Logo des Repositoriums

Auflistung nach Autor:in "Igelbrink, Matthias"

1 - 3 von 3
  • Konferenzbeitrag
    Entwicklung einer flexiblen Sensorapplikation zur Erzeugung von validen Daten für KI-Algorithmen in landwirtschaftlichen Feldversuchen
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Koenig, Daniel; Igelbrink, Matthias; Scholz, Christian; Linz, Andreas; Ruckelshausen, Arno
    Künstliche Intelligenz nimmt eine zunehmend bedeutende Rolle in der digitalen Transformation der Landwirtschaft ein. Der Nutzen wird maßgeblich durch die Integration in die einzelnen Prozesse bestimmt. Damit KI-Module anwendungsbezogen entwickelt und eingesetzt werden können, ist die Erfassung valider Sensordaten im Feld notwendig. Diese bilden die Basis für das Trainieren und Anwenden von KI-Netzen. Durch den Einsatz kostengünstiger Standard-Sensorik kann in Kombination mit künstlicher Intelligenz ein Mehrwert in Bezug auf die Qualität der Datenverarbeitung erzielt werden. Aus der Notwendigkeit heraus, valide Sensordaten bereitzustellen, wurde eine flexible Sensorapplikation entwickelt, die durch entsprechende Systemtechnik und typische kostengünstige Sensorik (RGB-Kamera, 3D-Stereokamerasystem, RTK-GPS) valide Daten unter Feldbedingungen aufnehmen kann. Diese Daten können einer KI zur Verfügung gestellt werden. Durch diese Sensorauswahl kann auf eine Vielzahl von Anwendungen im Feld eingegangen werden („70%-Setup“). Zudem wurde das System in eine Simulationsumgebung implementiert, um vorab z. B. Anbaupositionen von Sensoren etc. zu überprüfen. Für die Erzeugung von validen Sensordaten wurden als erste Praxisbeispiele zwei unterschiedliche Feldanwendungen betrachtet und hierfür geeignete Feldversuche durchgeführt.
  • Konferenzbeitrag
    Field plant characterization method based on a multi-wavelength line profiling system
    (41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021) Pamornnak, Burawich; Scholz, Christian; Nieberg, Dominik; Igelbrink, Matthias; Ruckelshausen, Arno
    Phenotyping of plant characteristics is essential for plant breeding. Especially the growth stages of plants during field emergence, described by parameters such as plant height and plant counting, are of interest. But large-scale manual phenotyping is very inconvenient due to the workload, the harsh weather conditions, and time-consumption. Therefore, an automated system is needed. This research describes a field plant characterization method implemented in a plot divider machine for rapeseeds. The method consists of a plant height estimation and a plant counting system. Based on a multi-wavelength line profiling (MWLP) sensor system, the 2D and 3D point cloud information from visible wavelengths to near-infrared (NIR) are automatically mapped without any need for a matching method. The plant characterization processes consist of two main steps, 1) plant detection, and 2) height estimation. These processes use the 2D NIR and 3D point cloud as the main features. The proposed method was demonstrated with highly accurate results in several rapeseeds, illustrating the potential of this method to become a basic tool for crop characterization in plant sciences
  • Konferenzbeitrag
    Mobiles Hochdurchsatz-Phänotypisierungssystem für Feldversuche in Raps
    (40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier, 2020) Nieberg, Dominik; Jenz, Mario; Möller, Kim; König, Philipp Daniel; Igelbrink, Matthias; Abbadi, Amine; Feuerstein, Ulf; Ruckelshausen, Arno
    Für die sensorgestützte Feldphänotypisierung in der Pflanzenzucht werden bislang meist spezielle Plattformen eingesetzt. Hierdurch stehen den Vorteilen der sensorgestützten Ertragsoptimierung unter anderem hohe Anschaffungskosten und niedrige Nutzungszeiten gegenüber. Des Weiteren braucht es für die Kulturpflanze Raps spezielle Fahrzeugtypen, da hier eine bloße Überfahrt teilweise schwer möglich ist. Diese Arbeit beschreibt ein entwickeltes Multisensorsystem basierend auf dem BreedVision-Konzept [Mö16], welches ohne große Änderungen in kurzer Zeit an konventionelle Maschinen der Feldversuchstechnik montiert werden kann. Durch diese Kombination ergibt sich eine mobile Raps-Phänotypisierungsplattform, welche Merkmale im Bestand erfasst. Weiter werden die Bestände auch mit Drohnen überflogen und diese Daten verglichen. Durch die modulare Gestaltung ist eine hohe Flexibilität des Sensorsystems gegeben. Der Rückbau der Systemtechnik erfolgt nahezu rückstandslos und garantiert somit die vollständige Nutzung der Maschine. Somit können vorhandene Ressourcen effektiv genutzt und Kosten reduziert werden. Das System konnte bereits bei ersten Feldversuchen in Raps eingesetzt und erste feldbasierte Sensordaten erhoben werden.