Logo des Repositoriums

Auflistung nach Autor:in "Post, Christian"

1 - 2 von 2
  • Konferenzbeitrag
    Digitale 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, Imke
    Das 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
    Entwicklung eines vielfältigen und anspruchsvollen Benchmark-Datensatzes für die Detektion von Schweinen in Bildern
    (44. GIL - Jahrestagung, Biodiversität fördern durch digitale Landwirtschaft, 2024) Henrich, Jonathan; Post, Christian; Kneib, Thomas; Yahyapour, Ramin; Bingert, Sven; Traulsen, Imke
    Die Lokalisation von Schweinen in Videobildern mittels Objektdetektion spielt eine Schlüsselrolle bei der Gestaltung digitaler Überwachungssysteme in der Schweinehaltung. Um leistungsstarke Schweinedetektionsmodelle zu trainieren und systematisch miteinander zu vergleichen, bedarf es diverser und für Detektionsmodelle anspruchsvoller annotierter Datensätze. Aktuell sind solche Ressourcen nur begrenzt verfügbar. Dem soll im Rahmen dieser Arbeit nachgegangen werden, indem die Grundlage für einen anspruchsvollen Benchmark-Datensatz für die Schweinedetektion geschaffen wird. Anspruchsvolle Bilder, d. h. anfällig für fehlerhafte Detektionen, wurden mithilfe eines interaktiven prädiktionsbasierten Ansatzes identifiziert. Die experimentellen Ergebnisse legen nahe, dass sich diese gezielte Auswahl von anspruchsvollen Bildern positiv auf die Leistung von trainierten Schweinedetektionsmodellen auswirkt.