Sensor- en camerasysteem voor biodiversiteitsherkenning op maaimachines

Groenvoorziening Van der Werf voert bermbeheer uit met John Deere-tractoren voorzien van een maai-arm. Biodiversiteit in de bermen moet in kaart worden gebracht en aantoonbaar worden verbeterd. Op dit moment gebeurt dit handmatig en/of achteraf. Het meerjarige einddoel is een geautomatiseerd systeem dat tijdens het maaien flora herkent en exact lokaliseert.

Deze opdracht richt zich op de technische fundering: welke sensoren en camerasystemen zijn geschikt voor montage op een rijdende maaimachine, onder welke randvoorwaarden functioneren ze betrouwbaar, en hoe wordt exacte plaatsbepaling van waarnemingen gerealiseerd. De opdracht is de eerste bouwsteen van een meerjarig traject en levert de technische basis waarop vervolgopdrachten voortbouwen.

Een onderbouwd technisch ontwerp opleveren voor het sensor- en cameragedeelte van een geautomatiseerd biodiversiteitsherkenningssysteem op de maaimachines van Van der Werf, inclusief keuzes rond plaatsbepaling en dataoverdracht.

Verwachte deliverables

• Requirementsdocument met functionele en niet-functionele eisen aan het cameragedeelte (beeldkwaliteit, framerate, trillings- en weersbestendigheid, montagepositie, voedingsspanning, beschermingsklasse).
• Vergelijkend onderzoek naar geschikte camerasystemen (RGB, multispectraal, stereo, hyperspectraal waar relevant) met een onderbouwde shortlist en eindadvies.
• Vergelijkend onderzoek naar positiebepaling (GNSS/GPS, RTK-GPS, IMU-integratie, sensor fusion) met een onderbouwd advies over de haalbare nauwkeurigheid in bermomgeving en de kosten- en complexiteitsconsequentie.
• Technisch ontwerp van het totale sensorsysteem op voertuigniveau: bedrading, montage, dataflow van sensor naar rekenunit, voedingsbudget, synchronisatie tussen camera en positiedata.
• Analyse van de dataoverdracht: edge versus cloud, bandbreedtebehoefte, latency-eisen, keuze en onderbouwing van de connectiviteit (4G/5G, lokale opslag, hybride).
• Proof-of-concept of demonstratie-opstelling waarin minimaal één camera en één positioneringsoplossing gekoppeld data registreren onder representatieve omstandigheden.

Verwachtingen vanuit de opdrachtgever
Van der Werf levert toegang tot de maaimachines en chauffeurs, meedenkt over praktische montage en veiligheid, en faciliteert testmomenten in het veld. De opdrachtgever verwacht realistische, implementeerbare keuzes die passen bij een werkend bedrijf met operationele continuïteit. Investeringsadviezen moeten onderbouwd zijn met kosten, doorlooptijd en risico's.

Verwachtingen vanuit de CollabSpace
De student werkt vier dagen per week vanuit de Zernike CollabSpace en maakt deel uit van de multidisciplinaire leergemeenschap. De student werkt nauw samen met de Software Engineering-student die parallel aan de machine learning-kant werkt. Dit betekent gedeelde requirements, afgestemde interfaces en gezamenlijke deliverables waar de opdrachten elkaar raken. De student draagt bij aan de CollabSpace door kennis te delen, deel te nemen aan reviews en een bijdrage te leveren.

Profiel kandidaat
Student HBO Electrical Engineering, derde- of vierdejaars. Affiniteit met embedded systemen, sensortechniek en beeldacquisitie. Ervaring met of interesse in GNSS, RTK of vergelijkbare positioneringstechnieken. In staat om zelfstandig technisch onderzoek te doen en keuzes onderbouwd te presenteren.