Optimerad grovfoderproduktion baserad på robotik och artificiell intelligens.

Grovfoder representerar de viktigaste grödorna i norra Sverige och omfattar mer än 70 % av all jordbruksmark. Produktionsförmågan av dessa grödor påverkar hela livsmedelsystemet då de är den huvudsakliga källan för foder till idisslare som är basen för matproduktionen. Att förbättra praxis för grovfoderproduktionen baserat på relevant digital information skulle öka effektiviteten inom både mjölk- och köttproduktion. 

Olika tekniker baserat på fjärranalys erbjuder relevanta lösningar för det tillämpade jordbruket. Satellitbilder har en bred geografisk upptagning med en moderat eller grov pixelstorlek (vanligen kring 10 x 10 m). Drönare är en annan metod för att leverera högt upplöst spatial information om grödor, dock är de begränsade av väderförhållandena, den restriktiva lagstiftningen och en väldigt begränsad nyttolast (vikt).

Obemannade markfordon (UGVs) är ett intressant alternativ till drönare. UGVs är inte påverkade av de ovan nämnda faktorerna och kan bli ett effektivt redskap för att hjälpa producenterna i deras dagliga beslutstagande. Dessutom kan utvecklingen av billiga hårdvarukomponenter och öppen källkod algoritmer leda till utvecklingen av kostnadseffektiva UGVs designade för jordbruket. Syftet med detta projekt är att utvärdera hur UGVs skulle kunna bli ett verktyg för förbättrad produktion av grovfodergrödor.

En UGV ska utvecklas och utrustas med en rad olika sensorer under den första halvan av 2022 och testas i fältförhållanden under den andra halvan av 2022 för att (i) rapportera potentialen och begränsningarna av UGVs som en plattform för sensorer och (ii) utvärdera noggrannhet och hur robust olika sensorer är i att insamla relevant agronomisk information, såsom klöverinnehåll, produktion av biomassa, vinteröverlevnad och kväveinnehåll.

Processen kommer att vägledas av en referensgrupp och framstegen och resultaten kommer förmedlas till, finansiärer och potentiella innovations partners.