Zoekresultaten

Aaltjes: automatisch classificeren en tellen

Aaltjes: automatisch classificeren en tellen. Agrariërs laten bodemmonsters analyseren op onder meer aanwezigheid van aaltjes. Deze bodemanalyse is voor agrariërs cruciaal om de bodemgezondheid- en vruchtbaarheid vast te stellen maar behelst een grote kostenpost. Het identificeren, analyseren en tellen van aaltjes (nematoden) in een bodemmonster geschiedt in een gespecialiseerd laboratorium. Dit is tijdrovend, specialistisch en seizoensgebonden werk. Het tellen- en analyseren van aaltjes is mensenwerk en vergt training en ervaring van de laborant. Daarnaast hebben de laboratoria te maken met personeelstekort en de laboranten met sterk fluctuerende werkdruk. Derhalve is het speciaal voor dit project opgerichte samenwerkingsverband tussen Fontys GreenTechLab, ROBA Laboratorium en CytoSMART voornemens om een oplossing te ontwikkelen voor het automatisch classificeren en tellen van aaltjes. Dit project richt zich op de ontwikkeling van een proof of concept van een analysescanner. Het werk van de laboranten wordt grotendeels geautomatiseerd waarbij door de scanner de bodemmonsters middels toepassing van deep learning en virtual modeling kan worden geanalyseerd. Daarmee wordt beoogd een oplossing te bieden waarmee het personeelstekort wordt tegengegaan, de werkdruk kan worden verlaagd, mensenwerk wordt geautomatiseerd (waardoor de kans op fouten wordt verkleind) en de kosten voor agrariërs worden verlaagd.

Adaptive Robotic Binpicking - AEROBIC -

Affordable multi-spectral imaging for greenhouse automation

De glastuinbouw in Nederland is wereldwijd toonaangevend en loopt voorop in automatisering en data-gedreven bedrijfsvoering. Voor de data-gedreven teelt wordt, naast het monitoren van de kas-parameters ook het monitoren van gewasparameters steeds meer gevraagd. De sector is daarbij vooral geïnteresseerd in niet-destructieve, contactloze en persoonsonafhankelijk monitoring van gewassen. Optische sensortechnologie, zoals spectrale afbeeldingstechnologie, kan veel waardevolle informatie opleveren over de staat van een gewas of vrucht, bijvoorbeeld over het suikergehalte, maar ook de aanwezigheid van plantziektes of insecten. Echter is dit vaak een te kostbare oplossing voor zowel de technologiebedrijven die oplossingen leveren als voor de telers zelf. In dit project onderzoeken wij de mogelijkheid om spectrale beeldvorming tegen lagere kosten te realiseren. Het beoogde resultaat is een prototype van een instrument dat tegen lage kosten met spectrale beeldvorming een of meerdere gewaseigenschappen kan kwantificeren. Realisatie van dit prototype heeft een sterke Fotonica-component (expertise Haagse Hogeschool) maakt gebruik van Machine Learning (expertise perClass) en is bedoeld voor toepassing op scout robots in de glastuinbouw (expertise Mythronics). Een betaalbare oplossing betekent in potentie voor de teler een betere controle over kwaliteit van het gewas en automatisering voor detectie van ziekte-uitbraken. Bij een succesvol prototype kan deze innovatie leiden tot betere voedselkwaliteit en minder verspilling in de glastuinbouw.

ALGOL: Biocascading phytosterols from marine micro and macro algae, a feasibility study for biocircular economy

Micro and macro algae are a rich source of lipids, proteins and carbohydrates, but also of secondary metabolites like phytosterols. Phytosterols have important health effects such as prevention of cardiovascular diseases. Global phytosterol market size was estimated at USD 709.7 million in 2019 and is expected to grow with a CAGR of 8.7% until 2027. Growing adoption of healthy lifestyle has bolstered demand for nutraceutical products. This is expected to be a major factor driving demand for phytosterols. Residues from algae are found in algae farming and processing, are found as beachings and are pruning residues from underwater Giant Kelp forests. Large amounts of brown seaweed beaches in the province of Zeeland and are discarded as waste. Pruning residues from Giant Kelp Forests harvests for the Namibian coast provide large amounts of biomass. ALGOL project considers all these biomass residues as raw material for added value creation. The ALGOL feasibility project will develop and evaluate green technologies for phytosterol extraction from algae biomass in a biocascading approach. Fucosterol is chosen because of its high added value, whereas lipids, protein and carbohydrates are lower in value and will hence be evaluated in follow-up projects. ALGOL will develop subcritical water, supercritical CO2 with modifiers and ethanol extraction technologies and compare these with conventional petroleum-based extractions and asses its technical, economic and environmental feasibility. Prototype nutraceutical/cosmeceutical products will be developed to demonstrate possible applications with fucosterol. A network of Dutch and African partners will supply micro and macro algae biomass, evaluate developed technologies and will prototype products with it, which are relevant to their own business interests. ALGOL project will create added value by taking a biocascading approach where first high-interest components are processed into high added value products as nutraceutical or cosmeceutical.

