Auflistung nach Autor:in "Steckel, Thilo"
1 - 10 von 73
Treffer pro Seite
Sortieroptionen
- Konferenzbeitrag43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme - kompletter Tagungsband(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023)
- KonferenzbeitragActive-learning-driven deep interactive segmentation for cost-effective labeling of crop-weed image data(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Sikouonmeu, Freddy; Atzmueller, MartinActive learning has shown its reliability in (semi-)supervised machine learning tasks to reduce the labeling cost for large datasets in various areas. However, in the agricultural field, despite past attempts to reduce the labeling cost and the burden on the labeler in acquiring image labels, the load during the acquisition of pixel-level labels for semantic image segmentation tasks remains high. Typically, the respective pixel-level masks are acquired manually by drawing polygons over irregular and complex-shaped object boundaries. In contrast, this paper proposes a method leveraging the power of a click-based deep interactive segmentation model (DISEG) in an active learning approach to harvest high-quality image segmentation labels at a low cost for training a real-time task model by only clicking on the objects’ fore- and background surfaces. Our first experimental results indicate that with an average of 3 clicks per image object and using only 3% of the unlabeled dataset, we can acquire pixel-level labels with good quality at low cost.
- KonferenzbeitragAnalyse ausgewählter digitaler Lösungen zur N-Düngung(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Vinzent, Beat; Maidl, Franz-Xaver; Gandorfer, MarkusAuf Basis dreijähriger Feldversuchsdaten wurden in Parzellenversuchen an einem niederbayerischen Hochertragsstandort verschiedene digitale Düngesysteme analysiert. Die Variation der einzelnen N-Düngegaben der getesteten Systeme war insgesamt nicht sehr ausgeprägt. In der Gesamtschau konnten durch die zusätzlichen Informationen zur N-Bemessung mit den digitalen Düngesystemen keine signifikant höheren N-kostenfreien Leistungen im Vergleich zu Referenzsystemen erzielt werden. Hinsichtlich der Kosten aber auch Serviceaspekte unterschieden sich die Lösungen deutlicher voneinander.
- KonferenzbeitragAnalyse und Klassifizierung von Digitalisierungsinitiativen in der Landwirtschaft(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Clasen, Michael; Westermann, JasminIn diesem Beitrag wird zunächst ein Reifegradmodell zur Messung des Digitalisierungsgrades von landwirtschaftlichen Betrieben vorgeschlagen. Es basiert auf bestehenden Reifegradmodellen, welche an die landwirtschaftlichen Besonderheiten angepasst wurden. Im zweiten Teil werden die Ergebnisse einer Befragung von 151 Landwirten in Deutschland geschildert, in der sich Landwirte mit den Stufen des Reifegradmodells identifizieren sollten. Zusätzlich wurde gefragt, warum sich Landwirte in einen bestimmten Reifegrad eingruppiert haben und was sie daran hindert, einen höheren Reifegrad zu erreichen.
- KonferenzbeitragAntecedents of organizational resilience and how these can be transferred to agriculture(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Hohagen, Saskia; Obermann, Niklas; Wilkens; UtaThe agricultural sector is increasingly characterized by national competition and a dynamic environment. The resilience concept, which is used in connection with farms, is based on the social-ecological perspective and primarily gives emphasis to a system. To this end, there is a research gap in the consideration of resilience from a management perspective in agriculture. Drawing on the literature on organizational resilience from a managerial perspective, this article examines resilience-enabling factors that can be used by operations managers to prepare for future challenges in agriculture. A systematic literature review was conducted from which four main categories of antecedents (leadership, individual factors, digitalization and strategic alignment) could be derived, consistent with a socio-technical perspective on organizations. Considering these factors can help farm managers to build resilient farms not only from a social-ecological, but also from an organizational (management) perspective.
- KonferenzbeitragAn approach to the automation of blueberry harvesting using soft robotics(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Navas, Eduardo; Dworak, Volker; Weltzien, Cornelia; Fernández, Roemi; Shokrian Zeini, Mostafa; Käthner, Jana; Shamshiri, RedmondSoft grippers are used to produce a significant advance in the manipulation of delicate objects. A field of application that is presented in this paper is the automation of the selective harvesting of high-value crops. This study addresses a first approach to the design of a soft gripper and its adaptation to a robotic system for blueberry harvesting. The experimental results are carried out to demonstrate the feasibility and effectiveness of the proposed prototype.
