Logo des Repositoriums

Auflistung nach Autor:in "Scholz, Christian"

1 - 8 von 8
  • Konferenzbeitrag
    A digital weed counting system for the weed control performance evaluation
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Pamornnak, Burawich; Scholz, Christian; Becker, Silke; Ruckelshausen, Arno
    The weed counting method is one of the keys to indicate the performance of the weed control process. This article presents a digital weed counting system to use instead of a conventional manual counting system called “Göttinger Zähl- und Schätzrahmen” or “Göttinger Rahmen” due to the limitation of human counting on big-scale field experiment areas. The proposed method demonstrated on the maize field consists of two main parts, a virtual weed counting frame and a weed counting core, respectively. The system was implemented as a mobile application for the smartphone (Android) with server-based processing. The pre-processed image on the mobile phone will be sent to the weed counting core based on the pre-trained convolution neural network model (CNN or deep learning) on the server. Finally, the number of detected weeds will be sent back to the mobile phone to show the results. In the first implementation, 100 frames on a 1-hectare field area were evaluated. The absolute weed counting errors were categorized into three groups, A-Group (0-10 weeds error) achieves 73 %, B-Group (11-20 weeds error) achieves 17 %, and C-Group (21-30 weeds error) achieves 10 %, respectively. For overall performance, the system achieves the  = 0.97 from the correlation and 12.8 % counting error. These results show the digital version of “Göttinger Rahmen” has the potential to become a practical tool for weed control evaluations.
  • 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
    Modellbasierte Wirtschaftlichkeitsanalyse zur Bestimmung von Bodenparametern durch die Verwendung des autonomen Feldroboters BoniRob
    (Informatik in der Land-, Forst- und Ernährungswirtschaft 2016, 2016) Scholz, Christian; Ferhadbegovic, Bojan; Hinck, Stefan; Litfin, Thorsten; Ruckelshausen, Arno
    In dieser Arbeit erfolgt eine modellbasierte Wirtschaftlichkeitsanalyse zur Bestimmung von Bodenparametern durch die Verwendung des autonomen Feldroboters BoniRob im Vergleich zu konventionell verfügbaren Technologien. Auf der Basis von entwickelten Modellen und deren identifizierten technischen und monetären Eingangsgrößen werden die vorhandenen Systeme mit geeigneten Investitionsrechnungen analysiert und anschließend bewertet. Vorteile und weitere Anwendungen werden bei der Beurteilung berücksichtigt, um den Einsatz der Feldrobotik hinsichtlich ökonomischer und ökologischer Aspekte zu unterstreichen. Zur Beurteilung der Akzeptanz der Menschen für Technologien im Bereich der Bodenparameter- Bestimmung wird im Rahmen dieser Arbeit eine Umfrage durchgeführt, um zuvor definierte Technikund Qualitätsparameter objektiv zu validieren. Zusätzlich bewerten die Teilnehmer zwei unterschiedliche Szenarien zur Anwendungen der Feldrobotik hinsichtlich ihrer Wirtschaftlichkeit im Vergleich zu konventionell verfügbaren Systemen. In einem letzten Schritt werden spekulative Kosten für Folgeschäden der Landwirtschaft in Form von Überdüngungen und Bodenverdichtungen dargestellt und ein erster Lösungsansatz zur Minderung dieser Schäden beschrieben.
  • Zeitschriftenartikel
    Personalarbeit im IT-Bereich: Erfolgskritische Aktionsfelder
    (Wirtschaftsinformatik: Vol. 42, No. 1, 2000) Scholz, Christian
  • Konferenzbeitrag
    “Ready for Autonomy (R4A)”: concept and application for autonomous feeding
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Pamornnak, Burawich; Scholz, Christian; Gode, Eduard; Sommer, Karen; Novak, Timo; Hellermann, Steffen; Wegmann, Benjamin; Ruckelshausen, Arno
    This paper presents the development of the “Ready for Autonomy (R4A)” application for evaluating the feasibility of integrating an autonomous feeding machine Strautmann Verti-Q into farmyards and evaluating the machine’s performance. The proposed application consists of three main R4A checklists for telling whether the farmyard, the machine, and the farmer are ready for autonomy or not. The farmyard is the first part to be checked with the R4A application with the Verti-Q system requirements. The R4A result will be instantly generated from the application based on the Boolean function. The second part is the machine operation record which tells the overall performance of the Verti-Q machine as the R4A distribution results, e.g., excellent, good, and failure. The final part is the farmer operation training in manual and autonomous modes, in which farmers have to go through every topic to be ready to use the machine. From the experimental results, seven farmyards were observed with the R4A application. Therefore, the four farmyards are ready for autonomy with different R4A levels. The minimum working condition of the Verti-Q machine has been tested on the lowest R4A level farmyard. The distribution results from the prototype machine with 218 autonomous feeding jobs, achieving 42% in excellent distribution, 38% in good condition, and 21% in failure caused by various reasons, e.g., hardware, software, and user error, respectively. These results show the possibility of using the improved version of the autonomous feeding machine in the farmyard for sustainable farming in the future.
  • Konferenzbeitrag
    Sensorteststand zur Entwicklung von Sensorsystemen unter dynamisch-reproduzierbaren Testbedingungen
    (Massendatenmanagement in der Agrar- und Ernährungswirtschaft – Erhebung – Verarbeitung – Nutzung, 2013) Möller, Kim; Scholz, Christian; Wunder, Erik; Ruckelshausen, Arno
    Diese Arbeit stellt die mechanische und softwaretechnische Realisierung eines modularen Teststandes für die Vermessung von künstlichen und natürlichen Objekten, wie Pflanzen, bis zu einer Größe von ca. 200x50x80cm (LxBxH) vor. Die Objekte werden hierfür auf einem Förderband platziert und können mit unterschiedlichen Geschwindigkeiten sensorspezifisch vermessen werden. Ein wichtiger Aspekt ist in diesem Zusammenhang der Begriff Modularität. Dieses bedeutet neben der Möglichkeit nahezu beliebige Objekte vermessen zu können, auch die einfache Positionierung und Integration von Sensoren. Es ermöglicht Sensorsysteme unter gleichbleibenden Bedingungen zu entwickeln und zu optimieren. Durch die Speicherung der Sensordaten mit globalen Ortsund Zeitstempeln sind Sensorund Datenfusionen möglich.
  • Konferenzbeitrag
    Towards selective hoeing depending on evaporation from the soil
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Manss, Christoph; von Szadkowski, Kai; Bald, Janis; Richard, David; Scholz, Christian; König, Daniel; Ruckelshausen, Arno
    This paper presents how to generate an artificial dataset to test different hoeing rules. Therefore, images that have been obtained on two days of a field trial are analysed to infer weed and crop sizes. Then, weather data from 2021 and 2022 is gathered from open-source data for 100 synthetically generated fields. The generated dataset is then used to test hoeing rules that are conditioned to keep as much moisture in the soil as possible. The analysis with these hoeing rules indicates that much less hoeing would be applied if the proposed hoeing rules are used.