Authors with most Documents
Browse
28 results
Search Results
Conference Paper Datenfluss bei der Applikation der Bodenbeprobung mit dem mobilen Feldlabor „soil2data“(Gesellschaft für Informatik e.V., 2023) Riedel, Vadim; Möller, Andreas; Terhaag, Matthias; Meyer, Thomas; Mentrup, Daniel; Kerssen, Hendrik; Najdenko, Elena; Lorenz, Frank; Mosler, Tino; Tesch, Heinrich; Peters, Walter; Hinck, Stefan; Ruckelshausen, Arno; Hoffmann, Christa; Stein, Anthony; Ruckelshausen, Arno; Müller, Henning; Steckel, Thilo; Floto, HelgaDie Digitalisierung des Bodenbeprobungsverfahrens mit einer automatisierten Generierung einer Düngeempfehlung auf Grundlage der analysierten Bodennährstoffgehalte – direkt nach Beendigung der Bodenbeprobung auf dem Acker – ist ein übergeordnetes Ziel bei der Nutzung des mobilen Feldlabors „soil2data“. Neben den Bodennährstoffanalyse-Ergebnissen sind für die Umsetzung einer automatisierten generierten Düngeempfehlung weitere Informationen notwendig. Die Quellen dieser Informationen haben einen unterschiedlichen Ursprung. Es sind Daten aus verschiedenen Quellen vom Bewirtschafter, von Dienstleistern und vom mobilen Feldlabor, welche miteinander verknüpft und synchronisiert werden müssen. Für einen automatisierten Prozessablauf zur Generierung einer Düngeempfehlung ist die Datenorganisation eine essenzielle Voraussetzung. Die Grundlage der Empfehlung sind die Tabellenwerke der offiziellen Düngeempfehlung, die bei den für die Düngung zuständigen Behörden der Bundesländer vorliegen. In dieser Publikation werden die notwendigen Daten und der Prozessdatenfluss für die Bodenbeprobung und Düngeempfehlung-Generierung beschrieben und grafisch dargestellt.Conference Paper “Ready for Autonomy (R4A)”: concept and application for autonomous feeding(Gesellschaft für Informatik e.V., 2023) Pamornnak, Burawich; Scholz, Christian; Gode, Eduard; Sommer, Karen; Novak, Timo; Hellermann, Steffen; Wegmann, Benjamin; Ruckelshausen, Arno; Hoffmann, Christa; Stein, Anthony; Ruckelshausen, Arno; Müller, Henning; Steckel, Thilo; Floto, HelgaThis paper presents the development of the “Ready for Autonomy (R4A)” application for evaluating the feasibility of integrating an autonomous feeding machine Strautmann Verti-Q into farmyards and evaluating the machine’s performance. The proposed application consists of three main R4A checklists for telling whether the farmyard, the machine, and the farmer are ready for autonomy or not. The farmyard is the first part to be checked with the R4A application with the Verti-Q system requirements. The R4A result will be instantly generated from the application based on the Boolean function. The second part is the machine operation record which tells the overall performance of the Verti-Q machine as the R4A distribution results, e.g., excellent, good, and failure. The final part is the farmer operation training in manual and autonomous modes, in which farmers have to go through every topic to be ready to use the machine. From the experimental results, seven farmyards were observed with the R4A application. Therefore, the four farmyards are ready for autonomy with different R4A levels. The minimum working condition of the Verti-Q machine has been tested on the lowest R4A level farmyard. The distribution results from the prototype machine with 218 autonomous feeding jobs, achieving 42% in excellent distribution, 38% in good condition, and 21% in failure caused by various reasons, e.g., hardware, software, and user error, respectively. These results show the possibility of using the improved version of the autonomous feeding machine in the farmyard for sustainable farming in the future.Conference Paper Konzeption und Realisierung einer feldbasierten landwirtschaftlichen Versuchsumgebung zur dynamischen Umgebungswahrnehmung(Gesellschaft für Informatik e.V., 2023) Krause, Jan