Het project richtte zich op de ontwikkeling van een onkruidverwijderingssysteem, bestaande uit het rijdende platform "Alpha Ceres", een KI-gebaseerd visiesysteem, een bestrijdingstool en een actuator om het tool naar het onkruid te bewegen. Alpha Ceres is uitgerust met nieuwe software, RTK-GPS voor nauwkeurige navigatie (tot 1 cm), noodstopknoppen en een krachtige industriële controller.
Na onderzoek naar verschillende methoden bleek mechanische bestrijding het meest geschikt voor de rozenteelt. Een elektromotor werd gekozen vanwege de energie-efficiëntie, en verschillende tools werden getest, waarbij een boor het meest effectief bleek. Als actuator is een delta-robot gebruikt. Deze robot, gemonteerd onder het frame van Alpha Ceres, maakt gebruik van een pathfinding-algoritme (RRT) om zonder botsingen met rozen efficiënt naar het onkruid te bewegen.
Voor de identificatie van rozen en onkruid is een uitgebreide dataset samengesteld. Deze bevat beelden uit publieke datasets en nieuw materiaal van projectpartners, waaronder drone- en videobeelden. De dataset houdt rekening met diverse weersomstandigheden en groeistadia van de rozen, waardoor het KI-visiesysteem betrouwbaar kan functioneren.
"RoseGuardian" is een unieke samenwerking tussen de bedrijven Compas Agro BV, Frank Coenders Kwekerijen BV en Fontys Hogeschool met haar onderzoeks- en technologiegroep GreenTechLab. Dit project heeft als doel om gezamenlijk robotica toe te passen om de onkruidverwijdering en het beheer in de open teelt van rozen te verbeteren. Het project richt zich op het onderzoeken, testen en valideren van onkruidherkenning voor het elimineren van onkruid. Het doel van het project is de efficiëntie te verhogen, de arbeidskosten te verlagen en de gewasopbrengst te verbeteren terwijl de milieueffecten tot een minimum worden beperkt.
Het project brengt de expertise van de bedrijven Compas Agro en Frank Coenders Kwekerijen op het gebied van vollegrondteelt samen met de expertise van GreenTechLab op het gebied van precisietuinbouw en robotica.
Er wordt gestreefd naar een resultaat waarbij het lukt:
- Om de beste methode voor het verwijderen van onkruid te onderzoeken.
- Om onkruid en niet-onkruid te identificeren met behulp van een vision applicatie op basis van deep learning en AI.
- Om praktijktesten te doen om onkruid te verwijderen in een proefomgeving. Hier vindt de validatie van dit project plaats.
This project has no products
Finished
Not known