Efficiënter verwerken van geoogste producten met robotica
After Harvest richt zich op het automatiseren van het oogst- en transportproces met behulp van geavanceerde robotica. Het doel is om voedselveiligheid te verbeteren en voedselverspilling te verminderen door menselijke interactie te minimaliseren. Het project omvat de ontwikkeling van een post-oogst robot die het oogst- en transportproces efficiënter en nauwkeuriger maakt.
Achtergrond Use Case 13
Geavanceerde robotica voor betere verwerking na de oogst
Sinds de start van NXTGEN hebben VDL ETG Projects, Bosman Van Zaal en TU Delft een prototype ontwikkeld van een buffer- en dockingsysteem voor een autonome oogstrobot. Dit systeem maakt het mogelijk geoogste producten continu te verwerken, ook ‘s nachts, en sluit naadloos aan op de logistieke keten. De robot is uitgerust met autonome functies zoals padherkenning en AI-gestuurde navigatie. Daarnaast ontwikkelde VBTI een model waarmee de robot de vrucht aan de stam kan identificeren, graderen en sorteren. Door de inzet van deep learning is het systeem in staat om automatisch kwaliteitscontroles uit te voeren en het oogstproces te optimaliseren.
"Met autonome verwerking verhogen we de voedselveiligheid en verminderen we verspilling."
Publieke samenvattingen Use Case 13
Autonome pad wissel
Bijdrage aan ecosysteem en sector
Minder verspilling en hogere kwaliteit door automatisering
Door geautomatiseerde verwerking worden menselijke fouten verminderd en wordt het verlies van producten tijdens het verwerkingsproces teruggebracht. De hogere verwerkingscapaciteit en consistentere kwaliteit versterken de concurrentiepositie van de Nederlandse glastuinbouw op de internationale markt. De technologie maakt het mogelijk om producten sneller en efficiënter te verwerken, wat resulteert in lagere productiekosten en hogere opbrengsten voor telers.
Deliverables Use Case 13
Betere verwerking door slimme technologie
Ontwikkeling van een autonoom transportsysteem voor geoogste gewassen
Integratie van sensoren voor kwaliteitscontrole tijdens verwerking
Verhoging van de verwerkingscapaciteit door snellere sorteermethoden
Verbetering van voedselveiligheid door nauwkeurige verwerking
Real-time kwaliteitscontrole door deep learning-modellen
Meerwaarde voor Human Capital
Meer kennis over robotgestuurde verwerking nodig
De implementatie van geautomatiseerde verwerking vraagt om nieuwe vaardigheden op het gebied van robotica, data-analyse en kwaliteitsbeheer. Telers en operators zullen zich moeten bijscholen in het kalibreren en onderhouden van robotsystemen. Extra expertise in het afstellen van sensoren en het analyseren van verwerkingsdata is nodig om de prestaties van het systeem te optimaliseren. Daarnaast vereist het gebruik van deep learning-technologie nieuwe inzichten in het programmeren en trainen van AI-modellen voor realtime verwerking.
Neem contact met ons op
Meer weten over dit project? Neem contact met ons op via onderstaand contactformulier en we praten je graag bij.