P344 - 44. GIL-Jahrestagung 2024 - Fokus: Biodiversität fördern durch digitale Landwirtschaft
Permanent URI for this collectionhttps://dl.gi.de/handle/20.500.12116/43863
Authors with most Documents
Browse
Conference Paper Image-based activity monitoring of pigs(Gesellschaft für Informatik e.V., 2024) Jan-Hendrik Witte, Jorge Marx GómezIn modern pig livestock farming, animal well-being is of paramount importance. Monitoring activity is crucial for early detection of potential health or behavioral anomalies. Traditional object tracking methods such as DeepSort often falter due to the pigs' similar appearances, frequent overlaps, and close-proximity movements, making consistent long-term tracking challenging. To address this, our study presents a novel methodology that eliminates the need for conventional tracking to capture activity on pen-level. Instead, we segment video frames into predefined sectors, where pig postures are determined using YOLOv8 for pig detection and EfficientNetV2 for posture classification. Activity levels are then assessed by comparing sector counts between consecutive frames. Preliminary results indicate discernible variations in pig activity throughout the day, highlighting the efficacy of our method in capturing activity patterns. While promising, this approach remains a proof of concept, and its practical implications for real-world agricultural settings warrant further investigation.Conference Paper Adaptive real-time crop row detection through enhancing a traditional computer vision approach(Gesellschaft für Informatik e.V., 2024) Hussaini, Mortesa; Voigt, Max; Stein, AnthonyCrop row detection is important to enable precise management of fields and optimize the use of resources such as fertilizers and water. Autonomous machines need an effective but also robust real-time row detection system to be able to adapt to different field conditions. In this paper, we present an enhanced crop row detection approach which integrates traditional computer vision methods with further techniques such as k-means clustering or probabilistic Hough transformation. The resulting hybrid method allows for efficient and robust detection of straight and curved crop rows in image and video material. We validate our approach empirically on the crop row benchmark dataset (CRBD) and compare it with other state-of-the-art approaches. Furthermore, we demonstrate that our approach is designed to be adaptive and thus becomes straightforwardly transferable to other experimental setups. To corroborate that, we report on results when our approach is validated on representative corner cases which have been collected in the scope of a research project. Observations and current limitations of our approach are discussed along with possible solutions to overcome them in future work.Conference Paper Comparison of UAV- and mowing machine-mounted LiDAR for grassland canopy height estimation(Gesellschaft für Informatik e.V., 2024) Bracke, Justus; Storch, Marcel; Bald, Janis; Jarmer, ThomasTowards autonomous process monitoring, canopy height estimation in grassland based on data from a mowing machine-mounted LiDAR and a UAV-LiDAR system is compared to manually measured ground truth heights. In a field trial, a LiDAR mounted on the cabin roof of the mowing machine recorded data during the mowing process, while two recording flights before and after the mowing were conducted with a UAV-LiDAR. The data from both systems were processed similarly and parameters such as height estimation method, spatial resolution and percentile filters were systematically varied to investigate their influence on height estimation accuracy. Statistical evaluation showed that canopy height estimates based on the UAV-LiDAR (R² = 0.89, RMSE = 0.05 m) were more accurate and precise than those based on the mowing machine-mounted LiDAR (R² = 0.51, RMSE = 0.08 m). The influence of the different investigated parameters varied.Conference Paper Entwicklung