AF-EU-19015 | CYBELLE

Bert van ReesProject

Projecttitel: CYBELLE
Projectnummer: AF-EU-19015
Missie: Smart Technologies in Agri-Horti-Water-Food
Looptijd: 2019- 2022
Projectleider:  Hendrik Boogaard
Kennisinstelling: Wageningen University & Research
Betrokken partijenWaterford Institute for Technology WIT, BULL, INTRASOFT, Engineering, UBITECH, WU, WR, ILVO, Copenhagen, Vion, Agroknow 


CYBELE is een Innovation Action om het gebruik van High Performance Computing (HPC) en Big Data Analytics voor precisie landbouw en smart farming te stimuleren. Het  test innovaties rond machine learning, Big data analytics en het opwerken van data in analyse pipelines in een aantal pilots in de landbouwsector. Het consortium wordt geleid door een Iers technologie instituut WIT, en bevat verder grote IT service providers (BULL, INTRASOFT, Engineering, UBITECH,etc), kennisinstellingen in de landbouw (WU, WR, ILVO, Copenhagen, etc), supercomputing instellingen (Barcelona, Stuttgart) en industrie spelers uit de landbouw (Vion, cooperatief uit Valencia, Agroknow), aangevuld met relevante SME’s. Het gebruik van Big Data en HPC technologieën stokt nu in de landbouw sector, doordat data en gegevens niet genoeg bij elkaar staan om dit Big Data en HPC technologieën in zetten. Ook zijn de algoritmes en analyse software nog niet klaar om stappen te maken, waardoor grotere analyses nog niet mogelijk zijn, die wel vereist zijn voor de volgende stap van precisielandbouw (bijv. precisie dosering in akkerbouw op basis van ingewikkelde dispersie modellen).  

Door het uitvoeren van 9 pilots in diverse EU-landen, en de ontwikkeling van een HPC en Big data  infrastructuur wordt de meerwaarde van dit soort technologieën aangetoond. Voor het bedrijfsleven (en mindere mate beleid) ontstaan casussen en tools die aantonen hoe ze het best met machine learning, big data analytics en High Performance Computing kunnen werken. WR neemt deel met een casus rond oogstvoorspelling van de grote commodities (tarwe, gerst, suikerbiet, aardappel  in Nederland waarin met behulp van machine learning, verwerking van aardobservatie data, en gewasgroei-modellen, een perceelsspecifieke (en mogelijk sub-perceel op basis van aardobservatie) oogstvoorspellingsproduct wordt gebouwd. In een klankbordgroep rond deze pilot worden bedrijven (contacten met SuikerUnie, en ProAgrica/Misset) en overheidsinstellingen (EC Joint Research Centre) betrokken om mee te kijken wat ze ervan kunnen leren. Daarnaast draait VION mee in een 2e Nederlands pilot die zicht richt op de inzet van Big Data analytics voor voorspellingen in de vleesketen. De andere pilots richten zich integratie van satelliet en weerdata voor klimaat-slimme landbouw, autonome robotica systemen in open teelten, aquacultuur, en slimme systemen om varkens te meten. Een aantal van deze sectoren en problemen leveren kennis op die ook in NL ingezet kan worden, bijv rond robotica in de landbouw, en integratie van verschillende data bronnen. WU is betrokken in WP rond requirements analyse van de pilots, en het ondersteunen van de verschillende pilots, naast activiteiten rond de data-standardisatie. 

 

 

Deel dit bericht