikkeling schimmels is gericht op het in kaart brengen van de nieuwste agronomische inzichten omtrent de ontwikkeling van schimmels. Werkpakket 2: kennisontwikkeling datasets richt zich op de omliggende data technologie om ons heen. Projectpartners ontwikkelen kennis omtrent nieuwe databronnen en verkrijgen inzicht in de effecten op de voorspelling van de ontwikkeling van de levenscyclus van schimmels.In werkpakket 3: Proof-of-concept adviesmodel komt de ontwikkelde kennis samen in een concept algoritme. Er werken in dit project 4 noordelijke MKB bedrijven samen. Allen gevestigd in Drenthe of Groningen. De twee kleinere MKB-ers, Zageo en Infabula doen mee vanwege hun zeer specifieke achtergrond en kennisdomein. Normaliter worden deze specialisten niet snel ingezet voor onderzoeks- en kennisontwikkeltrajecten. (Dutch)
0 references
Identifiers
OP-2014-2023-Noord-OPSNN0084
0 references