Automatisierte Unterscheidung von Feldarbeit und Straßenfahrt für Landmaschinen mit Hilfe von unüberwachten KI-Methoden

Abstract

Manuel 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.