API src

Found 343 results.

Related terms

EIFAC - Convenor, Ad hoc Working Party on Mapping of Fish Distribution and Aquatic Habitat Quality

Das Projekt "EIFAC - Convenor, Ad hoc Working Party on Mapping of Fish Distribution and Aquatic Habitat Quality" wird/wurde gefördert durch: United Nations, Food and Agriculture Organization. Es wird/wurde ausgeführt durch: Staatliches Museum für Naturkunde Stuttgart, Abteilung Zoologie.

Aufwand und Qualitaet im Weinbau

Das Projekt "Aufwand und Qualitaet im Weinbau" wird/wurde gefördert durch: Bayerisches Staatsministerium für Landwirtschaft und Forsten. Es wird/wurde ausgeführt durch: Bayerische Landesanstalt für Weinbau und Gartenbau.Langfristige Auswirkungen unterschiedlicher Intensitaetsstufen, insbesondere bei der Anwendung von Pflanzenschutzmitteln, mineralischen Duengemitteln und Unkrautbekaempfungsmitteln auf den Boden (Struktur; Humusgehalt; Naehrstoffgehalt), auf die Rebe (vegetative Entwicklung und Ertragsleistung) sowie auf die Qualitaet der Trauben und des Weines (Geruch, Geschmack, Inhaltsstoffe).

Gehalte an Nitrat, Nitrit, Bakterien und der Vitamine A und C bei frischem und unterschiedlich gelagertem Blattgemuese unter Beruecksichtigung von Duengungsvarianten

Das Projekt "Gehalte an Nitrat, Nitrit, Bakterien und der Vitamine A und C bei frischem und unterschiedlich gelagertem Blattgemuese unter Beruecksichtigung von Duengungsvarianten" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Universität Gießen, Institut für Mikrobiologie und Landeskultur.

KI für nachhaltige Lebensmittelqualität in Lieferketten, Teilprojekt G

Das Projekt "KI für nachhaltige Lebensmittelqualität in Lieferketten, Teilprojekt G" wird/wurde gefördert durch: Bundesministerium für Ernährung und Landwirtschaft. Es wird/wurde ausgeführt durch: Sauels frische Wurst GmbH Fleischwaren & Co. KG.Ziel des Vorhabens KINLI ist es, einen durch KI ermöglichten prädiktiven Ansatz zur Sicherstellung nachhaltiger Lebensmittelqualität zu konzipieren, diesen in einer Plattform zu implementieren sowie das Konzept und die Plattform in praxisrelevanten Use Cases (UCs) zu demonstrieren und zu validieren. Dies unterstützt die nachhaltige Gestaltung von Lebensmittelketten. Das Vorhaben fokussiert die Fleischbranche, das Konzept wird aber übertragbar gestaltet. Es wird demonstriert anhand der Verknüpfung von Produktionsdaten und der KI-basierten frühzeitigen Erkennung von Problemfällen, die relevant für die Lebensmittelsicherheit sind (UC1), sowie der Erkennung und Bewertung der Aufzucht- und Haltungsbedingungen durch Deep-Learning-Verfahren (UC2).

KI für nachhaltige Lebensmittelqualität in Lieferketten, Teilprojekt F

Das Projekt "KI für nachhaltige Lebensmittelqualität in Lieferketten, Teilprojekt F" wird/wurde gefördert durch: Bundesministerium für Ernährung und Landwirtschaft. Es wird/wurde ausgeführt durch: Kolsert KG.Ziel des Vorhabens KINLI ist es, einen durch KI ermöglichten prädiktiven Ansatz zur Sicherstellung nachhaltiger Lebensmittelqualität zu konzipieren, diesen in einer Plattform zu implementieren sowie das Konzept und die Plattform in praxisrelevanten Use Cases (UCs) zu demonstrieren und zu validieren. Dies unterstützt die nachhaltige Gestaltung von Lebensmittelketten. Das Vorhaben fokussiert die Fleischbranche, das Konzept wird aber übertragbar gestaltet. Es wird demonstriert anhand der Verknüpfung von Produktionsdaten und der KI-basierten frühzeitigen Erkennung von Problemfällen, die relevant für die Lebensmittelsicherheit sind (UC1), sowie der Erkennung und Bewertung der Aufzucht- und Haltungsbedingungen durch Deep-Learning-Verfahren (UC2).

