Slimme meetinstrumenten en sensoren (statisch, mobiel en zelfs draag baar) leveren een wereld aan nuttige gegevens en toepassingen op. Voor het bedrijfsleven, de zorg, maar oak andere sectoren. Het lectoraat Smart Sensor Systems richt zich op het ontwerp en de ontwikkeling van dergelijke meetnetwerken, maar oak op het verwerken en terugkoppelen van metingen. Preventie en predictie zijn de kernwoorden van het lectoraat. Meten is weten. En weten is v66r zijn. Of het nu gaat om predictieve modellen voor gezondheid en (ardeids)veiligheid of early warning systems voor preventief onderhoud van machines. Voorkomen is beter - en goedkoper - dan genezen of repareren. LinkedIn: https://www.linkedin.com/in/john-bolte-0856134/
MULTIFILE
Het project PreciSIAlandbouw heeft precisielandbouwtechnieken ontwikkeld en gevalideerd op vijf thema's: sensortechnologie, kennis en advies, robotisering, digitalisering, en verdienmodellen. Dit rapport bevat de resultaten van de sensortechnologieën onkruidbestrijding, opbrengstmeting van grasland, vroegtijdige detectie van zoutstress in aardappelgewassen en monitoring van biodiversiteit in de bodem.
DOCUMENT
Het project PreciSIAlandbouw heeft precisielandbouwtechnieken ontwikkeld en gevalideerd op vijf thema's: sensortechnologie, kennis en advies, robotisering, digitalisering, en verdienmodellen. Dit rapport bevat de resultaten van de sensortechnologieën onkruidbestrijding, opbrengstmeting van grasland, vroegtijdige detectie van zoutstress in aardappelgewassen en monitoring van biodiversiteit in de bodem.
DOCUMENT
Bijdrage aan de HU Duurzaam Doen Dag, met een inleiding op de energietransitie. Aan bod komen o.a. Verduurzaming van gebouwen, decentrale en centrale energieopslag en distibutie
DOCUMENT
Het aantal ouderen in ons land neemt toe en mensen willen en moeten langer thuis wonen. Zo zal de verpleeghuiscapaciteit afnemen en de zorg thuis en zelfzorg toenemen. Ook kunnen mantelzorgers en zorgprofessionals baat hebben bij extra ondersteuning. Technologie kan hiervoor een oplossing bieden.
DOCUMENT
Het project PreciSIAlandbouw heeft precisielandbouwtechnieken ontwikkeld en gevalideerd op vijf thema's: sensortechnologie, kennis en advies, robotisering, digitalisering, en verdienmodellen. Dit rapport bevat de resultaten van verdienmodellen. De mogelijke verdienmodellen voor de agrariër, loonwerker en adviseur zijn inzichtelijk gemaakt. Trefwoorden: verdienmodellen
DOCUMENT
In this work, a feasible and low-cost approach is proposed for level measurement in multiphase systems inside tanks used for petroleum-derived oil production. The developed level sensor system consisted of light-emitting diodes (LEDs), light-dependent resistor (LDR), and a low-cost microprocessor. Two different types of oil were tested: AW460 and AW68. Linear regression (LR) was applied for 11 scenarios and showed a direct correlation between the level of oil and the sensor’s output. The measurement with AW460 oil presented a perfect linear behavior, while for AW68, a higher standard deviation was obtained justifying the occurrence of the nonlinearity in several scenarios. In order to overcome the nonlinear effect, two machine learning (ML) techniques were tested: K-nearest neighbors regression (KNNR) and multilayer perceptron (MLP) neural network regression. The highest correlation coefficient ( R2 ) and the lowest root mean squared error (RMSE) were obtained for AW68 with MLP. Therefore, MLP was used for regression (level prediction for water, oil, and emulsion) as well as classification (identify the type of oil in the reservoir) simultaneously. The suggested network exhibited a high accuracy for oil identification (99.801%) and improved linear performance in regression ( R2 = 0.9989 and RMSE = 0.065).
