Logo des Repositoriums

Auflistung nach Autor:in "Reger, Matthias"

1 - 2 von 2
  • Konferenzbeitrag
    Navigation und Personenschutz mit Radar bei einem automatischen
Fütterungssystem
    (Informatik in der Land-, Forst- und Ernährungswirtschaft 2017, 2017) Reger, Matthias; Bernhardt, Heinz; Stumpenhausen, Jörn
    Die Milchwirtschaft des 21. Jahrhunderts ist geprägt durch eine zunehmende Volatilität des Milchpreises. Die Liquidität und Stabilität vieler Landwirtschaftlicher Betriebe ist dadurch stark gefährdet. Ein Weg der Effizienzsteigerung ist die Automatisierung von Routinearbeiten, z. B. die Brunstüberwachung, das Melken, die Laufflächenreinigung oder das Futteranschieben. Bei automatischen Fütterungssystemen (AFS) sind derzeit Systeme mit stationären Systemteilen am häufigsten vertreten [NG09]. Diese Systeme sind mit großem baulichem Aufwand verbunden und daher teuer in Anschaffung und Unterhalt. Zudem wird für die Futtervorlage in Altgebäuden eine kompakte Zweitmechanisierung benötigt. Auf Basis des selbstfahrenden, elektrisch betriebenen Futtermischwagens (FMW) TruckLine der Firma Mayer Maschinenbaugesellschaft mbH (Siloking) wird ein AFS entwickelt, das neben der manuellen Bedienbarkeit auch eine Funktion zur automatisierten, fahrerlosen Futtervorlage bietet.
  • Konferenzbeitrag
    Sektorlokalisation von Mastschweinen mit UHF-RFID
    (Informatik in der Land-, Forst- und Ernährungswirtschaft 2016, 2016) Adrion, Felix; Reger, Matthias; Eckert, Florian; Kapun, Anita; Staiger, Max; Holland, Eva-Maria; Hammer, Nora; Jungbluth, Thomas; Gallmann, Eva
    Systeme zur Erfassung der Position von Schweinen und Rindern im Stall werden vermehrt in der Landwirtschaft eingesetzt. In diesem Beitrag wird der Test eines UHF-RFID-Systems zur Sektorlokalisation von Mastschweinen, bestehend aus Transponderohrmarken, Lesegeräten und einer Software zur Datenerfassung und -analyse, vorgestellt. Hierfür wurde eine Bucht mit zehn UHF-Antennen ausgestattet, so dass die Tiere in der gesamten Bucht erfasst werden konnten. Die Erfassungsgenauigkeit der Tiere in den einzelnen Sektoren wurde durch einen Abgleich von RFID- und Videodaten ermittelt. In der besten Variante konnten eine Sensitivität von 88,5 \% und eine Spezifität von 76,8 \% erreicht werden. Zur Erzielung einer hohen Erfassungsgenauigkeit ist jedoch eine weitere Optimierung des Systems nötig.