Auflistung nach Autor:in "Hertzberg, Joachim"
1 - 10 von 31
Treffer pro Seite
Sortieroptionen
- Zeitschriftenartikel3D-Roboterkartenbau in Osnabrück(KI - Künstliche Intelligenz: Vol. 24, No. 3, 2010) Hertzberg, Joachim; Lingemann, Kai; Lörken, Christopher; Nüchter, Andreas; Stiene, Stefan; Wiemann, ThomasSeit Herbst 2004 existiert die Arbeitsgruppe „Wissensbasierte Systeme“ am Institut für Informatik der Universität Osnabrück. Ein Langfristziel der Arbeitsgruppe besteht darin, Schlussfolgerungs- und Planungsverfahren der KI für den Einsatz online und onboard auf mobilen Robotern einsetzbar zu machen. Ein daraus abgeleitetes Arbeitsthema ist der Bau von semantischen Roboterkarten basierend auf 3D-Laserscans bei 6-dimensionalen Scanposen. Wir geben einen Überblick über die wichtigsten Ergebnisse dazu und über unsere Perspektive dieses Themas für die Zukunft.
- ZeitschriftenartikelAI, Kitsch, and Communication(KI - Künstliche Intelligenz: Vol. 31, No. 4, 2017) Hertzberg, Joachim
- KonferenzbeitragArchitektur einer offenen Software-Plattform für landwirtschaftliche Dienstleistungen(Informatik in der Land-, Forst- und Ernährungswirtschaft 2017, 2017) Stiene, Stefan; Scheuren, Stephan; Günther, Martin; Lingemann, Kai; Lauer, Andreas; Bernardi, Ansgar; Hertzberg, JoachimDie Digitalisierung hat die Landwirtschaft verändert beim üblichen Betrieb von Höfen, bei der Steuerung von Maschinen der Stallund Landtechnik und bei der Erbringung von Dienstleistungen. Zur Verwaltung und Verarbeitung der Daten gibt es eine gewachsene Infrastruktur von Softwaresystemen diverser Anbieter, die jeweils Ausschnitte der Wertschöpfungskette behandeln. Diese Heterogenität erschwert derzeit den Aufbau optimaler Wertschöpfungsketten und Entwicklung, Angebot und Nachfrage neuer Dienstleistungen darin. Der Schutz der Hoheit an Betriebsdaten und der Schutz personenbezogener Daten im Prozess sind besonders am Übergang zwischen Teilsystemen aktuell nicht immer sichergestellt. Dieses Papier stellt die Architektur einer offenen Plattform zur integrierten, skalierbaren, vernetzten und sicheren Repräsentation, Kommunikation und Bearbeitung von Daten und Diensten im Umfeld von Landwirtschaftsbetrieben vor. Damit vernetzen sich Akteure der landwirtschaftlichen Wertschöpfungskette, um Dienste, Anforderungen und Daten gezielt und selektiv zu teilen und sicher auszutauschen. Dabei können sie ihre vorhandenen Maschinen und Informationssysteme weiter nutzen.
- KonferenzbeitragAuf 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, JoachimZur 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.
