Divisjon for matproduksjon og samfunn
TEKNOPOTET - Ny teknologi for økt presisjon i produksjon og lagring av små matpoteter
Slutt: des 2027
Start: jan 2024
Forbruket av matpoteter er i senere tid dreid mot en økt andel små matpoteter, såkalt delikatessepoteter. Hovedmålet for prosjektet er å utvikle ny kunnskap, teknologi og verktøy for økt presisjon i dyrking og lagring av slike småpoteter. Formålet er at markedet for småpoteter i størst mulig grad skal kunne dekkes av norske småpoteter med rett kvalitet. For at produksjonen skal være lønnsom må antall knoller per plante økes, knollene må ha rett størrelse og være mest mulig jevnstore, og lagringsstrategiene må tilpasses poteter som er små og pakkes tettere i kassene.
| Status | Pågående |
| Start- og sluttdato | 01.01.2024 - 31.12.2027 |
| Prosjektleder | Eldrid Lein Molteberg |
| Divisjon | Divisjon for matproduksjon og samfunn |
| Avdeling | Frukt og grønt |
| Samarbeidspartnere | Bama, Gartnerhallen, Agdir, Brødr. Freberg, Norgro og 5 potetprodusenter |
| Finansieringskilde | Forskningsmildene for jordbruk og matindustri, Grofondet og egeninnsats fra samarbeidspartnere |
Prosjektet skal øke presisjonen i dyrking og lagring av småpoteter gjennom å kombinere ny teknologi og ny kunnskap om fysiologisk status og utvikling av poteter. Prosjektet vil blant annet ha fokus på økt presisjon i forbehandling av settepotetene, gjennom ny kunnskap om betydningen av lys/led-lys og midler for spirekontroll på fysiologisk kvalitet og knollansett. Prosjektet vil også fokusere på knollansett i forhold til jordfuktighet, og på utvikling av modeller for fjernmåling av vannbehov gjennom bruk av droner og jordfuktsensorer. God kvalitet ut fra lager er også svært viktig. Prosjektet skal gi økt kunnskap om hvordan målinger med innovative ikke-destruktive metoder, sammen med dyrkingsdata og andre kvalitetsdata, kan brukes i modeller for å forutsi kvaliteten etter lagring.
Prosjektet er samlet forventet å gi nye verktøy, blant annet for kontroll og styring av jordfuktighet i sesongen, og for prediksjon av potetkvaliteten etter lagring. Prosjektet skal også utvikle veiledninger for bruk ved dyrking og lagring av småpotet, med særlig fokus på strategier for forbehandling, vanning, knolltilvekst og høsting, og lagring.
Publikasjoner i prosjektet
Sammendrag
Neural Radiance Fields (NeRF) have been widely adopted for reconstructing high-quality 3D scenes from 2D RGB images. However, achieving accurate 3D object segmentation within these reconstructed scenes remains challenging. Existing NeRF-based segmentation methods either rely on post-processing (SA3D), which produces noisy point clouds due to the absence of density field optimization, or employ joint training with additional segmentation heads (FruitNeRF), which can lead to suboptimal performance due to conflicting learning objectives. In this work, we propose InvNeRF-Seg (Input-substitution NeRF for Segmentation), a two-stage fine-tuning strategy for 3D object segmentation that preserves the original NeRF architecture and loss function entirely. We first train a standard NeRF on RGB images and then fine-tune it using 2D segmentation masks formatted as RGB-like inputs, without introducing any architectural modifications or additional loss functions. This input-substitution approach reshapes the density field to align with object regions while suppressing background density. We validate InvNeRF-Seg through comprehensive ablation studies examining the roles of density and color MLPs, loss function choices, and training strategies. Field density analysis reveals consistent semantic refinement: densities of object regions increase while background densities are suppressed. Experiments on synthetic fruit datasets and real-world soybean imagery demonstrate that InvNeRF-Seg produces cleaner 3D segmented point clouds compared to both SA3D and FruitNeRF, enabling more accurate downstream object counting. The method is further validated on a self-collected soybean dataset to demonstrate its applicability in real-world agricultural scenarios.
Sammendrag
Det er ikke registrert sammendrag
Forfattere
Pia Heltoft ThomsenSammendrag
Det er ikke registrert sammendrag
Sammendrag
Interpreting multi-component 1H NMR spectra is difficult due to peak overlap, concentration variability, and low-abundance signals. We cast mixture identification as a single-pass multi-label task. A compact CNN–Transformer (“Hybrid”) model was trained end-to-end on domain-informed and realistically simulated spectra derived from a 13-component flavor library; the model requires no real mixtures for training. On 16 real formulations, the Hybrid attains micro-F1 = 0.990 and exact-match (subset) accuracy = 0.875, outperforming CNN-only and Transformer-only ablations, while remaining efficient (~0.47 M parameters; ~0.68 ms on GPU, V100). The approach supports abstention and shows robustness to simulated outsiders. Although the evaluation set was small, and the macro-ECE (per-class, 15 bins) was inflated by sparse classes (≈0.70), the micro-averaged Brier is low (0.0179), and temperature scaling had negligible effect (T ≈ 1.0), indicating the good overall probability quality. The pipeline is readily extensible to larger libraries and adjacent applications in food authenticity and targeted metabolomics. Classical chemometric baselines trained on simulation failed to transfer to real measurements (subset accuracy 0.00), while the Hybrid model maintained strong performance.
Forfattere
Pia Heltoft ThomsenSammendrag
Det er ikke registrert sammendrag
Forfattere
Eldrid Lein MoltebergSammendrag
Presentasjon av to prosjekter
Foredrag – Resultater fra lagringsforsøk i Teknopotet WP3
Pia Heltoft Thomsen, Eldrid Lein Molteberg
Sammendrag
Gjennomgang av resultater fra WP3.2 Småskala og storskala forsøk (kvalitetsdata + temperatur- og fuktighetsdata) Evaluering av forsøkene – Innspill til eventuelle endringer til neste sesong Resultater fra WP3.3 Prediksjon av lagringsevne
Forfattere
Pia Heltoft ThomsenSammendrag
Det er ikke registrert sammendrag
Forfattere
Pia Heltoft ThomsenSammendrag
Det er ikke registrert sammendrag
Forfattere
Pia Heltoft ThomsenSammendrag
Markvandring på Apelsvoll markdag
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Nasjonalt lunsjforedrag om potet for NLR-medlemmer på Teams.
Forfattere
Jørgen A.B. MølmannSammendrag
Omvisning med orientering om potetforsøk ved BIologisk klimalaboratorium i Tromsø
Forfattere
Jørgen A.B. MølmannSammendrag
Orientering om feltforsøk med LED-lysgroing og fysiologisk aldring