Auflistung nach Autor:in "Floto, Helga"
1 - 10 von 307
Treffer pro Seite
Sortieroptionen
- Komplettband39. GIL-Jahrestagung, Digitalisierung für landwirtschaftliche Betriebe in kleinstrukturierten Regionen - ein Widerspruch in sich?(39. GIL-Jahrestagung, Digitalisierung für landwirtschaftliche Betriebe in kleinstrukturierten Regionen - ein Widerspruch in sich?, 2019) Meyer-Aurich, Andreas; Gandorfer, Markus; Barta, Norbert; Gronauer, Andreas; Kantelhardt, Jochen; Floto, Helga
- Komplettband40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier - Komplettband(40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier, 2020)
- Konferenzbeitrag41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten - Komplettband(41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021)
- Konferenzbeitrag42. 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.
- Konferenzbeitrag43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme - kompletter Tagungsband(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023)
- KonferenzbeitragAbleitung des teilflächenspezifischen Kornertrags von Getreide aus Reflexionsdaten(39. GIL-Jahrestagung, Digitalisierung für landwirtschaftliche Betriebe in kleinstrukturierten Regionen - ein Widerspruch in sich?, 2019)In 14-jährigen Parzellenversuchen zu Winterweizen mit differenzierter Stickstoffdüngung und verschiedenen Sorten wurden zu vier Terminen die oberirdische Biomasse und die Stickstoffaufnahme bestimmt. Darüber hinaus wurden zu den gleichen Terminen die Pflanzenreflexion erfasst und aus diesen Daten verschiedene Vegetationsindices berechnet. Es wurde versucht, aus diesen Daten den Kornertrag zu schätzen. Manche Vegetationsindices (z. B. NDVI) zeigten eine nur mäßige Beziehung zum Kornertrag, während andere Vegetationsindices (z. B. REIP, SR1) sehr gute Beziehungen zeigten. Die Beziehung Vegetationsindex und Kornertrag unterlag jedoch großen Jahrgangsschwankungen, so dass eine Ableitung des absoluten Kornertrags mit großen Unsicherheiten behaftet ist. Die Ableitung relativer Kornerträge und damit die Abgrenzung von Ertragspotenzialzonen war jedoch mit hoher Genauigkeit möglich. Bei Kenntnis des absoluten Kornertrags für den Schlag kann so über den Relativertrag der Teilflächen auf deren absoluten Kornertrag geschlossen werden.
- KonferenzbeitragAbleitung 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, DieterKleegras 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.
- KonferenzbeitragActive-learning-driven deep interactive segmentation for cost-effective labeling of crop-weed image data(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Sikouonmeu, Freddy; Atzmueller, MartinActive learning has shown its reliability in (semi-)supervised machine learning tasks to reduce the labeling cost for large datasets in various areas. However, in the agricultural field, despite past attempts to reduce the labeling cost and the burden on the labeler in acquiring image labels, the load during the acquisition of pixel-level labels for semantic image segmentation tasks remains high. Typically, the respective pixel-level masks are acquired manually by drawing polygons over irregular and complex-shaped object boundaries. In contrast, this paper proposes a method leveraging the power of a click-based deep interactive segmentation model (DISEG) in an active learning approach to harvest high-quality image segmentation labels at a low cost for training a real-time task model by only clicking on the objects’ fore- and background surfaces. Our first experimental results indicate that with an average of 3 clicks per image object and using only 3% of the unlabeled dataset, we can acquire pixel-level labels with good quality at low cost.
- KonferenzbeitragDas „agriProKnow“-Projekt(39. GIL-Jahrestagung, Digitalisierung für landwirtschaftliche Betriebe in kleinstrukturierten Regionen - ein Widerspruch in sich?, 2019) Iwersen, Michael; Lidauer, Laura; Berger, Alexandra; Auer, Wolfgang; Tomic, Dana Kathrin; Schrefl, Michael; Efrosinin, Dmitry; Sturm, Valentin; Gusterer, Erika; Drillich, Marc; Wischenbart, MartinDer zunehmende Einsatz von Präzisionstechnik in der Milchviehhaltung (z.B. Roboter-, Sensor-, Trackingsysteme) beinhaltet zahlreiche Herausforderung hinsichtlich der Integration und Analyse der erfassten Daten. Mit der im „agriProKnow“-Projekt entwickelten Decision-Support-Plattform ist es möglich, die zuvor geschilderten Hindernisse weitestgehend zu überwinden und LandwirtInnen und anderen Stakeholdern einen zusätzlichen operativen Nutzen zu bieten. In der Plattform werden Daten aus unterschiedlichen Quellen verschiedener Betriebe gesammelt, integriert und ausgewertet. Die Umsetzung und Evaluierung dieses Prototyps erfolgte in zwei strukturell unterschiedlichen Milchviehbetrieben mit 80 bzw. 2700 Kühen. Am Beispiel der bovinen Ketose werden die gewonnen Daten derzeit zur Entwicklung eines Algorithmus genutzt, der eine Schätzung von Risikofaktoren und das Einleiten prophylaktischer Maßnahmen zur Verhinderung der Erkrankung ermöglichen soll.
- KonferenzbeitragAgriSens – DEMMIN 4.0(41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021) Spengler, Daniel; Asam, Sarah; Boettcher, Falk; Borg, Erik; Dobers, Eike Stefan; Geßner, Ursula; Harfenmeister, Katharina; Hüttich, Christian; Klan, Friederike; Teucher, Mike; Truckenbrodt, Sina; Conrad, ChristopherDie Digitalisierung der Landwirtschaft schreitet seit einigen Jahren immer weiter voran, wird aber in Deutschland noch nicht im großen Maßstab in landwirtschaftlichen Betrieben umgesetzt. Im Bereich der Geodatennutzung liegen die Herausforderungen vor allem bei der unzureichenden Definition von Schnittstellen sowie in einem mangelnden Daten- und Wissenstransfer zwischen Wissenschaft und Praxis. Hier setzt das Projekt „AgriSens – DEMMIN 4.0“ an, das vom Bundesministerium für Ernährung und Landwirtschaft (BMEL) im Rahmen der digitalen Experimentierfelder gefördert wird. Methoden zur Nutzung von Geodaten, insbesondere Fernerkundungsdaten, im Pflanzenbau werden analysiert und neu entwickelt und in konkreten Anwendungsfällen wie Ertragsabschätzung oder teilschlagspezifische Bewässerung dem Landwirt nutzbar gemacht.