Logo des Repositoriums

Auflistung nach Autor:in "Cockburn, Marianne"

1 - 10 von 64
  • Konferenzbeitrag
    42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft - Komplettband
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Gesellschaft für Informatik in der Land- Forst- und Ernährungswirtschaft e.V.
  • Konferenzbeitrag
    Ableitung von homogenen Managementzonen anhand von Vegetationsindizes im Kleegras
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Reuter, Tobias; Nahrstedt, Konstantin; Jarmer, Thomas; Trautz, Dieter
    Kleegras hat eine entscheidende Bedeutung als Fruchtfolgeglied im Ökologischen Landbau und als Futter. Bedingt durch Heterogenitäten im Boden entwickelt sich der Bestand über die Vegetationsperiode hinweg ungleichmäßig, sodass sich Bereiche mit unterschiedlicher Biomasseproduktion herausbilden. Ein teilflächenspezifisches Management angepasst an diese Unterschiede kann Grundlage für effizientere Ressourcennutzung sein. Daher wurden auf einer ökologischen Kleegrasfläche drohnengestützt Bilddaten aufgenommen und Vegetationsindizes berechnet. Die Abschätzung der Biomasse mit Vegetationsindizes war zu einem früheren Aufnahmetermin ungenauer als zu einem späteren Zeitpunkt. Korrelationsmodelle zwischen den Vegetationsindizes und der Biomasse zeigten zu den beiden späteren Terminen einen höheren Zusammenhang als zum ersten Aufnahmezeitpunkt. Dabei konnten mit dem NDVI bzw. NGRDI am letzten Termin die höchsten Korrelationen mit Werten um 0,5 erzielt werden. Basierend auf den Indizes wurde die Fläche in drei Zonen eingeteilt. Die Zonierung variierte je nach Termin und Index. Dennoch war es möglich, einen Bereich mit hoher Biomasseproduktion zu identifizieren. Die Einteilung in Managementzonen konnte demnach erfolgreich durchgeführt werden, besonders geeignet waren NDVI, NGDRI und RGBVI.
  • Konferenzbeitrag
    AI-supported data annotation in the context of UAV-based weed detection in sugar beet fields using Deep Neural Networks
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Jonas Boysen, Jonas; Stein, Anthony
    Recent Deep Learning-based Computer Vision methods proved quite successful in various tasks, also involving the classification, detection and segmentation of crop and weed plants with Convolutional Neural Networks (CNNs). Such solutions require a vast amount of labeled data. The annotation is a tedious and time-consuming task, which often constitutes a limiting factor in the Machine Learning process. In this work, an approach for an annotation pipeline for UAV-based images of sugar beet fields of BBCH-scale 12 to 17 is presented. For the creation of pixel-wise annotated data, we utilize a threshold-based method for the creation of a binary plant mask, a row detection based on Hough Transform and a lightweight CNN for the classification of small, cropped images. Our findings demonstrate that an increased image data annotation efficiency can be reached by using an AI approach already at the crucial Machine Learning-process step of training data collection.
  • Konferenzbeitrag
    Akustische Insektenerkennung – Deep Learning zur Klassifikation leisester Fluggeräusche
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Branding, Jelto; von Hoersten, Dieter; Wegener, Jens Karl
    Assistenzsysteme und Apps bieten ein großes Potenzial für die Steigerung der Effizienz und Nachhaltigkeit im Gartenbau. Im Bereich der Schädlingsbekämpfung haben alle aktuellen Apps und Systeme gemein, dass sie eine große Schwachstelle in der digitalen Erfassung der Insektenpopulationen im Gewächshaus aufweisen. Aus diesem Grund werden im Projekt IPMaide verschiedene sensorische Ansätze für die automatisierte Detektion von Insekten untersucht. Eine vielversprechende Möglichkeit ist die akustische Insektenerkennung. Hier sollen Methoden aus der Schädlingserkennung im Vorratsschutz mit neuesten Ansätzen im Bereich der Klassifikation von Geräuschen zusammengebracht werden, um eine Sensorlösung für die Insektenerkennung im Gewächshaus zu entwickeln. Für die nötige Datensatzerstellung wurde eine schallgeschützte Messumgebung entworfen und High- und Low-Cost-Messtechnik für akustische Aufnahmen unter Labor- und Realbedingungen verglichen. Die Ergebnisse zeigen, dass kostengünstigere Mikrofone gerade im relevanten tiefen Frequenzbereich unempfindlicher sind. Ein Lösungsansatz zur Filterung von Nutz- und Störgeräuschen stellen Array-Anordnungen der Mikrofone dar.