Algorithmic Affordances

De maatschappelijke discussies over de invloed van AI op ons leven tieren welig. De terugkerende vraag is of AI-toepassingen – en dan vooral recommendersystemen – een dreiging of een redding zijn. De impact van het kiezen van een film voor vanavond, met behulp van Netflix' recommendersysteem, is nog beperkt. De impact van datingsites, navigatiesystemen en sociale media – allemaal systemen die met algoritmes informatie filteren of keuzes aanraden – is al groter. De impact van recommendersystemen in bijvoorbeeld de zorg, bij werving en selectie, fraudedetectie, en beoordelingen van hypotheekaanvragen is enorm, zowel op individueel als op maatschappelijk niveau. Het is daarom urgent dat juist recommendersystemen volgens de waarden van Responsible AI ontworpen worden: veilig, eerlijk, betrouwbaar, inclusief, transparant en controleerbaar.Om op een goede manier Responsible AI te ontwerpen moeten technische, contextuele én interactievraagstukken worden opgelost. Op het technische en maatschappelijke niveau is al veel vooruitgang geboekt, respectievelijk door onderzoek naar algoritmen die waarden als inclusiviteit in hun berekening meenemen, en door de ontwikkeling van wettelijke kaders. Over implementatie op interactieniveau bestaat daarentegen nog weinig concrete kennis. Bekend is dat gebruikers die interactiemogelijkheden hebben om een algoritme bij te sturen of aan te vullen, meer transparantie en betrouwbaarheid ervaren. Echter, slecht ontworpen interactiemogelijkheden, of een mismatch tussen interactie en context kosten juist tijd, veroorzaken mentale overbelasting, frustratie, en een gevoel van incompetentie. Ze verhullen eerder dan dat ze tot transparantie leiden.Het ontbreekt ontwerpers van interfaces (UX/UI designers) aan systematische concrete kennis over deze interactiemogelijkheden, hun toepasbaarheid, en de ethische grenzen. Dat beperkt hun mogelijkheid om op interactieniveau aan Responsible AI bij te dragen. Ze willen daarom graag een pattern library van interactiemogelijkheden, geannoteerd met onderzoek over de werking en inzetbaarheid. Dit bestaat nu niet en met dit project willen we een substantiële bijdrage leveren aan de ontwikkeling ervan.

Alles wordt verbrand

Het doel van dit project is het onderzoeken of CO2 en kosten kunnen worden gereduceerd in twee zorginstellen door het Specifiek Ziekenhuis Afval (SZA) anders te verzamelen en verwerken. Dit praktijkgerichte onderzoek wordt mogelijk door een samenwerking van Windesheim, Flynther, Dermatologisch Centrum en Isala. SZA wordt verzameld in speciale vaten en getransporteerd naar speciale verbrandingsovens in Dordrecht, waar het afval inclusief het vat onder hoge temperatuur wordt verbrand. Dit leidt tot een hoge CO2 uitstoot en onnodig hoge afvalkosten voor zorgpartijen. Tijdens de voorbereidende interviews voor dit onderzoek hebben respondenten uit de zorgsector al verschillende suggesties gedaan om de hoeveelheid afval te reduceren: • Alleen medisch afval in het vat stoppen, geen andere afvalstromen; • Vaten zo veel mogelijk vullen voordat deze worden vervangen; • Beter scheiden van SZA. Een deel van het SZA hoeft niet onder speciale omstandigheden te worden verbrand, door deze apart in te zamelen kan het in de buurt van de zorginstelling worden vernietigd in plaats van in Dordrecht. • Gebruik van andere soorten vaten die gemaakt zijn uit karton of dunner kunststof. Vanuit Flynther en het Dermatologisch centrum is de praktijkvraag; “Als door diverse partijen wordt aangegeven dat er kan worden bespaard, waarom hebben partijen uit de zorg hier dan geen of nauwelijks aandacht voor? Zijn er nog meer manieren om SZA te reduceren?” De praktijkvraag van dit onderzoek is:Op welke wijze kunnen zorginstellingen door aanpassingen in het inzamelen van SZA, de hoeveelheid CO2 uitstoot en kosten binnen deze afvalstoom reduceren?Om deze vraag te beantwoorden worden de mogelijkheden zoals hierboven beschreven getoetst en de impact bepaald. Daarnaast wordt gekeken hoe het SZA inzamelingsproces moet worden aangepast om deze besparing te realiseren. Ook wordt onderzocht wat beperkende factoren zijn voor deze besparingen. De onderzoeksvragen worden beantwoord door een verkennend onderzoek dat wordt gebaseerd op twee case studies.