Terugblik en doelstellingen
Remote Sensing voor Sierteelt leverde in 2024 media-aandacht op en won zelfs een Computable Award. In de huidige fase – bij RS4F – breiden we de technologie verder uit met satellietbeelden, grondsensoren en camerabeelden, om ziekteherkenning nóg nauwkeuriger te maken.
Beelden verzamelen
Gedurende de lente was het RS4F-team volop bezig met het verzamelen van nieuwe data. De piloten vlogen wekelijks over de bloeiende velden om gedetailleerde beelden vast te leggen. Deze beelden vormen de basis voor het trainen van het AI-model, die met grote precisie kan aangeven welke planten ziek zijn of risico lopen.
Beelden analyseren
Na het verzamelen van de beelden begint het intensieve proces van annotatie. Elk beeld wordt zorgvuldig geanalyseerd en voorzien van opmerkingen over de gezondheid van de planten. Dit monnikenwerk is essentieel om de AI te trainen en te verbeteren, zodat deze in de toekomst zelfstandig afwijkingen en ziektes kan herkennen.
“Er zitten inmiddels al heel wat uren in. Het is noodzakelijk om de AI zo nauwkeurig mogelijk te maken. Als we precisielandbouw willen gaan toepassen moeten we nou eenmaal precies zijn.” – Walter Kort (Operations Officer RS4F bij Unmanned Valley)
Doelen aankomende periode
De komende maanden richt het project zich op het annoteren van de nieuw ingewonnen data, het onderzoeken of een koppeling gemaakt kan worden tussen dronedata en satellietbeelden, waardoor de technologie beter schaalbaar wordt. Een andere onderzoeksrichting is of het mogelijk is een objectiever voorspellend vermogen te creëren. De basis van dit onderzoek is een combinatie van speciaal voor dit project ingewonnen data uit een hiervoor geplaatst meetstation in het veld en aanvullende satellietdata.
Up-to-date blijven?
We delen de komende tijd meer updates via onze website, die van Unmanned Valley en via LinkedIn.