eines vielfältigen und anspruchsvollen Benchmark-Datensatzes für die Detektion von Schweinen in Bildern(Gesellschaft für Informatik e.V., 2024) Henrich, Jonathan; Post, Christian; Kneib, Thomas; Yahyapour, Ramin; Bingert, Sven; Traulsen, ImkeDie Lokalisation von Schweinen in Videobildern mittels Objektdetektion spielt eine Schlüsselrolle bei der Gestaltung digitaler Überwachungssysteme in der Schweinehaltung. Um leistungsstarke Schweinedetektionsmodelle zu trainieren und systematisch miteinander zu vergleichen, bedarf es diverser und für Detektionsmodelle anspruchsvoller annotierter Datensätze. Aktuell sind solche Ressourcen nur begrenzt verfügbar. Dem soll im Rahmen dieser Arbeit nachgegangen werden, indem die Grundlage für einen anspruchsvollen Benchmark-Datensatz für die Schweinedetektion geschaffen wird. Anspruchsvolle Bilder, d. h. anfällig für fehlerhafte Detektionen, wurden mithilfe eines interaktiven prädiktionsbasierten Ansatzes identifiziert. Die experimentellen Ergebnisse legen nahe, dass sich diese gezielte Auswahl von anspruchsvollen Bildern positiv auf die Leistung von trainierten Schweinedetektionsmodellen auswirkt.Conference Paper Automatisierte Unterscheidung von Feldarbeit und Straßenfahrt für Landmaschinen mit Hilfe von unüberwachten KI-Methoden(Gesellschaft für Informatik e.V., 2024) Manuel Geil, Jan-Henrik HelmigManuel Geil, Jan-Henrik Helmig1, Julian Jour1, Bodo Mistele1, Jens Peters1, Katharina Stahl1 und Andreas Wübbeke1 Abstract: Die Dokumentation von Daten in der Agrarwirtschaft erweist sich für Landwirte als zunehmend aufwändige Tätigkeit, welche meist immer noch manuell erfolgt. Ziel unserer Forschungsarbeit ist es, Maschinendaten zu nutzen, um zwischen Feldarbeit und Straßenfahrt automatisch zu klassifizieren. Die Maschinendaten werden als kontinuierlicher Strom vom Maschinenstart bis zum Ausschalten der Maschine übermittelt und können Daten aus unterschiedlichen Tätigkeiten enthalten. Um ein manuelles Labeling als auch Erfassen der Feldgrenzen zu vermeiden, wird ein Ansatz verfolgt, mittels eines dichtebasierten Clustering-Verfahrens die Daten zu klassifizieren. Dieses Verfahren schien aufgrund der Dichte der Datenpunkte auf den Schlägen als vielversprechend. Im weiteren Verlauf konnte die Methode durch das Hinzuziehen der Fahrtgeschwindigkeit und das Bilden konvexer Hüllen weiter verbessert werden.Conference Paper Haftung beim Einsatz von KI-Systemen im Agrarsektor(Gesellschaft für Informatik e.V., 2024) Gennen, KlausDas derzeitige deutsche Haftungsrecht erweist sich als den Besonderheiten von KI-Systemen nicht vollends gewachsen. Insbesondere die Anwender von KI werden in Fragen der Beweisführung gegenüber der Herstellerseite oft relativ schlechter gestellt. Dem wirkt die EU durch die anstehende Harmonisierung der nationalen Haftungsregime im Bereich der Produkthaftung im Allgemeinen und der Haftung bei KI im Speziellen entgegen. Der Beitrag erläutert die bestehende Rechtslage im unternehmerischen Verkehr und die Bestrebungen, die Haftung für KI zu vereinheitlichen und zu vereinfachen. Hierneben werden de lege lata vertragliche Gestaltungsmöglichkeiten für eine Eindämmung von Risiken erörtert.Conference Paper Assessing the contribution of digital technologies to agroecological principles in the European context(Gesellschaft für Informatik e.V., 2024) Alma Moroder, Sonoko Bellingrath-KimuraThe aim of our research is to find out how the alignment/misalignment of digital technologies with agroecological principles can be assessed, in order to allow for a holistic evaluation of digital technologies in the future. To address this research question, we looked at agroecology as the “10 elements of agroecology” defined by the FAO, which encompass environmental, socio-economic, cultural and political principles. We developed a set of indicators representing these elements of agroecology. The indicator development was based on an exploratory and a systematic literature review, as