Christoph; Martinez, Jaron; Gennet, Henry; Urban, Martin; Herbers, Jens; Menke, Stefan; Röttgermann, Sebastian; Hertzberg, Joachim; Ruckelshausen, Arno; Hoffmann, Christa; Stein, Anthony; Ruckelshausen, Arno; Müller, Henning; Steckel, Thilo; Floto, HelgaFür die Automatisierung von landwirtschaftlichen Prozessen werden autonome Maschinen entwickelt, die zuverlässig und sicher in ihren Arbeitsgebieten navigieren müssen. Die insbesondere beim Pflanzenbau typischerweise harschen und wechselnden Umgebungsbedingungen erschweren die hierfür notwendige sensorbasierte Erfassung und Interpretation des Umfelds. Für die funktionale Sicherheit ist die robuste Erkennung des Menschen im Umfeld der Maschine in allen definierten, zulässigen Betriebsbereichen essenziell. In diesem Beitrag wird eine Versuchsumgebung vorgestellt, mit der die Einflüsse von unterschiedlichen Umgebungsbedingungen, wie beispielsweise das Wetter und die Vegetation, auf die Zuverlässigkeit von Sensorsystemen zur semantischen Umfeldwahrnehmung untersucht werden. Mit einem schienenbasierten Trägersystem werden Sensoren verschiedener Messprinzipien reproduzierbar durch eine landwirtschaftliche Umgebung bewegt. Hierbei werden die Rohdaten der Sensoren als Evaluationsdaten aufgezeichnet. Durch eine wiederkehrende und wiederholbare Aufnahme bei unterschiedlichen Umgebungsbedingungen wird die Erzeugung von Evaluationsdatensätzen, die sich zum Vergleich der Erkennungsgüte eignen, ermöglicht.Conference Paper Towards selective hoeing depending on evaporation from the soil(Gesellschaft für Informatik e.V., 2023) Manss, Christoph; von Szadkowski, Kai; Bald, Janis; Richard, David; Scholz, Christian; König, Daniel; Ruckelshausen, Arno; Hoffmann, Christa; Stein, Anthony; Ruckelshausen, Arno; Müller, Henning; Steckel, Thilo; Floto, HelgaThis paper presents how to generate an artificial dataset to test different hoeing rules. Therefore, images that have been obtained on two days of a field trial are analysed to infer weed and crop sizes. Then, weather data from 2021 and 2022 is gathered from open-source data for 100 synthetically generated fields. The generated dataset is then used to test hoeing rules that are conditioned to keep as much moisture in the soil as possible. The analysis with these hoeing rules indicates that much less hoeing would be applied if the proposed hoeing rules are used.Conference Paper A digital weed counting system for the weed control performance evaluation(Gesellschaft für Informatik e.V., 2022) Pamornnak, Burawich; Scholz, Christian; Becker, Silke; Ruckelshausen, Arno; Gandorfer, Markus; Hoffmann, Christa; El Benni, Nadja; Cockburn, Marianne; Anken, Thomas; Floto, HelgaThe weed counting method is one of the keys to indicate the performance of the weed control process. This article presents a digital weed counting system to use instead of a conventional manual counting system called “Göttinger Zähl- und Schätzrahmen” or “Göttinger Rahmen” due to the limitation of human counting on big-scale field experiment areas. The proposed method demonstrated on the maize field consists of two main parts, a virtual weed counting frame and a weed counting core, respectively. The system was implemented as a mobile application for the smartphone (Android) with server-based processing. The pre-processed image on the mobile phone will be sent to the weed counting core based on the pre-trained convolution neural network model (CNN or deep learning) on the server. Finally, the number of detected weeds will be sent back to the mobile phone to show the results. In the first implementation, 100 frames on a 1-hectare field area were evaluated. The absolute weed counting errors were categorized into three groups, A-Group (0-10 weeds error) achieves 73 %, B-Group (11-20 weeds error) achieves 17 %, and C-Group (21-30 weeds error) achieves 10 %, respectively. For overall performance, the