In de huidige landbouwsector worden grote hoeveelheden gewasbeschermingsmiddelen gebruikt, wat leidt tot hoge kosten voor telers. De verwachte aanscherping van wetgeving dwingt de industrie om efficiëntere spuitmethoden te onderzoeken. Een veelbelovende oplossing is het implementeren van precisiespuiten, die niet alleen het gebruik van chemicaliën vermindert, maar ook kostenbesparingen oplevert en kan voldoen aan strengere milieuwetgeving. De technologie achter precisiespuiten maakt gebruik van real-time data, verzameld door camera's op de spuit, of van taakkaarten waarvoor van tevoren het land is in gescand. Beide mogelijkheden hebben verschillende kosten en besparingen. Hoewel er momenteel onvoldoende concrete data beschikbaar is om definitieve conclusies te trekken, wordt verwacht dat met een toename van het aantal precisiespuiten op het land betrouwbaardere resultaten kunnen worden verkregen. Op de lange termijn lijkt de aanschaf van een real-time precisiespuit aantrekkelijk, vooral voor grotere telers. De ontwikkeling die gepaard gaan met het verzamelen van meer data zal ook een beter inzicht geven in de effecten van precisiespuiten op de gewaskwaliteit, wat van belang is voor het berekenen van de effecten op de kosten.
DOCUMENT
Lector Precision Livestock Farming, Lenny van Erp, neemt je in deze rondleiding mee langs een aantal onderzoeken die het lectoraat in studiejaar 2019/2020 heeft uitgevoerd met onze afstuderende studenten. Je wandelt digitaal langs onder meer de onderzoekslijnen melkvee, pluimvee, varkens en gezelschapsdieren en paarden. De onderzoeken gaan over nieuwe sensoren, nieuwe technologieën en data om meer te kunnen zeggen over gedrag, gezondheid en welzijn van de dieren.
LINK
High-tech horticulture production methods (such as vertical farming, hydroponics and other related technology possibilities), combined with evolving market side possibilities (consumer’s willingness to pay for variety, food safety and security), are opening new ways to create and deliver value. In this paper we present four emerging business models and attempt to understand the conditions under which each business model is able to create positive market value and sustained business advantage. The first of these four models is the case of a vertically integrated production to retail operation. The second model is the case of a production model with assured retail/distribution side commitment. The third model deals with a marketing/branding driven production model with differentiated market positioning. Finally, the forth is a production model with direct delivery to the end-consumer based upon the leveraging of wide spread digital technology in the consumer market. To demonstrate these four business models, we analyze practical case studies and analyze their market approach and impact. Using this analysis, we create a framework that enables entrepreneurs and businesses to adopt a business model that matches their capabilities with market opportunities.
DOCUMENT
HAS Hogeschool wil de IMPULS-middelen benutten om de regionale samenwerking te versterken en in deze regionale triple helix van meerwaarde te zijn op het kruispunt van Agri en Food met Datascience en Technologie. Dat doen we vanuit de strategie van de HAS, door koppeling van onze lectoraten aan de regionale agenda’s en in samenwerking met complementaire kennispartners. Van oudsher heeft de HAS uitgebreide expertise op dit terrein, denk bijvoorbeeld aan de lectoraten Nieuwe Teeltsystemen, Precision Livestock Farming, Eiwittransitie in Voeding en Future Food Systems. Door het multidisciplinaire karakter van deze onderwerpen zal verbreding en verdieping, met meerwaarde voor het bedrijfsleven en de samenleving, met name plaatsvinden door slimme combinaties met expertises van andere kennisinstellingen. Die slimme combinaties zoeken we zowel binnen het CoE Groen, als daarbuiten door middel van een SPRONG-aanvraag. Met tegelijk een versnelling van de nieuwe manier van werken: ondersteuning van digitalisering van bijeenkomsten, uitwisseling van kennis en veilige vastlegging van data. De Impuls-regeling willen we daarom specifiek inzetten voor twee voor HAS hogeschool onmisbare strategische ontwikkelsporen: 1 Versterking van onze profilering als praktijkgericht onderzoekcentrum voor Hightech en Data in Agrifood met een SPRONG-aanvraag; 2 Versterking (en waar nodig aanpassing) van de infrastructuur nodig voor het goed functioneren van het CoE Groen. Meer specifiek gaat het daarbij om zowel activiteiten gericht op versterking van externe processen als interne processen, rekening houdend met de beperkingen en eisen vanwege COVID-19: - Consortiumvorming; - Netwerkbijeenkomsten; - Datamanagement; - Programmamanagement; - Vorming van expertiseclusters.