well as a short survey, followed by a series of qualitative interviews with both agroecology and digitalisation experts. First results indicate that our indicator-based approach, although non-exhaustive, allows for a wide number of digital technologies to be assessed under the lens of their contribution to agroecology.Conference Paper Teilflächenspezifische Aussaat von Körnermais: Potenziale und Limitationen(Gesellschaft für Informatik e.V., 2024) Vinzent, Beat; Maidl, Franz-Xaver; Gandorfer, MarkusAuf Basis mehrjähriger Feldversuchsdaten wurden in Parzellenversuchen unter süddeutschen Anbaubedingungen auf Standorten unterschiedlicher Ertragsfähigkeit die Auswirkungen einer Saatstärkenvariation bei Körnermais auf Kornerträge und saatgutkostenfreie Leistung analysiert. Die Variation der Saatstärke auf den Kornertrag war insgesamt nicht sehr ausgeprägt, die Saatgutkosten hingegen unterschieden sich deutlich. In zwei von drei Einzeljahren ergaben sich trotz des breiten ökonomischen Optimums in der ex-post-Betrachtung moderate Vorteile für eine teilflächenspezifische Saat, erstaunlicherweise lag das ökonomische Optimum der Saatstärke auf den getesteten Standort sehr hoch.Conference Paper Verteilung und Zusammensetzung von Abfall in ländlichen Gebieten(Gesellschaft für Informatik e.V., 2024) Stoop, Ralph L.; Sax, Markus; Anken, ThomasAchtlos liegengelassene oder weggeworfene Gegenstände („Littering“) wie Verpackungen, Flaschen, Alu-Dosen usw. stellen nicht nur eine Gefahr für Ökosysteme dar, sondern auch für die Landwirtschaft. Um Littering in der ländlichen Schweiz besser zu verstehen, haben wir mit Drohnen und Smartphones RGB-Farbbilder entlang verschiedener Straßenabschnitte gesammelt. Unsere ersten Analysen deuten darauf hin, dass in Schweizer Landwirtschaftsgebieten die Abfalldichte relativ gering ist, im Bereich von ca. 0,02-0,11 Abfallgegenstände/Straßenmeter (Zigaretten ausgenommen). Außerdem finden wir ein starkes Abfallen der Abfalldichte nach den ersten zwei Metern orthogonal zum Straßenrand. Unsere vorläufigen Resultate, insbesondere die Dichte und räumliche Verteilung der Gegenstände, weisen darauf hin, dass in landwirtschaftlichen Gebieten ein automatisches Aufnehmen vor dem Grünschnitt des Seitenstreifens ausreichend ist.Conference Paper Exploring AI for interpolation of combine harvester yield data(Gesellschaft für Informatik e.V., 2024) Johannsen, Lucas; Ramm, Sebastian; Reckleben, Yves; Doerfel, StephanIn the wake of eco-schemes introduced by the EU's Common Agricultural Policy, this study evaluates AI-based interpolation methods for generating yield maps as one component of a decision support system, aiding farmers in eco-scheme implementation. The research contrasts ordinary Kriging (OK) with AI techniques – Random Forest (RF) enhanced with spatial fea-tures (RFsp), covariates (RFspco) and DeepKriging (DK), utilizing combine harvester yield data. Performance metrics show AI, especially RF variants, surpassing OK. For a 0.7 split, R² were 0.6 (OK), 0.77 (RF), 0.81 (RFsp), 0.78 (DK); MSE were 0.6 (OK), 0.34 (RF), 0.28 (RFsp), 0.32 (DK). Spatial features boosted accuracy, while incorporating Terrain Models had no rele-vant impact on the results. These findings are crucial for an automated, accurate decision support system, facilitating eco-scheme adoption for farmers. The efficiency of AI methods underscores their potential in promoting sustainable, informed agricultural practices.Conference Paper Entwicklung eines Algorithmus zur automatischen Belegung von freibelegbaren Bedienelementen auf der Armlehne eines Ackerschleppers via ISOBUS(Gesellschaft für Informatik e.V., 2024) Hülle, Björn-Gerrit; Böttinger, StefanDer Ackerschlepper fungiert als universelle Plattform, an die eine Vielzahl von Arbeitsgeräten angekoppelt wird. Dementsprechend ist auch das HMI universell ausgelegt und nicht auf einen bestimmten Arbeitsprozess optimal für den Benutzer angepasst. Die Projektpartner entwickeln