- ZeitschriftenartikelAutomatische Wiedererkennung von individuellen Objekten mit dem Dynamic Anchoring Agent(HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 6, 2020) Günther, Martin; Kammler, Friedemann; Ferdinand, Oliver; Hertzberg, Joachim; Thomas, Oliver; Zielinski, OliverIndividuelle Objekte spielen im Alltag eine zentrale Rolle und machen deren Unterscheidung zu einer wichtigen Voraussetzung für den Einsatz von Robotik. Die Herausforderung liegt dabei nicht allein in der sensorischen Wahrnehmung, sondern auch in der Verknüpfung mit vorhandenem Wissen: So können zwei für Verfahren der Objekterkennung identische Gegenstände durch ihre Funktion („Der Akkuschrauber, den ich zuletzt genutzt habe“) oder ihren Umgebungskontext („Die Tasse auf meinem Tisch“) eine eindeutige Zuordnung erhalten. Die Robotik adressiert diese Herausforderung unter dem Begriff des Anchorings, also der Fähigkeit, individuelle Objekte eindeutig zu erkennen und anhand ihres Kontexts wiederzuerkennen, sobald sie einmal aus dem Wahrnehmungsbereich gelangt sind. Auf technischer Ebene besteht dabei das Problem, Beziehungen zwischen Sensordaten und Symbolen in einer Wissensbasis herzustellen und so physische Objekte konkret zu adressieren. Der Beitrag stellt das Anchoring-Problem sowie den Dynamic Anchoring Agent (DAA) als einen Lösungsansatz vor. Anhand von zwei realen Anwendungsszenarien wird der Einsatz des DAA demonstriert: Anhand eines MakerSpaces werden die Möglichkeiten zur erweiterten Kooperation zwischen Menschen und Robotern gezeigt - beispielsweise durch die Suche und Identifikation von persönlichem Werkzeug oder benötigten Produktionsmaterialien. Eine zweite Anwendung verdeutlicht am Beispiel eines Yachthafens den weiterführenden Einsatz in dynamischen Umgebungen. Individual objects play a central role in everyday life and make their distinction an important requirement for the application of robotics. The challenge is not only sensorial perception, but also the combination with existing knowledge: For example, two goods that are identical for object recognition can be further distinguished by their function (“The battery screwdriver I used last”) or their environmental context (“The cup on my table”). Robotics addresses this challenge under the notion of anchoring, meaning the ability to identify individual objects and to recognize them by their context once they have left the perception of the system. On a technical level, the problem is to establish relationships between sensor data and symbols in a knowledge base and thus to address physical objects concretely. This paper presents the anchoring problem and the Dynamic Anchoring Agent (DAA) as a solution approach. The use of the DAA is demonstrated using two real application scenarios: With the example of a MakerSpace, the possibilities for extended cooperation between humans and robots are shown—for instance in the search and identification of personal tools or required production materials. The second application demonstrates the extended use in dynamic environments within the example of a marina.
- KonferenzbeitragA data mining process for building recommendation systems for agricultural machines based on big data(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Altaleb, Mohamed; Deeken, Henning; Hertzberg, JoachimThere is a potential expansion in the agricultural machinery industry by using the collected data from different years. Big data is already being used in other industries like e-commerce to improve decision-making processes. There are several existing process models to lead through the generic processes of data mining. The common factor between the process models that have attained dominant public position is that they are domain-agnostic frameworks. This paper proposes a method to extend the CRoss-Industry Standard Process for Data Mining (CRISP-DM) to focus on the agricultural domain and give guidelines on how to handle and structure the agricultural data and processes to reach defined data mining goals. The paper provides a walk-through for a use case to build a recommendation system.
- KonferenzbeitragDigitale Simulation von Konzepten und Handlungsoptionen zur Verminderung von Stickstoffemissionen in der Schweinehaltung: das Serious Game pigNplay(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Post, Christian; Elsholz, Sabrina; Reith, Alexandra; Rieckmann, Marco; Corzilius, Gero; Grabkowsky, Barbara; Christ, Stefan; Hertzberg, Joachim; Reddig, Sarah; Greven, Annika; von Geibler, Justus; Traulsen, ImkeDas Serious Game pigNplay ermöglicht als ein digitales Werkzeug für (angehende) Landwirt/-innen das Kennenlernen, Bewerten und virtuelle Ausprobieren von Optionen zur Stickstoffreduktion in der Schweinehaltung. Dazu gehören z.B. bauliche oder technische Möglichkeiten sowie Managementmaßnahmen inkl. ihrer ökonomischen und ökologischen Wirkungen. Grundlage ist eine digitale Simulation einer Betriebsumwelt für verschiedene Haltungssysteme, die anhand von integrierten Schätzgleichungen und etablierten Kennzahlen modelliert werden. Somit kann das Serious Game komplexe Zusammenhänge von Stickstoffkreisläufen vermitteln und die Übertragung der erworbenen Kenntnisse auf die landwirtschaftliche Praxis fördern.