system achieves the = 0.97 from the correlation and 12.8 % counting error. These results show the digital version of “Göttinger Rahmen” has the potential to become a practical tool for weed control evaluations.Conference Paper Entwicklung einer flexiblen Sensorapplikation zur Erzeugung von validen Daten für KI-Algorithmen in landwirtschaftlichen Feldversuchen(Gesellschaft für Informatik e.V., 2022) Koenig, Daniel; Igelbrink, Matthias; Scholz, Christian; Linz, Andreas; Ruckelshausen, Arno; Gandorfer, Markus; Hoffmann, Christa; El Benni, Nadja; Cockburn, Marianne; Anken, Thomas; Floto, HelgaKünstliche Intelligenz nimmt eine zunehmend bedeutende Rolle in der digitalen Transformation der Landwirtschaft ein. Der Nutzen wird maßgeblich durch die Integration in die einzelnen Prozesse bestimmt. Damit KI-Module anwendungsbezogen entwickelt und eingesetzt werden können, ist die Erfassung valider Sensordaten im Feld notwendig. Diese bilden die Basis für das Trainieren und Anwenden von KI-Netzen. Durch den Einsatz kostengünstiger Standard-Sensorik kann in Kombination mit künstlicher Intelligenz ein Mehrwert in Bezug auf die Qualität der Datenverarbeitung erzielt werden. Aus der Notwendigkeit heraus, valide Sensordaten bereitzustellen, wurde eine flexible Sensorapplikation entwickelt, die durch entsprechende Systemtechnik und typische kostengünstige Sensorik (RGB-Kamera, 3D-Stereokamerasystem, RTK-GPS) valide Daten unter Feldbedingungen aufnehmen kann. Diese Daten können einer KI zur Verfügung gestellt werden. Durch diese Sensorauswahl kann auf eine Vielzahl von Anwendungen im Feld eingegangen werden („70%-Setup“). Zudem wurde das System in eine Simulationsumgebung implementiert, um vorab z. B. Anbaupositionen von Sensoren etc. zu überprüfen. Für die Erzeugung von validen Sensordaten wurden als erste Praxisbeispiele zwei unterschiedliche Feldanwendungen betrachtet und hierfür geeignete Feldversuche durchgeführt.Conference Paper Von der Forschung in die Praxis: das KI-basierte optisch-selektive mechanische Beikrautregulierungssystem MWLP-Weeder in verschiedenen Trägersystemen im Feldeinsatz(Gesellschaft für Informatik e.V., 2021) Strothmann, Wolfram; Scholz; Pamornnak, Burawich; Ruckelshausen, Arno; Meyer-Aurich, Andreas; Gandorfer, Markus; Hoffmann, Christa; Weltzien, Cornelia; Bellingrath-Kimura, Sonoko; Floto, HelgaMechanische Beikrautregulierung gewinnt in der landwirtschaftlichen Praxis eine zunehmende Bedeutung. Während sich hierbei für den Zwischenreihenbereich („inter-row“) kommerzielle Lösungen, insb. mit kamerabasierter Reihenerkennung, mittlerweile durchgesetzt haben, und auch für den Bereich zwischen den Pflanzen in der Reihe („intrarow“) erste Systeme kommerziell verfügbar sind, ist mechanisches Hacken im Bereich nahe der Pflanze („close-to-crop“) nach wie vor eine Herausforderung. Gerade für Pflanzen in BBCH-Stadien 10 bis 12 sind hier noch keine optisch angesteuerten Systeme kommerziell verfügbar. Durch den MWLP-Weeder kann diese Lücke geschlossen werden. Der MWLP-Weeder zeichnet sich durch eine Multi-Stempelaktorik in Kombination mit optischer Sensorik und intelligenter Pflanzenerkennung aus, welche eine flächige Bearbeitung von Beikräutern speziell auch sehr nahe an den Nutzpflanzen ermöglicht. Aufbauend auf Forschungsergebnissen wurde das System in 2020 aufgebaut und im Experimentierfeld AgroNordWest sowie im praktischen Ökolandbau – sowohl im Roboterbetrieb als auch als Anbau-gerät für einen Traktor – getestet.Conference Paper Field plant characterization method based on a multi-wavelength line profiling system(Gesellschaft für Informatik e.V., 2021) Pamornnak, Burawich; Scholz, Christian; Nieberg, Dominik; Igelbrink, Matthias; Ruckelshausen, Arno; Meyer-Aurich, Andreas; Gandorfer, Markus; Hoffmann, Christa; Weltzien, Cornelia; Bellingrath-Kimura, Sonoko; Floto, HelgaPhenotyping of plant characteristics is