KI für nachhaltige Lebensmittelqualität in Lieferketten, Teilprojekt D

Das Projekt "KI für nachhaltige Lebensmittelqualität in Lieferketten, Teilprojekt D" wird/wurde gefördert durch: Bundesministerium für Ernährung und Landwirtschaft. Es wird/wurde ausgeführt durch: Hochschule Offenburg - Hochschule für Technik, Wirtschaft und Medien, Institute for Machine Learning and Analytics.Ziel des Vorhabens KINLI ist es, einen durch KI ermöglichten prädiktiven Ansatz zur Sicherstellung nachhaltiger Lebensmittelqualität zu konzipieren, diesen in einer Plattform zu implementieren sowie das Konzept und die Plattform in praxisrelevanten Use Cases (UCs) zu demonstrieren und zu validieren. Dies unterstützt die nachhaltige Gestaltung von Lebensmittelketten. Das Vorhaben fokussiert die Fleischbranche, das Konzept wird aber übertragbar gestaltet. Es wird demonstriert anhand der Verknüpfung von Produktionsdaten und der KI-basierten frühzeitigen Erkennung von Problemfällen, die relevant für die Lebensmittelsicherheit sind (UC1), sowie der Erkennung und Bewertung der Aufzucht- und Haltungsbedingungen durch Deep-Learning-Verfahren (UC2).

KI für nachhaltige Lebensmittelqualität in Lieferketten, Teilprojekt C

Das Projekt "KI für nachhaltige Lebensmittelqualität in Lieferketten, Teilprojekt C" wird/wurde gefördert durch: Bundesministerium für Ernährung und Landwirtschaft. Es wird/wurde ausgeführt durch: Hochschule Niederrhein University of Applied Sciences, Fachbereich Oecotrophologie.Ziel des Vorhabens KINLI ist es, einen durch KI ermöglichten prädiktiven Ansatz zur Sicherstellung nachhaltiger Lebensmittelqualität zu konzipieren, diesen in einer Plattform zu implementieren sowie das Konzept und die Plattform in praxisrelevanten Use Cases (UCs) zu demonstrieren und zu validieren. Dies unterstützt die nachhaltige Gestaltung von Lebensmittelketten. Das Vorhaben fokussiert die Fleischbranche, das Konzept wird aber übertragbar gestaltet. Es wird demonstriert anhand der Verknüpfung von Produktionsdaten und der KI-basierten frühzeitigen Erkennung von Problemfällen, die relevant für die Lebensmittelsicherheit sind (UC1), sowie der Erkennung und Bewertung der Aufzucht- und Haltungsbedingungen durch Deep-Learning-Verfahren (UC2).

KI für nachhaltige Lebensmittelqualität in Lieferketten, Teilprojekt E

Das Projekt "KI für nachhaltige Lebensmittelqualität in Lieferketten, Teilprojekt E" wird/wurde gefördert durch: Bundesministerium für Ernährung und Landwirtschaft. Es wird/wurde ausgeführt durch: Fraunhofer-Institut für Angewandte Informationstechnik.Ziel des Vorhabens KINLI ist es, einen durch KI ermöglichten prädiktiven Ansatz zur Sicherstellung nachhaltiger Lebensmittelqualität zu konzipieren, diesen in einer Plattform zu implementieren sowie das Konzept und die Plattform in praxisrelevanten Use Cases (UCs) zu demonstrieren und zu validieren. Dies unterstützt die nachhaltige Gestaltung von Lebensmittelketten. Das Vorhaben fokussiert die Fleischbranche, das Konzept wird aber übertragbar gestaltet. Es wird demonstriert anhand der Verknüpfung von Produktionsdaten und der KI-basierten frühzeitigen Erkennung von Problemfällen, die relevant für die Lebensmittelsicherheit sind (UC1), sowie der Erkennung und Bewertung der Aufzucht- und Haltungsbedingungen durch Deep-Learning-Verfahren (UC2).