- Konferenzbeitrag„Digitale Zwillinge“ als Werkzeug für die Entwicklung von Feldrobotern in landwirtschaftlichen Prozessen(39. GIL-Jahrestagung, Digitalisierung für landwirtschaftliche Betriebe in kleinstrukturierten Regionen - ein Widerspruch in sich?, 2019) Linz, Andreas; Hertzberg, Joachim; Roters, Jan; Ruckelshausen, ArnoDie hohe Komplexität von feldbasierten Prozessen im landwirtschaftlichen Pflanzenbau stellt hinsichtlich der Variabilität der Pflanzen, des Bodens, der Technologien, des Umfeldes und zahlreicher Störgrößen erhebliche Anforderungen an die Entwicklung robuster Technologien. Simulationen spezifischer Aspekte unterstützen diese Entwicklungen seit vielen Jahren. Eine ganzheitliche Simulation des landwirtschaftlichen Prozesses – sozusagen ein „Digitaler Zwilling“ – unter Integration möglichst vieler der aufgeführten Einflussgrößen birgt dabei ein erhebliches Potenzial, insbesondere kann der Einfluss einzelner Größen auf den Gesamtprozess für die Fehleranalyse, den Service oder Neuentwicklungen verwendet werden. Weiterhin stellt die Kopplung der Simulationen mit den realen Systemen eine wichtige Schnittstelle für kurze Entwicklungszyklen und den Transfer von Forschungsergebnissen in die Praxis dar. In dieser Arbeit werden drei Beispiele „Digitaler Zwillinge“ im landwirtschaftlichen Kontext vorgestellt.
- KonferenzbeitragErste Schritte zu einem virtuellen Zuchtgarten(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Tieben, Christoph; Kisliuk, Benjamin; Enders, Matthias; Léon, Mareike; Daiber, Florian; Kosmalla, Felix; Stiene, Stefan; Hertzberg, JoachimAls einer der wichtigsten Arbeitsschritte der Pflanzenzüchtung werden Sortenkandidaten in Parzellenversuchen regelmäßig bonitiert und charakterisiert. Hierbei werden in den unterschiedlichen Entwicklungsstadien eine Vielzahl an Parametern und Merkmalen, meist visuell, erfasst. Ein robotischer Lösungsansatz bietet das Potenzial, diesen Aufwand signifikant zu reduzieren und neue Möglichkeiten zu eröffnen. Ein Monitoring der einzelnen Parzellen durch regelmäßige, hochgenaue Erfassung von Laserscan- und Hyperspektral-Daten bildet die Grundlage, auf der ein detailliertes, dreidimensionales Abbild der Zuchtgärten erstellt wird. Dieses Abbild soll innerhalb einer Virtual Reality Umgebung (VR) aufbereitet und darin den Züchter:innen zugänglich gemacht werden. Dies soll die Bonitur in einem virtuellen Zuchtgarten ermöglichen, der neben den sichtbaren Lichtspektren auch andere Datenquellen integriert und nutzbar macht. Das Ziel dieses Beitrags ist es, die ersten Schritte und Erfahrungen bei der Entwicklung einer autonomen robotischen Monitoring-Lösung sowie der darauf aufbauenden Erstellung des virtuellen Zuchtgartens zu präsentieren und zur Diskussion zu stellen.
- KonferenzbeitragEvaluation of a decision support system for the recommendation of pasture harvest date and form(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Reuter, Tobias; Saborío Morales, Juan Carlos; Tieben, Christoph; Nahrstedt, Konstantin; Kraatz, Franz; Meemken, Hendrik; Hünker, Gerrit; Lingemann, Kai; Broll, Gabriele; Jarmer, Thomas; Hertzberg, Joachim; Trautz, DieterThe task of generating automatic recommendations of pasture harvest date and form was previously addressed through a knowledge-based decision support system (DSS). The system follows expert rules and exploits data such as the weather history and forecast, the growth stage of grass and legumes, plant height and crude fibre content. In this paper, we present the results of our evaluation of this DSS on 26 fields in West and Northwest Germany. We compared the suggestions made by the DSS with the decisions of expert farmers and obtained an accuracy of R²=0.746 and RMSE=7.83 days. The best results occurred for intensively managed fields for dairy cows, with an R² of 0.891 and RMSE of 3.20 days. We conclude our DSS and its underlying methodology have the potential to support farmers and secure high-quality fodder.