Auflistung nach Autor:in "Tapken, Heiko"
1 - 7 von 7
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragComputer-Vision-basierte Aktivitätserkennung bei Schweinen(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Hesse, Lukas; Fruhner, Maik; Tapken, Heiko; Müller, HenningDie Sicherstellung des Tierwohls ist einer der Kernaspekte in der modernen Nutztierhaltung. Da sich durch den steigenden Bedarf an Lebensmitteln und dem steigenden Kostendruck immer mehr Landwirte dazu gezwungen sehen, immer größere Tierzahlen zu halten, fällt es vor dem Hintergrund des Fachkräftemangels schwieriger, diesem Aspekt nachzukommen. Aus diesem Grund müssen Technologien zur Unterstützung von Landwirten entwickelt werden, welche datenbezogene hochwertige Entscheidungshilfen geben können. Einen solchen Ansatz erarbeitet das Team des Forschungsprojektes SmartTail, bei dem unter anderem eine Computer-Vision-basierte Aktivitätserkennung erarbeitet wird. Durch die nicht-invasive und kostengünstige Hardware können so potenziell flächendeckend Systeme zur Unterstützung der Landwirte implementiert werden. Innerhalb dieser Arbeit wird sich mit der videobasierten Aktivitätserkennung bei Schweinen beschäftigt. Besonders betrachtet wird dabei das Problem des Schwanzbeißens. Dieses ist in der Schweinehaltung bekannt, aber aufgrund der multifaktoriellen Ursachen existiert bisher weder ein System zur Vorhersage noch zum Erkennen solcher Attacken. Aus diesem Grund werden innerhalb dieser Arbeit mehrere state-of-the-art Modelle zur bildbasierten Aktivitätserkennung betrachtet und miteinander verglichen, um so ein effektives System zur Aktivitätserkennung bei Schweinen zu entwickeln.
- KonferenzbeitragDarstellung digitaler Dienste und Informationen mittels Augmented Reality(38. GIL-Jahrestagung, Digitale Marktplätze und Plattformen, 2018) Kraatz,Franz; Nordemann, Fran; Iggena, Thorben; Tapken, Heiko; Tönjes, RalfDie Unterstützung des Maschinenführers auf der Landmaschine durch digitale Dienste nimmt immer stärker zu. Die Darstellungsmöglichkeiten sind jedoch auf die Größe der eingesetzten Terminals beschränkt. Um Sichteinschränkungen aus der Kabine durch zusätzliche Terminals zu vermeiden, ist der Einsatz von Augmented Reality sinnvoll. Hier lassen sich die vorhande-nen Informationen statisch oder dynamisch in das Sichtfeld des Landwirts einblenden. Doch erst durch die in diesen Beitrag gezeigte Overlay Darstellungsebene mit integrierten Informati-onen lässt sich das Potenzial der Augmented Reality vollständig nutzen.
- KonferenzbeitragDigitale Agrarprozesse für eine nachhaltige und verordnungskonforme Landwirtschaft am Beispiel einer kooperativen Flüssigmistausbringung(40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier, 2020) Nordemann, Frank; Iggena, Thorben; Kraatz, Franz; Fruhner, Maik; Tapken, Heiko; Tönjes, RalfEine zunehmende Anzahl von Agrarprozessen wird in Kooperation verschiedener Akteure bearbeitet. Eine Silomaisernte verlangt nach einem optimierten Zusammenspiel von Erntemaschine, abfahrenden Traktorgespannen, Waage und Siloverdichtung. Bei einer teilflächenspezifischen Flüssigmistausbringung müssen Ausbringwagen, Zubringer, Analysewerkzeuge sowie Applikationskartenberechnung, Maschinenauftragserstellung und Nährstoffdokumentation aufeinander abgestimmt werden. In der Praxis fehlt es an ganzheitlich digitalisierten Agrarprozessen, die kooperierende Akteure in ihren Tätigkeiten unterstützen. Dieser Beitrag veranschaulicht an den Ergebnissen des dreijährigen Forschungsprojektes OPeRAte, wie durch teilautomatisierte und medienbruchfrei umgesetzte Prozesse Anwender in ihren Tätigkeiten unterstützt werden können. Ganzheitlich digitalisierte Agrarprozesse begünstigen Umweltaspekte beispielsweise durch die Einhaltung von gesetzlichen Verordnungen, die Bereitstellung automatisierter Dokumentationen und die Durchführung von Optimierungsanalysen für ein effizientes Nährstoffmanagement.