Dit project is een haalbaarheidsstudie naar de mogelijkheden voor precisielandbouw in de bollenteelt op basis van data, door het toepassen van smart methodes en technieken, toegepast op het ziekzoeken in tulpen. Het initiatief voor dit project komt vanuit Smart Farming Noord-Holland Noord en Match 2020. In diverse bijeenkomsten gaven de telers expliciet aan behoefte te hebben aan een dergelijk onderzoek. In de bollenteelt worden veel werkzaamheden nu ‘op het oog’ uitgevoerd. Het aantal kwekers neemt af; overblijvende bedrijven groeien in areaal, waardoor het steeds lastiger wordt om het overzicht te bewaren en het percelen te managen. Drie kwekers maken deel uit van het projectteam. De tulpenteelt staat voor een aantal grote uitdagingen waarbij de inzet van precisietechnieken en datatoepassing gezien worden als sleutel voor een gezonde toekomst. Het betreft onder meer: - Beschikbaarheid van (tijdelijk) personeel staat onder druk. - Beschikbaarheid van gewasbeschermingsmiddelen neemt steeds verder af en de maatschappelijke druk tegen het gebruik van middelen neemt toe. - Bedrijven worden groter. - Beschikbaarheid van mensen met specifieke kennis neemt af. In dit onderzoek kijken we naar mogelijkheden voor: - Het maken van strategische keuzes op basis van digitale metingen in het veld: Beelden verzamelen, trainen van analyse algoritmes en het uitvoeren van de analyse in real-time. - Mogelijkheden voor het ondernemen van verwijderingsacties: Het robotiseren van (arbeidsintensieve) verwijderingswerkzaamheden op basis van de beschikbare data. Daarbij nemen we mee dat we het gebruik van (omgeving belastende) teelthandelingen, zoals het spuiten van gewasbeschermingsmiddelen willen verminderen of vermijden. De centrale onderzoeksvraag luidt: Wat zijn de mogelijkheden voor precisietechnologie op basis van data in de bollenteelt in Noord-Holland, in het bijzonder bij het ziekzoeken in tulpen? Primaire doelen zijn het verduurzamen van de teelt en het verhogen van de productkwaliteit, voor behoud en versteviging van de Noord-Hollandse/ Nederlandse concurrentiepositie in deze wereldmarkt.
Het telen van appels en peren in een boomgaard is een arbeidsintensief proces. Handelingen als snoeien, dunnen en oogsten vragen om kundige seizoenswerkers, welke immer schaarser worden, en waarvan de kosten al maar oplopen. Mechanisatie van oogsthandelingen als spuiten, dunnen, oogsten en snoeien kunnen een substantiële vermindering in de arbeidsbehoefte realiseren. Specifiek snoeien leent zich goed voor robotisering, en op dat gebied is in voorgaande projecten (o.a. KIEM.K20.01.072 en RAAK.MKB14.005) substantiële voortgang geboekt op de kerntechnologieën. Uit dit eerdere werk komen echter enkele knelpunten naar voren: i) bestaande computer vision technologieën kunnen geen onderscheid te maken tussen blad- en bloemknoppen, en ii) het ontbreekt aan een digitale omgeving om de snoei te plannen, optimaliseren en aan te sturen. Binnen deze nieuwe RAAK-mkb aanvraag willen we op deze punten verdiepen, en toewerken naar een geïntegreerde snoeirobot op Technology Readiness Level (TRL) 5 en Investment Readiness Level (IRL) 3. Om de afhankelijkheid van seizoensdata te verminderen zal synthetische data gegenereerd worden met daarin verwerkt een variabiliteit aan edge cases [WP1], voor een betrouwbare set van digitale boommodellen, waarmee vervolgens computer vision algoritmes getraind kunnen worden om onderscheid te maken tussen blad- en bloemknoppen) [WP2], en waarmee een continu-lerende digital twin opgebouwd kan worden in een productie omgeving [WP3]. Vervolgens zullen de subsystemen (o.a. snoei instrument, robot aansturing, snoei-algoritme) worden doorontwikkeld, geïntegreerd en ontsloten (TRL4) [WP4]. Tot slot zullen praktijktesten worden uitgevoerd waarmee modellen, snoeialgoritmen en snoeisysteem worden gevalideerd in de boomgaard (TRL5, IRL 3) [WP5]. Het project moet leiden tot behoud en versteviging van de Noord-Hollandse/Nederlandse concurrentiepositie in deze wereldmarkt, vermindering van uitval, verduurzaming van de teelt en het verhogen van de productkwaliteit. Daartoe zullen binnen het projectteam kwekers, teelt-experts, machinebouwers, computer vision en robotica experts nauw samenwerken om tot een gevalideerde oplossing te komen.