gemeinsam ein neues Softwarekonzept auf Basis von ISO 11783 und SAE J1939. Parallel dazu wird der Prototyp der Armlehne weiterentwickelt und um notwendige statische Traktorfunktionen ergänzt. Die neue Softwarekommunikation beinhaltet als zentrales Element einen Algorithmus, der die Funktionen des Arbeitsgerätes automatisch den frei belegbaren Bedienelementen des Ackerschleppers zuordnet. Derzeit wird die erste Version dieses Algorithmus zusammen mit der neuen Hard- und Software in den Versuchstraktor integriert, der Anfang 2024 in Betrieb gehen soll. Parallel dazu wird der Algorithmus weiterentwickelt, um die vorgeschlagene Konfiguration des Algorithmus zu optimieren. Dazu werden Untersuchungen durchgeführt, um ein Bewertungsraster für Bedienarmlehnen auf Ackerschleppern zu entwickeln, das dann in den Algorithmus integriert werden kann.Conference Paper Soil moisture simulations for a sustainable irrigation management(Gesellschaft für Informatik e.V., 2024) Wenzel, Jan Lukas; Conrad, Christopher; Pöhlitz, JuliaAccurate estimations of crop water requirements accounting for spatial heterogeneous soil properties are recognized as a major contribution towards a sustainable agricultural irrigation management. Crop-specific irrigation demand estimations may be improved by physics-based soil moisture models, although spatially distributed soil moisture simulations strongly rely on profound assessments of the model accuracy and applicability under open-field conditions. Hence, this study aims to investigate simulated root-zone soil moisture dynamics on a variably irrigated potato field provided by the HYDRUS-1D model and its suitability for irrigation management purposes in terms of input parameter requirements and applicability on larger, heterogeneous sites. All simulations were highly accurate (RMSE = 0.018 m3 m-3), when compared to in-situ measurements, but varied stronger in topsoil than in subsoil layers. A pixel-based approach using aggregated soil properties, phenological characteristics and meteorological conditions enables appropriate trade-offs between simulation accuracy and the parameterization effort and applicability in irrigation management.Conference Paper Development of an index to estimate potential risk of slug damage(Gesellschaft für Informatik e.V., 2024) Giovanni Antonio Puliga, Jobst GödekeTerrestrial slugs are important pests for many agricultural and horticultural crops. Current control strategies are mostly based on preventive approaches and their success is strongly influenced by timing of application and knowledge of the pests’ behaviour. This paper presents an approach to estimate spatial and temporal activity of slugs in the field. For this, an index is developed considering different factors that influence the activity of slugs. The index is then used to generate a map, where areas of the field with higher potential risk of slug damage are identified. This map can be used for smart agriculture applications such as the control of these pests through an autonomously operating field robot.Conference Paper CherryGraph: Encoding digital twins of cherry trees into a knowledge graph based on topology(Gesellschaft für Informatik e.V., 2024) Andreas Gilson, Mareike WeuleCherryGraph is a structural framework for mapping trees into an ontology-based knowledge graph that can be used as database backend for digital twins. Based on the reconstructed 3D topology of scanned trees, information is encoded in a knowledge graph that resembles the real canopy structure of trees. Thus, CherryGraph enables consistent navigation within the branching system of a tree over different time points regardless of natural fluctuations. The resulting knowledge graph can then be queried for arbitrary use cases or aggregated on different hierarchy levels. We demonstrate the potential of CherryGraph by using data of real cherry trees from the 2023 cherry season with exemplary queries that can be extended to include spatial