Jakie było wyzwanie/problem?
Monitorowanie dojrzałości i stanu upraw za pomocą zautomatyzowanych i nieniszczących środków, oraz oszacowanie optymalnego terminu zbioru i produkcji końcowej. Brali w nim udział różni aktorzy, dostarczanie różnych technologii, wiedzę agronomiczną i działki potrzebne do przeprowadzenia eksperymentów i walidacji systemu
Jak rozwiązałeś problem??
W terenie korzystaliśmy z systemów IOT, hiperspektralne obrazy gleby i roślin, obrazy termowizyjne wykonane z dronów oraz narzędzia Business Intelligence i AI do generowania przydatnych informacji ze wszystkich tych danych
Co jest innowacyjne w Twoim praktycznym przypadku?
Wykorzystanie obrazów hiperspektralnych do pomiaru parametrów jakościowych oraz generowanie alarmów i zaleceń dotyczących fertyrygacji i zbioru na podstawie danych z wielu różnych źródeł
Jakie są czynniki sukcesu w rozwiązaniu problemu?
Kluczowa była współpraca wszystkich partnerów dysponujących ich specjalistyczną wiedzą
Zdobyta wiedza
Wykrywanie parametrów jakościowych pomidorów i składu gleby na podstawie zdjęć hiperspektralnych wykonanych w terenie. Algorytmy przewidywania produkcji końcowej i określania optymalnego terminu zbioru na podstawie zdjęć wykonanych na polu.
Jaką rolę odgrywa doradca lub usługa doradcza w praktycznym przypadku?
Broker innowacji
Czy Twoje podejście można przenieść i/lub dostosować do innych wyzwań i regionów związanych z innowacjami??
tak
Szacowana zbywalność w skali od 1 Twierdzenie, że na ostateczną jakość mięsa negatywnie wpływa stres zwierząt związany z transportem 5
(gdzie 1 jest łatwe i 5 bardzo trudne)
3
Za podzielenie się doświadczeniami dotyczącymi dobrych praktyk, prosimy o kontakt
Jezus Gil
jgilsoto@ctaex.com
Link do informacji zewnętrznych
https://www.youtube.com/channel/UCFiyU3cOyuX4A2SGFvOP0xw