Vernieuwende 'machine learning' en AI technieken voor monitoren van voedselkwaliteit (doctoraat)Investeren in duurzame voedselproductie en voedselzekerheid is relevanter dan ooit tevoren. De veehouderij is een belangrijke schakel in dit proces omdat ze laagwaardige voedingsstoffen, plantaardige vezels en reststromen kunnen omzetten in hoogwaardige eiwitten en andere voedzame nutriënten. Echter, om duurzamer te worden zal de veehouderijsector nog meer moeten inzetten op efficiëntie, dierenwelzijn en het houden van gezonde en veerkrachtige dieren. Deze transitie kan ondersteund worden met geavanceerde technologie om objectieve en gedetailleerde gegevens te verzamelen over de prestaties, de omgevingscondities en het gedrag van individuele dieren. Vernieuwende 'machine learning' en AI technologie kunnen zo gebruikt worden om de meest efficiënte en veerkrachtige dieren te selecteren, hun gezondheid en welzijn te monitoren, en veehouders te ondersteunen bij het verzorgen van de dieren.Het ‘Livestock Technology’ onderzoeksteam, onder leiding van prof. Ben Aernouts, ontwikkelt, implementeert en valideert innovatieve sensortechnologie en dataverwerkingsmethodes om het diermanagement te ondersteunen. Ons onderzoeksteam opereert vanuit de KU Leuven-campus in Geel en werkt nauw samen met verschillende onderzoekspartijen, de veehouderijsector en de verwerkende en toeleverende bedrijven.Optische sensoren worden vaak gebruikt in de agro-voedingssector om de productkwaliteit te meten en te monitoren. Bij de 'Livestock Technology'onderzoeksgroepvan de KU Leuven ontwikkelen we innovatieve spectrale sensoren om de samenstelling van rauwe melk te meten tijdens het melkproces. De verkregen informatie kan realtime worden gebruikt om melk te scheiden op basis van eigenschappen, waardoor de kwaliteit van de geleverde melk kan worden gewaarborgd of om een eindproduct met specifieke eigenschappen te creëren. Omdat de vorming van melk een belangrijk onderdeel is van het metabolisme van melkkoeien, die gepaard gaat met een zeer intense interactie met de bloedcirculatie, bevat de gewonnen melk ook waardevolle informatie over de gezondheidstoestand van de koe. Hierdoor kan de analyse van de melkbestanddelen voor elke individuele koe waardevolle informatie leveren over de uiergezondheid, de energiebalans en de voedingsstatus van het dier. Op basis van deze gegevens kan een veranderende gezondheidstoestand of een afwijkend welzijn vroegtijdig gedetecteerd worden en kan het gebruik van antibiotica worden verminderd door in een vroeg stadium te aandoening te behandelen en preventieve maatregelen te nemen.Net zoals alle proces-analytische technologieën zijn onze sensoren en hun gemeten spectrale gegevens ook onderhevig aan drift en structurele ruis. Deze afwijkingen kunnen het gevolg zijn van kleine afwijkingen in de hardware tussen verschillende sensoren, slijtage en onderhoud, veranderingen in de omgevingscondities of variaties in het diermanagement. Het hoofddoel van dit project is het reduceren van dezeruis en drift door het implementeren van robuuste methodes voor kalibratie,kalibratieoverdracht en kalibratieonderhoudop basis van vernieuwende 'machine learning' en artificiële intelligentie technieken. Uiteindelijk zal dit resulteren inmodellen die kunnen omgaan met veranderende omgevingscondities en omstandigheden en resulteren innauwkeurigere voorspellingen van de melkkwaliteitskenmerken op basis van de gemeten spectrale gegevens. De prestaties van deze voorspellingsmodellen zullen finaal worden geëvalueerd en verbeterd met behulp van een uitgebreide database met meer dan 200.000 nabij-infraroodspectra van melkmonsters die onze onderzoeksgroep de afgelopen drie jaren heeft verzameld. De enorme omvang van deze data en onze brede expertise op dit gebied zullen de basis vormen voor het bestuderen van de variatie van de sensormetingen en de uitkomsten van de modellen in relatie tot de melkkwaliteit en koegezondheid.Om dit data-georiënteerd onderzoek uit te voeren, is de 'Livestock Technology' onderzoeksgroep van de KU Leuven op zoek naar een gemotiveerde doctoraatskandidaat.houder bent van een MSc-diploma (met mimum onderscheiding) in (bio)statistiek, data science, chemometrie, artificiële intelligentie, biowetenschappen, bio-ingenieurswetenschappen of gelijkwaardiggraag onderzoek uitvoert op het kruispunt van biowetenschappen, data science, procesanalytische technologieën en duurzame voedselproductieeen creatieve, kritische, analytische en innovatieve mentaliteit hebtbeschikt over goede mondelinge en schriftelijke communicatieve vaardigheden in het Engelsgraag wil werken in een multidisciplinair en divers team van nationale en internationale onderzoekers en innovatieve technologieën wil verkenneneen sterke interesse hebt in technologie, 'machine learning' en wetenschappelijk onderzoekgeïnteresseerd bent in het opbouwen van een carrière in data scienceDan ben jij DE kandidaat die wij zoeken en willen wij graag dat je solliciteert op deze interessante doctoraatspositie.Ervaring met 'machine learning' en AI (SVM, PCA, PLS, CNN, …), procesanalytische technologieën en wetenschappelijke dataverwerkingssoftware (zoals Matlab, Python, R of gelijkwaardig) is een pluspunt.Wij bieden een voltijdse doctoraatspositie met een marktconform salaris voor 4 jaar, die bij voorkeur start op 1 oktober 2025. Ons jong, dynamisch en multidisciplinaire team zal je in alle aspecten ondersteunen om je doctoraatsdiploma en een goede wetenschappelijke opleiding met succes te behalen bij een hoog-gerangschikte universiteit met uitstekende onderwijs- en leermogelijkheden.Je zal nauw samenwerken met de biofotonica en chemometrie onderzoeksgroepen van KU Leuven (Prof. Wouter Saeys) en INRAE (Dr. Jean-Michel Roger, Montpellier, Frankrijk) en de melktechnologie-fabrikanten. Je zal bovendien de kans krijgen om deel te nemen aan nationale en internationale bijeenkomsten om je eigen netwerk uit te bouwen en ervaring op te doen met kennisoverdracht.Meer informatie is te verkrijgen bij prof. dr. ir. Ben Aernouts, tel.: +32 14 72 13 64, mail: ben.aernouts@kuleuven.be.KU Leuven wil een inclusieve, respectvolle en sociaal veilige gemeenschap zijn. Wij omarmen diversiteit tussen individuen en groepen als een meerwaarde. Open dialoog en verschillen in perspectief zijn noodzakelijk in een ambitieuze onderzoeks- en onderwijsomgeving. In ons streven naar gelijke kansen erkennen wij de gevolgen van historische ongelijkheden. Wij aanvaarden geen enkele vorm van discriminatie op basis van, onder meer, geslacht, genderidentiteit en -expressie, seksuele oriëntatie, leeftijd, etnische of nationale afkomst, huidskleur, levensbeschouwelijke overtuiging, neurodivergentie, arbeidshandicap, gezondheid, of socio-economische status. Bij vragen over toegankelijkheid of aangeboden ondersteuning helpen we je graag op dit e-mailadres .Informatie over de vacatureFunctienaamVernieuwende 'machine learning' en AI technieken voor monitoren van voedselkwaliteit (doctoraat)
#J-18808-Ljbffr