De activiteiten in het SMARAGD project
Het via een modelstudie scherp krijgen van ontwerpcriteria voor de dimensionering van een slimmer gemechaniseerd landbouwsysteem (de lengte en breedte van teelt- en rijstroken, de mechatronische eigenschappen van het machinepark), waarbij helder wordt welke dimensionering het beste perspectief biedt op doelen als bodemverdichting, minimaal gebruik van mineralen en gewasbeschermingsmiddelen, fysieke opbrengst en slagvaardigheid voor de ondernemer.
Ontwikkeling van een monitoringsyteem van kleine autonome voertuigen voor herkenning van onkruiden, aardappelopslag en gewasziekten. Hier wordt voortgebouwd op een innovatief beeldherkenningsconcept gebaseerd machine learning technology in ontwikkeling in een PhD-onderzoek bij WU-Farm Technology (Suh, 2016 en 2017).

Het vormgeven van autonoom verplaatsbare voertuigen op basis van een aandrijfsysteem dat rekening houdt met verschillende weers- en bodemomstandigheden en waarbij communicatie tussen de voertuigen onderling kan plaatsvinden.

Vertaling van monitoring naar realtime plaatspecifieke behandeling van onkruiden, aardappelopslag en ziekten, bijvoorbeeld via taakkaarten.

Het verbeteren van elektrische energie benutting van een autonoom voertuig via het concept van flexibel batterij management, waarbij verschillende accu soorten door elkaar gebruikt kunnen worden en dit geïntegreerd kan worden in een Smart Grid systeem op het niveau van het landbouwbedrijf. Dit is het Farmtronics onderdeel van het project.

Ontwikkeling van technieken voor zowel kerende als niet-kerende grondbewerking passend binnen een rijpaden-/strokenteeltsysteem waarbij vermenging met vastgereden bodem in rijpaden wordt voorkomen.
De ontwikkeling van een ‘rijpadenploeg’ of ook wel ‘ voorloze ploeg’ zijn direct na de start van het SMARAGD project in 2017 gestart. Het eerste prototype (zie nieuwsbericht) welke eind 2017 is getest, bleek onvoldoende aan de verwachtingen te voldoen. In 2018 is door Steverink Techniek gewerkt aan een tweede prototype (zie nieuwsbericht Akkerwijzer). Na de tweede test in 2018 bleek de kerende werking van de ploegscharen voldoende om de grasklaver onder te ploegen. Dit gold niet voor de eindvoor.
In 2019 wordt gewerkt aan het verder verbeteren van de kerende grondbewerking voor de twee eindvoren.
Ontwikkeling van een systeemontwerp dat de afvoer van grote volumes geoogst product (bijvoorbeeld suikerbieten, wortelen, aardappelen of uien) mogelijk maakt zonder bodemverdichting via het gebruik van meerdere kleinschalige en autonome machines. Er zal worden voortgebouwd op een studie van Leerstoelgroep Farm Technology (Schetters, 2014) naar de optimale dimensionering van mechanisatie bij oogst en transport van suikerbieten.
Het in de praktijk testen, evalueren, doorontwikkelen en demonstreren van prototypes in een field lab.

- Schetters K (2014) Analysing scale-size of agricultural machinery, a case study on sugar beet harvesters. MSc thesis Wageningen University & Research, Farm Technology Group
- Suh HK, Hofstee JW, Van Henten EJ (2016) Improved vegetation segmentation with ground shadow removal using an HDR camera. Precision Agriculture Journal (to appear)
- Suh HK, Hofstee JW, IJsselmuiden J, Van Henten EJ (2017) Improved Bag-of-Visual-Words model for the classification of sugar beet and volunteer potato under agricultural field conditions. Pending submission to Biosystems Engineering Journal