unternehmensmeldungen.com

KI beschleunigt ökologische Präzisionslandwirtsc …




  • Die ENSIO GmbH konzipiert, entwickelt und vertreibt unter der Marke OKIO Bildverarbeitungs- bzw. Kamerasysteme für landwirtschaftliche Hackgeräte, mit denen Kulturpflanzen bzw. Unkraut während der Fahrt in Echtzeit erkannt werden können. In einem gemeinsamen Forschungsprojekt mit dem Software Competence Center Hagenberg (SCCH) werden jetzt mit Deep-Learning-Ansätzen Pflanzenmodelle entwickelt, die nicht nur Nutzpflanzen erkennen, sondern auch genau bestimmen können, wo sich Stängel bzw. Wurzelwerk befinden.

    Die Spurführung über Kameras in der Hacktechnik entwickelte sich in den letzten drei Jahren zum Standard in der biologischen Landwirtschaft; das Gros der neuen Maschinen wird heute mit Kameratechnologie ausgeliefert. Diese Systeme unterstützen derzeit ausschließlich die Spurführung, nicht die genaue Einzelpflanzenerkennung, die aber essenziell ist, wenn das Unkraut zwischen den Nutzpflanzen effektiv entfernt werden soll. Deshalb entwickeln jetzt die ENSIO GmbH und das SCCH mit Deep-Learning-Ansätzen Pflanzenmodelle, die über die weltweit bekannten OKIO-Kamerasysteme präzise und in Echtzeit Setzlinge von Unkraut unterscheiden können. Darüber hinaus orten sie auch die Position von Stängel bzw. Wurzelstock des Setzlings.

    Feldertrag optimieren

    Die Neuheit für die Weiterentwicklung einer Präzisionslandwirtschaft sind die vom SCCH angewandten Deep-Learning-Methoden, die einzelne, spezielle Pflanzenmodelle bzw. neuronale Netze so trainieren, dass sie nicht nur Blattform, Dichte und Kontur der Nutzpflanze erkennen, sondern auch deren Stängel bzw. Wurzelstock lokalisieren können – und das unter verschiedensten Wetter- und Lichtverhältnissen. Das vom SCCH trainierte Pflanzenmodell gibt also Auskunft darüber, in welchem Bereich Nutzpflanze, Stängel sowie Wurzelstock stehen, um letzteren nicht durch einen unpräzisen Stich durch ein Messer oder anderes Hack- bzw. Jätwerkzeug zu schädigen.

    Mit diesen Pflanzenmodellen lassen sich Schäden bei Nutzpflanzen minimieren beziehungsweise der Feldertrag optimieren. Darüber hinaus können die Pflanzenmodelle auch für das selektive Spritzen bzw. Düngen verwendet werden, da Spritzmittel oder Dünger nur dort ausgebracht werden, wo sie tatsächlich nötig sind. Das spart enorme Mengen an Spritzmittel.

    „Die Kombination ‚biologischer und konventioneller Pflanzenschutz‘ verbreitet sich auch abseits der biologischen Landwirtschaft immer mehr. Es ist ein Nährboden für viele spannende Entwicklungen, die gesellschaftlichen, politischen und ökologischen Anforderungen Rechnung tragen werden,“ freut sich Michael Mayr von 
    ENSIO auf die kommenden Jahre.

    Zukünftiger, autonomer Feldroboter

    Eine weitere Herausforderung an die neuronalen Netze ist, dass die Einzelpflanzenerkennung während der Fahrt bei einer Geschwindigkeit von bis zu 15 km/h auch dazu genutzt werden soll, das Hackgerät über mehrere Kameras autonom zwischen den Reihen zu lenken. Dazu ist es notwendig, dass Einzelbilder in unter einer hundertstel Sekunde verarbeitet und die Ergebnisse an das Steuergerät geschickt werden, das wiederum das Hackgerät steuert bzw. veranlasst, Unkraut zu entfernen.

    Nebenbei erwähnt wird das mittelfristig auch jene Schlüsseltechnologie sein, die autonome Feldroboter ermöglicht. Erste Tests, bei denen Roboter ohne Traktor gewisse Aufgaben selbständig übernehmen sollen, starten kommendes Jahr.

    Mit ersten Modellen der Nutzpflanzenerkennung konnten bereits Erfolge verbucht werden. Convolutional Neural Networks (CNN) eignen sich hier besonders gut. Die obligatorische Schwierigkeit liegt aktuell noch in der Beschaffung der großen Datenmenge an Bildmaterial zum Training der neuronalen Netze.

    Ackerbau ohne künstliche Hilfsmittel

    Eine durch Künstliche Intelligenz funktionierende Nutzpflanzen- bzw. Unkrauterkennung ist ein weiterer wichtiger Schritt in Richtung ökologischer Präzisionslandwirtschaft. Sie kann dazu beitragen, Pestizide und/oder Düngemittel zu reduzieren.

    „Damit können mehrere Ziele der Vereinten Nationen für nachhaltige Entwicklung erreicht werden. Das Sustainable Development Goal 15 beispielsweise fordert unter anderem, dass die Bodenproduktivität gesteigert werden soll. Das können wir Forscher und Wissenschaftler mit der Entwicklung neuer Technologien vorantreiben,“ sagt Theodorich Kopetzky, Projektleiter, SCCH.

    Author:

    Software Competence Center Hagenberg (Presseausendung vom 07.11.2021)

    Der Beitrag KI beschleunigt ökologische Präzisionslandwirtschaft erschien zuerst auf Austrian Testing Board.

    Jetzt Schulungen und Weiterbildungen zu Themen wie Software Testing und Software Architektur-Qualität (ISTQB®, iSAQB®), Business Analyse und Requirements Engineering (BCSIREB®) und Agiles Vorgehen (ScrumSAFeScaled Agile Framework) buchen. Neben Trainings in ProzessqualitätProzessmanagement (Lean Six Sigma) sowie Change Management und Projektmanagement finden sich Schulungen für unsere Tool-Partner Atlassian (Jira XRayJira Server,  Confluence), Tricentis ToscaSelenium und Micro Focus (ALMUFT).