BerryAI

Möt teamet!

I Sverige har traditionen med att plocka vilda bär en både ekonomisk och kulturell betydelse, särskilt genom att tillhandahålla viktiga näringsämnen i regioner där färska produkter är bristvara. Praktiken står dock inför hållbarhetsutmaningar, då den är starkt beroende av arbetsintensiva metoder som medför betydande koldioxidutsläpp. Detta beror på den årliga transporten av cirka 10 000 bärplockare från Thailand, vilket genererar minst 4 950 kg CO₂ per enkelresa. Detta beroende av utländsk arbetskraft bidrar inte bara till miljöförstöring utan skapar även problem i ljuset av restriktiva invandringspolicys, liknande de som nyligen införts i Finland.

Syfte

Projektet ”BerryAI” föreslår skapandet av ett robust maskininlärningsramverk för detektion och klassificering av viktiga vilda bärarter – blåbär, lingon, hjortron och kråkbär – genom att utnyttja den senaste tekniken inom konvolutionella neurala nätverk (CNN). Projektet kommer att generera en omfattande datamängd för att träna dessa modeller, utveckla kamerasensorbaserade perceptionssystem för att identifiera optimala uppställningar samt integrera dessa teknologier i en prototyp för fälttester.

Detta hållbara tillvägagångssätt syftar till att minska koldioxidavtrycket som är förknippat med bärplockning, minska beroendet av säsongsarbetskraft och förbättra avkastningsdetektionen av vilda bär. Genom att anpassa sig till behoven hos lokala små och medelstora företag (SMF) och den bredare jordbrukssektorn, strävar BerryAI efter att säkerställa långsiktig hållbarhet och effektivitet. Projektet bidrar därmed väsentligt till den lokala ekonomin och sätter en ny standard för globala jordbruksmetoder.

Varaktighet

1 september 2024 – 31 augusti 2025

Finansierat av NorrlandsNavet

Projektpartners

• Elva Sustainable Systems
• Burliden Lantbruk
• Norrskensbär