Overzicht
DigiFarm is een Noors ag-tech bedrijf (opgericht in 2019) dat AI-aangedreven oplossingen voor precisielandbouw ontwikkelt door middel van geavanceerde satellietgegevensanalyse. Door gebruik te maken van Diepe neurale netwerken Super-oplossen Sentinel-2-beelden (van 10 m tot 1 m), levert het bedrijf hoogst nauwkeurig, Jaarlijks bijgewerkte veldgrenzen en gezaaide oppervlaktegegevens, die een cruciale basis vormen voor de besluitvorming in de hele landbouwwaardeketen.
De oplossingen dienen boeren en adviseurs B2B- en B2G-klanten, waaronder Aanbieders van software voor landbouwbedrijfsbeheer, verzekeraars, financiële instellingen, grondstoffenhandelaren, overheden en IoT- en roboticabedrijven. De belangrijkste marktbehoefte van DigiFarm is toegang tot nauwkeurige, actuele veldgegevens, die vaak ontbreken in traditionele en verouderde kadastrale systemen.
Aan valideren de nauwkeurigheid en real-world toepasbaarheid van zijn gegevens, met name voor gebruik in autonome machines en veldrobotica, vereist DigiFarm onafhankelijke tests in operationele landbouwomgevingen. De agrifoodTEF Poolse knoop op voorwaarde dat de nodige infrastructuur en voorwaarden om robuuste, real-world validatie uit te voeren en de betrouwbaarheid en machinegereedheid van zijn oplossingen zonder voorafgaande investering in zijn eigen testfaciliteiten.
Polen
- Akkerbouw
- Voedselverwerking
- Broeikas
- Tuinbouw
- Veehouderij
- Gewassen van bomen
- Wijnbouw
De uitdaging
DigiFarm benodigd betrouwbaar, onafhankelijk validatie van zijn AI-gestuurde veldgrensgegevens onder reële landbouwomstandigheden. Hoewel de modellen goed presteerden in analytische en laboratoriumomgevingen, was dit onvoldoende om aan te tonen hoe nauwkeurig de gegevens konden worden vertaald in uitvoerbare paden en gevolgd door autonome machines in operationele omgevingen.
Deze validatie was van cruciaal belang voor zowel het bedrijf als zijn klanten. Autonome robots en IoT-gebaseerde veldoperaties zich te baseren op nauwkeurige, up-to-date grensgegevens voor veilig en efficiënte navigatie.
Het is van cruciaal belang dat wordt aangetoond dat de van satellieten afgeleide grenzen van DigiFarm rechtstreeks door systemen van derden kunnen worden gebruikt en nauwkeurig in het veld kunnen worden uitgevoerd. ontsluiten van nieuwe marktkansen op het gebied van robotica en gebouw vertrouwen in de reële prestaties van de oplossing.
Zonder toegang tot landbouw robots, testvelden, gekalibreerde sensoren, historische gegevens, en onafhankelijk telemetrie-analyse, beschikte DigiFarm niet over de infrastructuur om de prestaties objectief te meten en klanten geloofwaardig bewijs te leveren. Het intern opschalen van een dergelijke validatie zou aanzienlijke tijd, kosten en investeringen hebben gekost.
De agrifoodTEF-service
DigiFarm maakte gebruik van agrifoodTEF als een one-stop-shop die gecoördineerde toegang biedt tot veldtests, datageneratie, AI-validatie en geavanceerde computermogelijkheden. Alle drie Poolse partners werkten op een geïntegreerde manier, waardoor consistentie, efficiënte uitvoering, en naadloze samenwerking gedurende het hele project.
De steun was gericht op het mogelijk maken van real-world validatie van de technologie van DigiFarm door vertalen its van satellieten afgeleide veldgrenzen in uitvoerbare paden voor autonome systemen en het verifiëren van hun prestaties onder operationele omstandigheden. Dit omvatte end-to-end testen met een landbouwrobot, die gegevensintegratie, systeemconfiguratie en uitvoering van grensgebaseerde navigatie in een echt veld omvat.
Parallel daaraan, agrifoodTEF leverde hoogwaardige landbouwgegevenssets, historische veldgegevens, en deskundige kennis ondersteuning van de ontwikkeling en validatie van modellen, naast toegang tot high-performance computing voor grootschalige verwerking en simulaties. De testactiviteiten combineerden veldexperimenten met gedetailleerde telemetrie-analyse, waarbij de nauwkeurigheid van het pad, het systeemgedrag en afwijkingen tussen geplande en uitgevoerde trajecten werden beoordeeld.
Dit veelomvattend, multidisciplinaire ondersteuning stelde DigiFarm in staat om zowel de analytische nauwkeurigheid als de praktische bruikbaarheid van zijn oplossing te valideren, wat aantoont dat zijn gegevens direct kunnen worden gebruikt door autonome machines in echte landbouwomgevingen.
Testen en gegevensverzameling van AI-gestuurde robotoplossingen: meer informatie
De impact
De samenwerking met agrifoodTEF voorzag DigiFarm van onafhankelijke, real-world validatie van zijn technologie, wat bevestigt dat zijn van satellieten afgeleide veldgrenzen kan naadloos worden geïntegreerd en nauwkeurig worden uitgevoerd door autonome systemen in operationele omstandigheden. Veldtesten aangetoond zeer hoge navigatieprecisie, met een minimale afwijking tussen geplande en werkelijke robotpaden, waarmee gekwantificeerd bewijs van prestaties wordt geleverd dat rechtstreeks met klanten kan worden gedeeld.
Deze validatie heeft DigiFarm aanzienlijk versterkt gereedheid van de markt, met name in het snelgroeiende segment van landbouwrobotica en IoT. Het heeft aangetoond dat de gegevens van de onderneming niet alleen analytisch nauwkeurig maar ook operationeel betrouwbaar, waardoor toepassingen in de praktijk mogelijk worden, zoals autonome navigatie en geofencing.
Tegelijkertijd identificeerde het testproces concrete productverbeteringen, waardoor toekomstige integraties en schaalbaarheid verder werden gestroomlijnd.
Een belangrijke toegevoegde waarde voor de klant was de rol van agrifoodTEF als geïntegreerd, one-stop-testecosysteem. De gecoördineerde ondersteuning, van toegang tot echte testvelden en datasets, via AI-validatie, tot geavanceerde computing en prestatieanalyse, stelde DigiFarm in staat om efficiënt te bewegen van concept tot geverifieerde oplossing zonder meerdere providers in te schakelen. Dit verminderde de tijd, kosten en complexiteit aanzienlijk.
Als gevolg daarvan, DigiFarm heeft zijn samenwerking met agrifoodTEF na het oorspronkelijke project voortgezet, het te behandelen als een strategische partner voor voortdurende validatie, optimalisatie en demonstratie van nieuwe dataproducten en use cases. Dit biedt een schaalbare en herhaalbare route verdere innovatie, uitbreiding naar autonome machines en toetreding tot nieuwe markten te ondersteunen.
