Multispektral overvåking og AI-basert avlingsprognose

Kan droner og kunstig intelligens gi fruktprodusenter bedre avlingsprognoser og tidligere varsling om stress og sykdom?

Oppsummering

Sist oppdatert/publisert
13
/
07
/
26
Prosjekteier
Prosjektleder
SkyAgro v/Nadezda Artemjeva
Prosjektperiode
2026 - 2027

Oppsummering

Sist oppdatert
13
/
07
/
26
Prosjekteier
Prosjektleder
SkyAgro v/Nadezda Artemjeva
Prosjektperiode
2026 - 2027

Norsk fruktproduksjon er i stor grad basert på manuelle metoder for avlingsprognoser og oppfølging i felt. Dette gir usikkerhet i estimater og påvirker planlegging og økonomi i hele verdikjeden. Flere av Gartnerhallens produsenter etterspør bedre verktøy for å kunne levere mer presise prognoser, samt oppdage plantestress og sykdom tidligere.

SkyAgro er et nyetablert teknologiselskap som ønsker å utvikle en kommersiell tjeneste basert på multispektrale droner og AI-baserte analyser. Prosjektet er i en tidlig utviklingsfase og skal fungere som en første validering av både teknologi og forretningsmodell. Prosjektet er forankret hos tre av Gartnerhallens fruktprodusenter i Lier: Harald Oskar Buttedal, Ragnar Swift og Grethe Bergflødt Sylling.

Teknologisk har prosjektet valgt drone-plattform, men den sentrale AI-komponenten for avlingsprognose er ennå ikke utviklet. Denne skal enten utvikles i samarbeid med ekstern aktør eller bygges opp selv basert på data samlet inn i prosjektet. Prosjektet skal derfor i stor grad avklare om teknologien gir tilstrekkelig presisjon og praktisk nytte under norske forhold.

Hovedmål

Etablere en operativ AgTech-tjeneste basert på multispektral droneovervåking og AI-prognose, som dokumentert øker verdiskapingen og bærekraften i norsk fruktproduksjon gjennom samarbeid med Gartnerhallen-produsenter.

Hvordan skal det gjøres:

Prosjektet gjennomføres som et pilotprosjekt med utprøving på tre fruktgårder.

1. Gjennomføre multispektrale droneflygninger gjennom sesongen

2. Analysere data (NDVI, NDRE m.m.) for å kartlegge avling og plantestatus

3. Utvikle og teste AI-baserte prognosemodeller

4. Validere prognoser mot faktisk avling 5. Utvikle grunnlag for en kommersiell tjeneste

Relevante prosjekter

Relevante nyheter