  • Konferenzbeitrag
    Algorithmusbasierte Düngungsplanung und digitale Gebrauchstauglichkeit
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Buhk, Jan-Hendrik; Sundermeier, Hans-Hennig; Latacz-Lohmann, Uwe
    Effizientes Nährstoffmanagement gehört nach dem Green Deal der EU zu den vordring­lichen Handlungsfeldern der Gemeinsamen Agrarpolitik. Die derzeit für Entscheidungshilfen be­nutzten Methoden modellieren die individuelle einzelbetriebliche zeitliche, räumliche und ökono­mische Allokationskomplexität nur unzureichend. Düngungsplanung mit gemischt-ganzzahliger Li­nearer Programmierung (MILP) ermittelt unter simultaner Berücksichtigung aller relevanten Bedin­gungen die betrieblich optimale Kombination aus Wirtschafts- und Handelsdüngeraufbringungsal­ternativen und eröffnet damit eine gebrauchstaugliche Digitalisierung von Routine-Entscheidungs­prozessen für die Praxis.
  • Konferenzbeitrag
    Angegebene Gründe für und gegen die Nutzung von integrierten Herdenmanagementprogrammen auf rinderhaltenden Betrieben
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Kramer, Miriam; Verfuerth, Larissa; Firmenich, Caroline; Schmitz, Laura; Tücking, Nicole; Boelhauve, Marc; Mergenthaler, Marcus
    Dem digitalen Wandel in der Landwirtschaft stehen nach wie vor Hemmnisse gegenüber, denen sowohl über die Gestaltung der Anwendungen als auch über die Hinwendung zu den Anliegen der Nutzenden begegnet werden sollte. Im Projekt „Digitale Kuh 3.0“ wurde allen Mitgliedsbetrieben des Landeskontrollverbands Nordrhein-Westfalen (LKV NRW) ein Papierfragebogen zugesandt, mit dem die Marktdurchdringung der Herdenmanagement-App (HM-App) FokusMobil und der dazugehörigen Webanwendung Fokus 2.0 erhoben werden sollte. Neben der Angabe, ob das Fokus-Paket bei den Befragten in Nutzung ist, sollten zudem Gründe genannt werden, die für die potenziellen Nutzenden für oder gegen die Adoption der Software sprechen. Ebenso wurden die Strukturdaten der Betriebe erfasst, um mögliche weitere Einflussfaktoren ableiten zu können. Die Gründe für die Nutzung lassen sich unter der Verbesserung des Arbeitsalltags (Zeitersparnis, persönliche Digitalisierung, etc.) zusammenfassen, während die Gründe dagegen durch die Nutzung eines anderen Programms bzw. durch mangelnde Erfahrung und Ausstattung geprägt sind. Als weitere Einflussfaktoren konnten Tendenzen durch das Alter, die Ausbildung, die Herdengröße sowie die eingesetzte Melktechnik identifiziert werden. Zum Abbau der Hemmnisse bzw. zur gezielten Nutzung der fördernden Faktoren sind sowohl Milchviehhaltende als auch Software-Anbieter und Politik gefragt.
  • Konferenzbeitrag
    Arbeitswirtschaftliche Aspekte am Beispiel eines teilautonomen Feldroboters beim Säen und Hacken von Biozuckerrüben
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Jungwirth, Moritz; Handler, Franz
    Die teilautonome Arbeitsweise von Feldrobotern für das Säen und Hacken von Biozuckerrüben bedingt einen deutlich geringeren Zeitbedarf der Bedienperson im Verhältnis zu jenem des Roboters. Allerdings muss für die Beseitigung möglicher Störungen immer eine Person zur Verfügung stehen. Moderne traktorgezogene Anbaugeräte zur Aussaat und mechanischen Beikrautregulierung in Biozuckerrüben sind so effizient, dass das Einsparungspotenzial durch Entfall der Bedienperson nicht die hohen Kosten des Roboters ausgleichen kann. Erst die Einsparung von Handarbeitskräften durch die Fähigkeit des Roboters, in der Reihe zu hacken, kann zu geringeren Arbeitserledigungskosten durch den Robotereinsatz führen.
