In de context van smart farming zijn data-analysetools die ruwe data vertalen in bruikbare informatie cruciaal voor monitoring en beslissingsondersteuning cruciaal, bijvoorbeeld om onderliggende ‘states’ (bv. gezondheid of welzijn) van een subject (bv. een dier) in te schatten op basis van sensortijdreeksgegevens. Processen in de landbouw zijn vaak complex en worden ze beïnvloed door zowel interne (bv. genetica, fysiologie) als externe (bv. context, management) factoren, waardoor eenvoudige tijdreeksmodellen onvoldoende nauwkeurig zijn. In dit project stel ik dat een oplossing hiervoor ligt in de integratie van expertkennis in de tools. Ik zal een data-analyseframework ontwikkelen en implementeren in een open software library, die expliciet verschillende bronnen van expertkennis integreert in een state estimation model. Hiertoe zal ik (1) theorie en domeinexpertise, (2) context- en controle metingen en (3) historische datapatronen modelleren en deze verwerken in een hidden Markov and andere state estimation modellen. In eerste instantie wordt dit framework ontwikkeld met een focus op dierlijke productie op basis van 2 concrete casestudies, maar de implementatie ervan zal uitbreiding naar een verscheidenheid aan landbouwtoepassingen mogelijk maken. Als zodanig kan dit project een belangrijke rol spelen bij het oplossen van een actueel en relevant probleem in de voedselproductie en draagt het bij aan een duurzamere en maatschappelijk geaccepteerde landbouwsector.