Einsatz der anodischen Oxidation bei der Lebensmittelverarbeitung und in der Brauerei

Das Projekt "Einsatz der anodischen Oxidation bei der Lebensmittelverarbeitung und in der Brauerei" wird/wurde ausgeführt durch: Institut für Biomedizinische Technik.An der Qualitaet des zur Herstellung und zur Verarbeitung von Lebensmitteln und Getraenken verwendeten Wassers muessen aus chemischer und mikrobiologischer Sicht hoechste Anforderungen gestellt werden. Die strengen Vorschriften der TVO und und der neuen EWG-Richtlinien genuegen oft nicht, um eine Kontamination durch pathogene Keime und Viren im Wasser beim Herstellungsprozess zu verhindern, wobei eine Schaedigung des Produktes oder eine gesundheitliche Beeintraechtigung des Konsumenten moeglich wird. Die anodische Oxidation spezifiziert in Stabgitterbuendelelektroden konnte als neues Wasserdesinfektionsverfahren aufgrund seiner in vielen Untersuchungen gestuetzten entkeimenden, viruseliminierenden und desodorierenden Wirkung durch Elektrodenentzug in diesen Bereichen eingesetzt werden, bzw. wurde in mehreren Faellen fuer Wasserdesinfektionsanlagen projektiert.

Innovative und abfallvermeidende Systemlösungen für das verpackungsfreie Einkaufen von Lebensmitteln, Teilprojekt A

Das Projekt "Innovative und abfallvermeidende Systemlösungen für das verpackungsfreie Einkaufen von Lebensmitteln, Teilprojekt A" wird/wurde gefördert durch: Bundesministerium für Ernährung und Landwirtschaft. Es wird/wurde ausgeführt durch: Ökopol Institut für Ökologie und Politik GmbH.Das Vorhaben InNoPack verfolgt das Kernziel einen Beitrag zu Ressourcenschonung und nachhaltiger Entwicklung zu leisten, indem innovative und abfallvermeidende Systemlösungen für den verpackungslosen Verkauf von Lebensmitteln entwickelt werden. Damit durch Verzicht auf Verpackung ein solcher Beitrag zur nachhaltigen Entwicklung und zu einem ökologisch verträglicheren Lebensmittelkonsum geleistet werden kann, sind verschiedene Faktoren zu berücksichtigen, welche sich in den Teilzielen des Vorhabens wiederfinden: 1) Alternative Verpackungskonzepte bzw. Unverpackt-Lösungen können bzw. dürfen nicht erst im Einzelhandel beginnen. Aus diesem Grund sollen die dem Lebensmitteleinzelhandel vorgeschaltete Kette von Pack- und Logistikprozessen untersucht werden, um Anpassungsmöglichkeiten zu identifizieren, die Ressourcen einsparen und Lebensmittelverluste minimieren. 2) Zu den Kernanforderungen an Verpackungen gehören der Schutz vor mechanischen, biologischen, chemischen Einflüssen und die Gewährleistung einer Mindesthaltbarkeit. Der Umstieg auf 'unverpackt' und Mehrweggebinde kann diesbezüglich eine große Herausforderung darstellen. Vor diesem Hintergrund bezieht sich das zweite Teilziel auf die Berücksichtigung der Vermeidung von Lebensmittelabfällen oder Reduzierungen der Qualität von Lebensmitteln bei der Entwicklung von Unverpackt-Konzepten. 3) Das grundsätzliche Potential zur Vermeidung von Verpackungsabfällen und Verringerung der ökologischen Wirkungen durch Unverpackt-Lösungen kann nur gehoben werden, wenn die Lösungen von den Kund*innen in der Breite akzeptiert werden. Das dritte Teilziel stellt von daher auf die Entwicklung von Konzepten ab, welche Verbrauchwünsche berücksichtigen und somit für die Breite der Kund*innen geeignet sind und nicht nur auf Nischenanwender (bspw. LOHAS) abzielen.

1 2 3 4 5 … 33 34 35