DOCUMENT
In het project Flexible Manufacturing onderzoeken we hoe generieke industriële robots optimaal gebruikt kunnen worden in het bedrijfsleven. Het gaat daarbij om de inzet van software en ICT bij robots om de productie te optimaliseren. Op dit moment worden robots voornamelijk ingezet voor relatief eenvoudig, gestructureerd en repetitief werk. In combinatie met verschillende sensorensystemen kunnen robots echter juist hele complexe taken uitvoeren waarbij de robots zich aanpassen aan de situatie. Een mogelijke verklaring voor bovenstaande situatie is dat robots niet gemakkelijk en snel genoeg kunnen worden ge(her)programmeerd, gecombineerd met verschillende sensorsystemen en gecombineerd met andere softwarepakketten om ze nieuwe taken te laten uitvoeren. In het voortraject van dit projectvoorstel kwam een opvallend verschil tussen de werkwijze op enerzijds hogescholen en universiteiten en anderzijds het bedrijfsleven naar voren. In het bedrijfsleven gebruikt men hoofdzakelijk de commerciële en merkspecifieke software van de robotfabrikanten. Op hogescholen en universiteiten wordt daarentegen hoofdzakelijk gebruik gemaakt van open-source en generieke ontwikkelframeworks. Het framework dat wereldwijd het meest wordt gebruikt is Robot Operating System, oftewel ROS. In dit project willen we meer inzicht krijgen in deze twee verschillende benaderingen. Daarvoor analyseren we de bestaande commerciële software voor de grote merken van robotarmen en vergelijken deze met ROS. Naast een studie naar de overeenkomsten en verschillen wordt binnen het project een grote bijeenkomst georganiseerd met bedrijven uit de regio om te achterhalen welke overwegingen bedrijven maken bij het toepassen van robots en welke hindernissen ze ondervinden bij het daadwerkelijke gebruik van robots. Deze aanvraag wordt parallel gedaan met de Raak KIEM Smart Industry aanvraag: Twentse ROS. Het doel van de huidige aanvraag is om tot de kern van het probleem te komen: waarom worden robots nog niet optimaal ingezet in industrie? Het doel is om op basis van beide KIEM aanvragen een Raak PRO te ontwikkelen op dit onderwerp.
In de perenteelt worden nog steeds veel werkzaamheden ‘op het oog’ uitgevoerd. Veel fruitteeltbedrijven groeien echter in areaal, waardoor het overzicht steeds lastiger te bewaren en het totale perceel steeds lastiger te managen is. Dit project is een vervolg op het KIEM.K20.01.072 project waarin een haalbaarheidsstudie is verricht naar de mogelijkheden voor precisielandbouw in de perenteelt op basis van data, door het toepassen van smart methodes en technieken. In dit project breiden we het projectteam verder uit met meer kwekers, teelt-experts en machinebouwers en willen we nader inzoomen op en kijken naar concrete mogelijkheden voor: • Het verzamelen van data in het veld (scouting, data verzamelen). • Het werken en het maken van strategische keuzes op basis van die digitale metingen in het veld (data analyseren en interpreteren). • Het robotiseren van (arbeidsintensieve) werkzaamheden op basis van de beschikbare data. Binnen de scope van dit project leggen we hierbij de nadruk op het snoeien. • Het reduceren en voorkómen van (omgeving belastende) teelthandelingen, zoals het gericht en locatie specifiek spuiten van gewasbeschermingsmiddelen. Hierbij leggen we de nadruk op de mogelijkheden voor het automatiseren van plaagdetectie. De centrale onderzoeksvraag luidt: Wat zijn de concrete mogelijkheden voor precisietechnologie op basis van data in de perenteelt in Noord-Holland? Primaire doelen zijn het verminderen van uitval, het verduurzamen van de teelt en het verhogen van de productkwaliteit, voor behoud en versteviging van de Noord-Hollandse/Nederlandse concurrentiepositie in deze wereldmarkt. Een clusteraanpak tussen telers, onderzoek/advies/studenten en mechanisatiebedrijven kan de ontwikkeling van een tech-systeem voor de fruitteelt een extra boost geven. De meerwaarde van de gevonden oplossingen wordt aangetoond met prototypes en praktijktesten.