and temporal dimensions for comparing indicators like elongation growth of shoots or tracking the development of other various tree traits over time.Conference Paper A crowdsensing-based smartphone app for optimal food storage and real-time best-before dates(Gesellschaft für Informatik e.V., 2024) Senge, Julia; Mielinger, Ellen; Wendt, Marie Catherine; Weinrich, Ramona; Krupitzer, ChristianPrivate households are responsible for 59% of Germany’s 11 million tons of food waste. Consumers’ behavior significantly contributes to food waste, prompting our concept to develop a smartphone application aimed at diminishing uncertainties about food expiration and safety. Utilizing a Design Science approach, we developed a prototype for a smartphone app, integrating novel functionalities to minimize food waste at the consumer household level. We analyzed existing market applications and, as a result, introduced the Freshlimeter, a unique feature that estimates the real-time best-before date within our app using feedback from consumers. We also highlight the potential for innovative app features, such as integrating a chatbot with image recognition capabilities to enable freshness assessments, especially for unpackaged or opened food.Conference Paper Compliance of agricultural AI systems – app-based legal verification throughout the development(Gesellschaft für Informatik e.V., 2024) Kruse, Niklas; Wachter, Paul; Schöning, JuliusSignificant advances in artificial intelligence (AI) have been achieved; however, practical implementation in agriculture remains limited. Compliance with emerging regulations, such as the EU AI Act and GDPR, is now vital, even for non-critical AI systems. Developers need tools to assess legal compliance, which is complex, often requiring full legal advice. To address this issue, we are developing a support app that simplifies the legal aspects of AI system development, covering the entire lifecycle, from conception to distribution. The current app, which covers the key legal area of copyright and will soon include GDPR and the AI Act, aims to bridge the gap between AI research and agriculture. An evaluation of our app by experts from both the legal and the IT domains shows that the app assists the developers so that they make legally correct statements. Consequently, it promotes legal compliance and awareness among developers, contributing to the seamless integration of AI into agriculture. The need for compliant AI systems in various industries, including agriculture, will only increase as regulations evolve.Conference Paper Predictive task scheduler and ERP system for automated vegetable cultivation in an outdoor environment(Gesellschaft für Informatik e.V., 2024) Maike, Simon; Abbas, Farooq; Lee, Ting Sheng; Kühnast, Marvin; Weber, Bettina; Becker, Rolf; Franko, JosefAutomated spot farming is a promising approach to overcome the ecological and economical challenges in modern agriculture. This requires sophisticated robotic controls and data management. The AgriPV-Bot, as a full farming system for mixed vegetable farming, achieves this by extending a classical ERP (enterprise resource planning) system towards monitoring single plant cultivation. The task scheduler analyzes this data, determines the resulting horticultural process for each specific plant individually and monitors the process execution that is performed by robotics. This paper introduces the features of the ERP system as well as the strategy for the predictive task scheduler.Conference Paper Transformation von Maschinendaten als Eingabe für maschinelle Lernverfahren zur Klassifikation von landwirtschaftlichen Arbeitsgängen(Gesellschaft für Informatik e.V., 2024) Manuel Geil, Jan-Henrik HelmigLandwirte dokumentieren heutzutage noch immer häufig ihre Tätigkeiten auf Schlägen manuell, was eine aufwändige und fehleranfällige Tätigkeit darstellt. Dies wird zunehmend belastend, da die Dokumentationspflichten für Landwirte umfangreicher