  • Konferenzbeitrag
    Auf dem Weg zu einem Entscheidungsunterstützungs-system zur Pflege und Ernte von Grünlandflächen
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Tieben, Christoph; Reuter, Tobias; Nahrstedt, Konstantin; Kraatz, Franz; Lingemann, Kai; Trautz, Dieter; Jarme, Thomas; Hertzberg, Joachim
    Zur Bewirtschaftung von Grünlandflächen müssen eine Vielzahl an Parametern und Regularien berücksichtigt werden, um Entscheidungen für geeignete Pflegemaßnahmen oder Ernte­termine zu treffen. Um diese Entscheidungsfindung zu unterstützen, schlagen wir ein regelbasiertes Inferenzsystem vor. Dieses bildet automatisch Schlussfolgerungen auf Basis von modelliertem Expertenwissen und rechtlichen Regeln sowie Daten aus Bonituren, drohnengestützten Bildauf­nahmen und externen Quellen, wie Wetterprognosen, ab. Die geschlussfolgerten Empfehlungen umfassen Maßnahmen wie Düngung und Erntetermin, abhängig vom Nutzungsziel, betrieblichen Gegebenheiten und weiteren Parametern. Das so entstandene Entscheidungsunterstützungssystem wurde exemplarisch mit Handlungsempfehlungen von Experten unter realen Bedingungen getestet.
  • Konferenzbeitrag
    Die Bedeutung von qualitativen Forschungszugängen für den Wissenstransfer in Experimentierfeldern
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Knitsch, Valentin; Welz, Juliane
    Die Planung und Umsetzung von Wissenstransferprozessen erfolgt vielmals generisch und ohne systematische Berücksichtigung der jeweils individuellen Transferkontexte. Im Experimentierfeld EXPRESS zeigt sich die Forschungsphase einer Interviewstudie zu den Perspektiven von landwirtschaftlichen Akteuren des Wein- und Obstbaus in Mitteldeutschland in der retrospektiven Betrachtung als transferwirksam. Dieser nicht intendierte, kontextabhängige und bidirektionale Wissenstransfer wird als Beispiel skizziert und hinsichtlich seines Potenzials für den Wissenstransfer diskutiert. Die dezidierte Betrachtung der Kontexte von Forschungsprozessen, so die abschließende These, kann potenziell für die Ausgestaltung des Wissenstransfers wichtig sein.
  • Konferenzbeitrag
    Beurteilung des ökonomischen Potenzials des virtuellen Zaunsystems in der deutschen Milchviehhaltung am Beispiel Brandenburgs
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Kiefer, Anna; Kiefer, Lukas; Heinrich, Franziska; Bahrs, Enno
    In Deutschland ist seit Längerem ein Rückgang des Grünlands mit weidebasierter Milchviehhaltung zu beobachten, da eine Stallhaltung ein einfacheres Management und vielfach höhere Milchleistungen mit geringeren Stückkosten ermöglicht. Allerdings kann eine weidebasierte Milchviehhaltung in Grünlandregionen Vorteile hinsichtlich Futterkosten, höherpreisiger Vermarktung und einem meist höheren Maß an Tierwohl bieten. Größere Herden und damit einhergehend größere Weideflächen erfordern aber häufig eine möglichst präzise und damit arbeitsintensive Einzäunung frischer Grasflächen, um den Milchkühen stets ein optimales Futter bereitzustellen. Eine mögliche Lösung zur Reduktion der Arbeitsintensität kann der Einsatz virtueller Zäune sein. Erste Simulationen anhand eines brandenburgischen Grünlandbetriebs zeigen, dass die bislang hohen Anschaffungskosten noch keinen wirtschaftlichen Einsatz zulassen. Perspektivisch scheinen eine Reduktion der Kosten und in der Folge eine Etablierung am Markt durch Standardisierung des Herstellungsprozesses mit größeren Stückzahlen allerdings möglich. Zudem könnte die Akzeptanz virtueller Zaunsysteme durch weitere Maßnahmen wie z. B. Investitions- und Weiterbildungsförderung stimuliert werden.