Auflistung nach Autor:in "Gandorfer, Markus"
1 - 10 von 248
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.
- 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.
- 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.
- KonferenzbeitragAI-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, AnthonyRecent 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.
- KonferenzbeitragAkustische 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 KarlAssistenzsysteme 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.