- KonferenzbeitragAutomatisierte Erkennung von Gruppenaktivitätsverhalten von Schweinen in der Aufzucht mithilfe von KI-Kamerasystemen(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Kühnemund, Alexander; Recke, GuidoKameras zur Überwachung von Tieren und Tierverhalten sind schon häufig Thema bisheriger Untersuchungen gewesen und werden in Zukunft stetig wachsende Bedeutung haben. Ein Nachteil von Liegeverhaltensbeobachtungen war die Notwendigkeit menschlicher Arbeit bei der Identifikation liegender Tiere. Diese Untersuchung zeigt, dass eine automatische Erkennung von Bewegungen durch ein System künstlicher Intelligenz eine Lösung für dieses Problem sein kann. Mit einer Erfolgsrate von über 90 % konnten liegende und aktive Tiere als solche identifiziert werden. Im Rahmen des Projektes „5G-Agrar – Nachhaltige Landwirtschaft“ wurde dieser Fall untersucht und liefert für zukünftige Automatisierungen wichtige Erkenntnisse.
- KonferenzbeitragAutomatisierte Verarbeitung von heterogen aufgelösten Datenquellen zur Berechnung einer teilflächenspezifischen Flüssigmistapplikationskarte(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Hinck, Stefan; Kümper, DanielBei der Ermittlung des Stickstoffdüngebedarfes (N-Düngebedarf) ist die Düngeverordnung maßgeblich zu befolgen. Die Berechnung des N-Düngebedarfes erfolgt pro Feld und ist zu dokumentieren. Weiter ist zu beachten, dass die Berechnung vor der Ausbringung zu erfolgen hat. Verschiedene Daten sind bei der Ermittlung zu berücksichtigen. Insbesondere bei der teilflächenspezifischen N-Düngebedarfsermittlung können die notwendigen Daten mit einem unterschiedlichen räumlichen Bezug vorliegen. Beispielweise liegen die Ertragsdaten vom Mähdrescher in der Regel als Punktdaten vor und sind zur Nutzung bei der teilflächenspezifischen Düngebedarfsermittlung auf einen flächenbasierten räumlichen Bezug zu interpolieren. Ebenfalls können zwei oder mehrere Polygondatensätze flächenbasierte Daten beinhalten aber einen unterschiedlichen räumlichen Bezug haben, z. B. Ertragspotenzialkarten auf Teilflächenbasis und die letztjährige Ausbringmenge organischen Stickstoffs aus Gülle für den gesamten Ackerschlag. In diesem Fall sind die Ebenen mit unterschiedlichen räumlichen Bezügen durch Verschneidung auf denselben räumlichen Bezug zu bringen. Für diese Zwecke ist das OPeRAte-NPK-Düngemodul entwickelt und umgesetzt worden. Die Arbeiten erfolgten im OPeRAtePlus-Forschungsprojekt am Beispiel der kooperativen Flüssigmistausbringung.
- KonferenzbeitragBeurteilung von Use Cases zur Tierortung nach dem Grad des Informationsgehalts(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Lamoth, Marie; Neeland, Heiko; Umstätter, ChristinaIn der Nutztierhaltung ist das rechtzeitige Erkennen von kranken Tieren von großer Bedeutung. Um dies zu unterstützen, werden automatisierte Assistenzsysteme entwickelt. Die Tierortung kann eine Technik sein, um Verhaltensabweichungen zu detektieren. Für ein solches Erkennungssystem ist es wichtig zu definieren, worüber es Auskunft geben soll. Stachowicz und Umstätter [SU21] unterscheiden drei Nachweisebenen nach dem Grad ihres Informationsgehalts. Die ersten beiden Ebenen beinhalten umwelt- oder tierbezogene Aspekte und die dritte Ebene spezifische krankheitsbezogene Indikatoren. In dieser Studie wurden auf Tierortung beruhende Use Cases für Assistenzsysteme hinsichtlich der Nachweisebene bewertet. Dafür wurde der jeweilige Indikator betrachtet und in dem Entscheidungsbaum der passenden Stufe verortet. Bei allen untersuchten Use Cases fallen die Indikatoren in die Ebene 1. Das heißt, die unspezifischen Daten der Tierortung können genutzt werden, um generelle Probleme des Wohlbefindens automatisch zu identifizieren. Eine Erkennung oder Vorhersage von spezifischen Erkrankungen ist hingegen mit diesen technischen Systemen nicht möglich.
- KonferenzbeitragBlue Apple – an algorithm to realize agricultural classification under difficult light and color situations(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Credner, Jonas; Rehrmann, Peter; Raaz, Waldemar; Rath, ThomasComputer-image processing becomes more and more important in the analysis of data in biological and agricultural research and practice. However, robust image processing is highly dependent on the histogram analysis algorithms used and the quality of the data being processed. The algorithm presented here aims to improve the accuracy of the classification of image data generated under complex boundary situations and inconsistent lighting conditions. Using the example of the determination of nitrogen content of tomato leaves and the qualitative determination of starch content of apples on the basis of color image processing, we showed that the developed algorithm is able to perform a robust classification and represents an improvement to simple histogram analysis.