AI tools for HT breeding and health monitoring (KB-53-000-001)

Om te voldoen aan de eisen van toekomstige landbouwsystemen is het effectief, efficiënt karakteriseren van gewassen en dieren essentieel. Non-invasieve sensortechnologieën bieden potentieel om (nieuwe) kenmerken te monitoren. Uitdagingen om de hoogfrequente, multidimensionale datasets te beheren en afwezigheid van AI-tools die kenmerken uit deze data extraheren beperken echter grootschalige inzet. Hoe kunnen we deze uitdagingen overwinnen?

Om te voldoen aan de eisen van toekomstige landbouwsystemen is het effectief en efficiënt karakteriseren van gewassen en dieren essentieel. De moderne landbouw maakt steeds meer gebruik van sensortechnologieën. Deze sensoren maken het mogelijk om op een non-invasieve methode kenmerken te monitoren die gerelateerd zijn aan diergedrag, en gezondheid en groei van gewassen en dieren. Ze bieden potentieel om waardevolle inzichten te leveren voor de fokkerij, teelt, en gezondheidsmanagement van onze gewassen en dieren. Er blijven echter uitdagingen bestaan, waaronder het beheren van de grote hoogfrequentie multidimensionale datasets die door deze sensoren worden gegenereerd, het selecteren van optimale sensoren, en het verkrijgen van bruikbare kennis voor fokkerij, teelt, en het managen van gezondheid. Het overwinnen van deze uitdagingen is cruciaal om het potentieel van hoge-doorvoer fenotypering te benutten voor productiviteit, veerkracht, welzijn en duurzaamheid in de landbouw. Het algemene doel van dit project is om AI-tools te ontwikkelen die hoge doorvoer fenotypering van zowel gewassen als dieren mogelijk maken met als algemeen doel om beslissingspraktijken rondom fokken, telen, en gezondheidsmanagement te verbeteren. Dit algemene doel wordt bereikt door vier verschillende werkpakketten die verdeeld zijn over het dier en plant domein, terwijl tegelijkertijd onderzoek wordt uitgevoerd in vier specifieke onderzoek casussen. De werkpakketten richten zich op goede data praktijken (WP1), AI-tools voor hoge doorvoer fenotypering (WP2), AI-tools om informatie over kenmerken door de tijd te extraheren (WP3), en validatie van de ontwikkelde methodologieën (WP4). De vier onderzoek casussen betreffen zowel hoge doorvoer fenotypering in dieren en gewassen: (UC1) Video-gebaseerde monitoring van diergedrag, (UC2) Multi-sensor ondersteund diergezondheids monitoring, (UC3) Plantengroei en veerkracht monitoring in de loop van de tijd tot (a)biotische stress, en (UC4) AI-gestuurde plantdeelsegmentatie en kenmerkextractie. Door deze activiteiten te coordineren beoogt dit project om geavanceerde data management stappen te ontwikkelen, als ook AI raamwerken en tools die nodig zijn voor het ontwikkelen van fenotyperingstechnieken op een TRL niveau van 2-3. Deze resultaten zullen R&D-ontwikkelingen verder stimuleren, helpen met ontwikkelen van proof-of-principles die nodig zijn voor toekomstige experimenten, en om nieuwe netwerken op te zetten.