Op deze pagina is meer informatie te vinden rond bedrijfscases binnen het domein van landbouw en biologie. Hieronder ziet u alvast enkele mogelijke toepassingen.

(Figuur 1 : detectie tomatenplanten / automatische appelpluk / detectie van mijten)

Subcase 1: Case New Holland: Detectie van onzuiverheden, MOG (Material Other than Grain), tussen het gedorste graan via onzuiverheidsdetectie.

In deze case willen we nagaan of het mogelijk is het percentage verontreiniging bij het gepikdorste graan te bepalen door op zoek te gaan naar restanten van het pikdorsproces. Deze verontreinigingen worden omschreven als MOG = Material Other than Grain. Op deze manier wordt het mogelijk het proces bij te sturen en een optimaal rendement van graan in de graantank te bekomen (zie figuur 2).

(Figuur 2 : detectie van MOG tussen gedorste gewassen.)

Aangezien er tijdens de onzuiverheidsdetectie ook meteen multispectrale beelden worden opgenomen, zal in deze case zeker nagegaan worden hoe multispectrale informatie gebruikt kan worden om een meer robuustere detector te bouwen.

Subcase 2: Induct: Telling van rijpe/onrijpe aardbeien in het kader van precision farming.

Deze case stelt de vraag of het mogelijk is een telling uit te voeren bij aardbeien, uitgaande dat men een onderscheid kan maken tussen rijpe en onrijpe aardbeien. Dit alles in het kader van precision farming.

(Figuur 3 : detectie van rijpe en onrijpe aardbeien.)

Subcase 3: Biobest: Detectie van roofmijten op kweekbodem. (In samenwerking met thesisstudent)

Bij biobest worden referentiemetingen gedaan op het kweken van mijten. Een manuele telling moet referentie staan voor het gemiddelde aantal mijten dat gekweekt wordt per petrischaal. Echter in heel wat gevallen is het onderscheid tussen het fermiculiet en de mijten zo goed als onbestaand. We gaan in deze case na of hyperspectrale informatie een oplossing kan bieden.

(Figuur 4 : detectie van mijten in petrischaaltjes.)