werden. In diesem Beitrag wurden bereits aufgenommene Maschinendaten zur Klassifikation von Maschinentätigkeiten analysiert und basierend darauf transformiert. Der daraus resultierende reduzierte Datensatz diente als Eingabe für maschinelle Lernverfahren zur Klassifikation von landwirtschaftlichen Tätigkeiten. Die Klassifikationsgenauigkeit der überprüften Verfahren lag bei über 93 %. Unter Einbezug von Daten einer fremden Landmaschine, mit denen die ML-Modelle vorher nicht trainiert wurden, war der Random Forest das Lernverfahren mit der höchsten Klassifikationsgenauigkeit. Die Ergebnisse dieser Arbeit zeigen, dass Klassifikationsmodelle maschineller Lernverfahren mit trans-formierten und reduzierten Maschinendaten Klassifikationsergebnisse zur automatisierten Tätigkeitsdokumentation liefern können.Conference Paper Implementierung eines Noisy-Student-Ansatzes zur Verbesserung der automatischen Detektionsleistung bei Ferkeln(Gesellschaft für Informatik e.V., 2024) Wutke, Martin; Holzhauer, Anne; Hartmann, Ulrich; Lieboldt, Marc-Alexander; Traulsen, ImkeDie Verwendung überwachter Lernalgorithmen aus dem Bereich der künstlichen Intelligenz hält vermehrt Einzug im wissenschaftlichen Alltag. Vor allem die Nutzung von Kameratechnologie und Objekterkennung zeigt großes Potenzial im ethologischen Kontext. Da der Prozess der Datenannotation einen Großteil der zeitlichen und kostenbezogenen Ressourcen vereinnahmt, werden langfristig innovative Trainingsansätze notwendig. Die vorliegende Studie beschreibt diesbezüglich einen semi-überwachten Noisy-Student-Ansatz zur automatischen Datengenerierung und Verbesserung der Objektdetektion am Beispiel neugeborener Ferkel. Im Rahmen eines zweistufen Modellansatzes wird ein auf händisch annotierten Daten trainiertes Lehrermodell zur Erzeugung von Pseudo-Annotationen und zum Training eines Schülermodells verwendet. Im Ergebnis kann auf diese Weise eine Verbesserung der Detektionsleistung mit einem Recall-Wert von 0,453 auf 0,707 und einem mAP0.5-Wert von 0,773 auf 0,839 erzielt werden. Die Ergebnisse dieser Studie werden im weiteren Projektverlauf zur Untersuchung des Abferkelprozesses und der Bestimmung kritischer Informationen zum Geburtsverlauf beitragen.Conference Paper „LeguDash“ – ein Prototyp eines Dashboards für mehr Transparenz am Leguminosenmarkt(Gesellschaft für Informatik e.V., 2024) Köpp, Dennis; Bertram, Hendrik; Kezeya, Bruno; Zerhusen-Blecher, Petra; Schäfer, Tanja; Gültas, Mehmet; Mergenthaler, MarcusIn Deutschland verzeichnet man einen wachsenden Trend in der Nachfrage nach heimisch produzierten Körnerleguminosen. Allerdings ist der Markt für Körnerleguminosen intransparent, was erhebliche Unsicherheit für Landwirt:innen bei der Planung ihrer Anbauflächen verursacht. Um dieser mangelnden Transparenz des Marktes zu begegnen und neuen Marktteilnehmenden den Eintritt zu erleichtern, wurde das Leguminosen-Netzwerk ins Leben gerufen. Im Rahmen dieses Projekts wurde das Dashboard „LeguDash“ entwickelt, das zukünftig wichtige Marktdaten und Preisinformationen für Körnerleguminosen bereitstellen soll. Das Hauptziel von LeguDash besteht darin, nicht nur die Preistransparenz zu erhöhen, sondern auch den Wert und die Bedeutung von Körnerleguminosen in der Agrarwirtschaft zu verdeutlichen. Dieses Instrument bietet Landwirt:innen, Händler:innen und anderen Akteur:innen entlang der Wertschöpfungskette die Möglichkeit, auf umfassende Informationen zuzugreifen, die für die Preisabschätzung und die Marktorientierung für Körnerleguminosen unerlässlich sind. Die Implementierung von LeguDash soll zur Verbesserung der Marktsituation für Körnerleguminosen in Deutschland beitragen, indem es den Akteur:innen im Agrarsektor ermöglicht, fundierte Entscheidungen zu treffen und ihre Geschäftsstrategien zu optimieren. Zukünftig ist geplant, die Befragung von Akteur:innen in die Weiterentwicklung von LeguDash einzubeziehen und das Werkzeug in die Praxis einzuführen.
Load citations