essential for plant breeding. Especially the growth stages of plants during field emergence, described by parameters such as plant height and plant counting, are of interest. But large-scale manual phenotyping is very inconvenient due to the workload, the harsh weather conditions, and time-consumption. Therefore, an automated system is needed. This research describes a field plant characterization method implemented in a plot divider machine for rapeseeds. The method consists of a plant height estimation and a plant counting system. Based on a multi-wavelength line profiling (MWLP) sensor system, the 2D and 3D point cloud information from visible wavelengths to near-infrared (NIR) are automatically mapped without any need for a matching method. The plant characterization processes consist of two main steps, 1) plant detection, and 2) height estimation. These processes use the 2D NIR and 3D point cloud as the main features. The proposed method was demonstrated with highly accurate results in several rapeseeds, illustrating the potential of this method to become a basic tool for crop characterization in plant sciencesConference Paper Motivation und Konzept zur boden- und luftgestützten Detektion von Virosen in der Pflanzgutproduktion von Stärkekartoffeln(Gesellschaft für Informatik e.V., 2021) Kirfel, Julius; Hinck, Stefan; Renner, Juliane; Singh, Arshnoor; Steinbach, Peter; Ruckelshausen, Arno; Meyer-Aurich, Andreas; Gandorfer, Markus; Hoffmann, Christa; Weltzien, Cornelia; Bellingrath-Kimura, Sonoko; Floto, HelgaDurch Kartoffelviren kommt es zu erheblichen Ertragsverlusten in der Produktion sowie zu Qualitätseinbußen in der Züchtung und Vermehrung von Kartoffeln. Die frühzeitige Bereinigung von befallenen Vermehrungsbeständen hat sich als effektivste Maßnahme zur Vermeidung von Virusbefall bewährt. Die manuelle Selektion von Viren im Feldbestand ist mit hohem personellen Aufwand verbunden. Da erkrankte Pflanzen nicht immer eindeutige, selektierbare Symptome zeigen, lassen sich nicht alle virenbefallenen Pflanzen in Feldbeständen selektieren. Durch den Technologiefortschritt im Bereich der bildgebenden Sensortechnik zeigen sich neue Ansätze für die Detektion von viruskranken Pflanzen in Feldbeständen. Moderne Sensoren bieten die Möglichkeit, georeferenzierte und hochauflösende Informationen zum Virusbefall zu gewinnen. Die Sensoren können dabei boden- bzw. luftgestützt eingesetzt werden.Conference Paper Hyperspektrale Betrachtung von Maispflanzen für die Entwicklung eines optischen Siebverfahrens(Gesellschaft für Informatik e.V., 2021) Belau, Sven; Weltzien, Cornelia; Ruckelshausen, Arno; Meyer-Aurich, Andreas; Gandorfer, Markus; Hoffmann, Christa; Weltzien, Cornelia; Bellingrath-Kimura, Sonoko; Floto, HelgaDie qualitätsrelevanten Parameter von Maissilage sollen über ein optisches Siebverfahren bestimmt werden. Mit einer hyperspektralen Kamera werden im spektralen Bereich von etwa 950 nm bis 1700 nm Eigenschaften untersucht, welche zur Unterscheidung von Inhaltsstoffen verwendet werden können und anschließend zur optischen Separierung von Kornfragmenten von der Restpflanze. Es werden drei unterschiedliche Verfahren genutzt und diskutiert. Zum einen wird ein Ansatz basierend auf klassischer Bildverarbeitung verwendet, welcher einen normierten Differenzindex auf Grundlage von zuvor ermittelten Farbkanälen nutzt, des Weiteren wird ein Ansatz über maschinelles Lernen auf Grundlage einer Merkmalsauswahl über eine Hauptkomponentenanalyse verwendet und zuletzt ein Ansatz über eine Merkmalsbestimmung über eine Betrachtung der Histogramme der Intensitätswerte der jeweiligen Wellenlängen. Dabei zeigt der letzte Ansatz die besten Ergebnisse. Eine optische Siebung von getrockneter Maissilage ist zuverlässig möglich, frische Maissilage ist mit keinem dieser Ansätze zuverlässig optisch siebbar.
- «
- 1 (current)
- 2
- 3
- »