RoboWeedMaPS - Automatiseret genkendelse, kortlægning og variabel præcisionsbekæmpelse af ukrudt

Formålet er at sætte banebrydende forskning i Deep Learning (DL) og Big Data i spil og derved opnå betydelige herbicid-besparelser. De kommercielle partnere spænder bredt fra udviklere af sensor- og deep learning systemer over beslutningssystemer til bekæmpelse af ukrudt, Farm Management Information Systems (FMIS) og nye marksprøjter, som kan sammensætte herbiciddoser stedsspecifikt, både ud fra kort og i real-time . Forskning bidrager med optimering af DL, regnemodeller, som kan prediktere fremtidige ukrudtsbestande og sociologiske undersøgelser af landmænds reaktioner på den ny teknologi. Der udvikles produkter, som kan anvendes både individuelt og integreret. Sidstnævnte medfører betydelige synergier og “fit”, idet der opnåse en sammenhængende kæde af: detektering af ukrudt ? lagring i FMIS (til støtte i kommende afgrøder) ? optimeret valg af herbicider og doser ? signaler til sprøjte controller ? dokumentation af herbicid-produkter og mængder til FMIS. Samtidig reduceres herbicidforbruget med 20-80% , afhængig af afgrøder og af teknologi-niveau (mark- eller sted-specifik behandling). Generiske kvaliteter i alle produkter gør dem velegnet til eksport via netværk i EU, som allerede er etableret.