Aarhus Universitets segl

SmartLarva

Titel: SmartLarva: Smart overvågning og realtidsanalyse af udvikling af sorte soldaterfluelarver med computervision og sensorløsninger

Bevillingsgiver: Innovationsfonden - Grand Solutions

AU projektleder: Tenure Track adjunkt Grum Gebreyesus (PI, QGG)

Deltagere:

  • Tenure Track adjunkt Quentin Geissmann (AU-QGG, WP lead)
  • Postdoc Laura Skrubbeltrang Hansen (AU-QGG, WP lead),
  • Christian Nielsen (SKOV A/S)
  • Postdoc Sumesh Sethumadhavan Nair (AU-QGG, Participant)

Samarbejdspartnere

  • Enorm (Toke Munk Schou, WP lead)
  • Better Insect Solutions (Lars-Henrik Lau Heckmann, WP lead)
  • SKOV A/S (Simon Johansen, participant)

Samlet projektperiode: 2025 - 2028

Bevillingsbeløb: 6.184.302,00 DKK

Projektbeskrivelse

Det presserende behov for bæredygtige proteinkilder, drevet af global befolkningstilvækst og klimaproblemer, øger interessen for insektopdræt, især produktion af sort soldaterflue (BSF). På trods af fremskridt er industrien stadig i sin vorden og står over for udfordringer med effektivitet og skalerbarhed på grund af begrænsede teknologiske løsninger og biologisk indsigt. Den nuværende praksis er afhængig af manuelle vurderinger for produktionsbeslutninger, som er utilstrækkelige, hvilket fører til reduceret effektivitet, øget spild og øget miljøpåvirkning. Derudover hindrer manglen på pålidelige fænotypeværktøjer implementering af ​​genetiske forbedringer, der er afgørende for en robust produktion.

SmartLarva løser disse udfordringer ved at levere to TRL7-løsninger til at optimere produktionen, reducere spild og forbedre udbyttekonsistensen: et distribueret trådløst indbygget visionsystem til sporing af larvernes vækst og adfærd, og en fænotypeplatform til realtidsrangering af kandidater til selektiv avl og kønsklassificering af larver. Projektet integrerer kamera- og sensorteknologier med innovativ systemarkitektur og algoritmer gennem gentagende trin med kravdefinition, prototypeudvikling og test i laboratorie- og landbrugsmiljøer. Disse løsninger vil blive implementeret hos Enorm, hvilket muliggør forbedringer under reelle produktionsforhold, mens brugergrænseflader vil forbedre kontrolsystemerne og bane vejen for en salgbar BSF-overvågnings- og fænotypeløsning i industriel skala.