- KonferenzbeitragKI-basiertes Computer-Vision-System zur Qualitäts- und Größenbestimmung von Kartoffeln(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Schliebitz, Andreas; Graf, Henri; Wamhof, Tobias; Tapken, Heiko; Gertzen, AndreasDiese Arbeit untersucht die Weiterentwicklung einer stichprobenbasierten zu einer kontinuierlichen Qualitätsmessung von Kartoffellieferungen. Das dafür entwickelte KI-basierte Computer-Vision-System lokalisiert mithilfe eines YOLOv5-Detektors Kartoffeln auf einem Förderband mit einer Genauigkeit von 0,96 mAP@[.5:.95]. Eine anschließende Qualitäts-bestimmung der detektierten Kartoffeln erfolgt mit einem EfficientNetV2-Klassifkator, der zur Familie der Convolutional Neural Networks zählt. Dieser zeigt auf einem qualitativ hochwertigen Referenzdatensatz eine Genauigkeit von 96 % auf acht Mängelklassen, welche auf dem zu erweiternden Förderband-Datensatz bei zwei Klassen auf 81 % und bei drei Klassen auf 72 % abfällt. Das Quadratmaß, Volumen und Gewicht einer Kartoffel werden über Segmentierungs-masken und Tiefenbilder approximiert. Zur echtzeitfähigen Annäherung der Geometrie wird anhand dieser Daten für jede erkannte Kartoffel ein triaxialer Ellipsoid berechnet. Weiterhin wird ein Ansatz zur Verbesserung der mit einem optimalen Schwellenwertalgorithmus berechneten Segmentierungs-masken auf Basis eines Mask R-CNN Segmentierungsmodells erarbeitet.
- KonferenzbeitragKooperative Agrarprozesse resilient gestalten und dynamisch optimieren(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Nordemann, Frank; Tönjes, Ralf; Tapken, Heiko; Hesse, LukasDie Digitalisierung von Arbeitsabläufen in der Landtechnik schreitet kontinuierlich voran. Arbeitsaufträge und Prozessdaten werden zunehmend digital ausgetauscht, verarbeitet und analysiert. Als Herausforderung hat sich jedoch die resiliente Gestaltung und Ausführung von kooperativen Agrarprozessen herausgestellt. Auf ländlichen Flächen können die Kommunikationsmöglichkeiten zwischen kooperativen Akteuren beschränkt sein, wodurch Prozessabläufe behindert werden oder fehlschlagen können. Auch Maschinenausfälle führen häufig zu Fehlern und Abbrüchen in den digitalisierten Prozessen. Am Beispiel einer kooperativen Flüssigmistdüngung aus dem OPeRAtePlus-Forschungsprojekt veranschaulicht dieser Beitrag, wie kooperative Agrarprozesse resilient gestaltet und zugleich hinsichtlich weiterer Kriterien (z. B. Genauigkeit/Kosten/Zeit der Prozessausführung) dynamisch optimiert werden können. Hierzu wird die Prozessbeschreibungssprache Business Process Model and Notation (BPMN) erweitert, um die Resilienz in unzuverlässigen Kommunikationsumgebungen zu verbessern. Die verbesserte Zuverlässigkeit wird durch Simulationen und Einsatz im Feld nachgewiesen.
- KonferenzbeitragModellierung, Ausführung und Steuerung von kooperativen Agrarprozessen mit BPMN und MQTT(38. GIL-Jahrestagung, Digitale Marktplätze und Plattformen, 2018) Nordemann, Frank; Iggena, Thorben; Kraatz, Franz; Tapken, Heiko; Tönjes, RalfIn der Agrartechnik steht Landwirten und Lohnunternehmern eine steigende Anzahl digitaler Dienste zur Verfügung. Eine Modellierung, Ausführung und Steuerung von kooperativen Agrarprozessen ist aufgrund der verschiedenen, zueinander inkompatiblen IT-Lösungen nur eingeschränkt möglich. Es fehlt ein einheitlicher Standard zur Beschreibung dieser Prozesse. Der Beitrag stellt die Beschreibung von Agrarprozessen mit der Business Process Model and Notation (BPMN) dar. Domänenexperten (z.B. Landwirte, Lohnunternehmer, digitale Diens-tanbieter) können kooperative Prozessabläufe plattformübergreifend gestalten, ohne dabei Prozessinterna mit anderen Akteuren teilen zu müssen. Als Brücke zwischen der kooperativen Prozessebene und der ausführenden Maschinenebene wird im Beitrag Message Queue Tele-metry Transport (MQTT) eingesetzt: Mittels MQTT können Anweisungen und Informationen (z.B. Arbeitsaufträge, Statusdaten) zwischen beiden Ebenen in Echtzeit vermittelt und verar-beitet werden.
- KonferenzbeitragRe-Identifikation markierter Schweine mit Computer Vision und Deep Learning(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Fruhner, Maik; Tapken, Heiko; Müller, HenningDas Forschungsprojekt SmartTail untersucht die frühzeitige Erkennung von Schwanzbeißen bei Mastschweinen mithilfe von künstlicher Intelligenz. Durch Video-Livestreams aus den Versuchsställen können die Tiere automatisiert erkannt und überwacht werden. Beim Auftreten aggressiven Verhaltens muss das System jedoch in der Lage sein, Aggressor und Opfer zu identifizieren. Hierzu wurden unterschiedliche Arten der Markierung untersucht, die von einem Computersystem autonom erkannt werden sollen. Der Einsatz von auf Ohrmarken gedruckten Data Matrix Codes hat gezeigt, dass die Wiedererkennung eines Tieres auch nach langer Verdeckung oder Abwesenheit gewährleistet werden kann, indem die Codes im Videomaterial lokalisiert und ausgelesen werden. In Verbindung mit einem Tracking-Verfahren ist so eine robuste Identifikation und Überwachung von Tieren möglich. Die gesammelten Daten können zudem für die Untersuchung weiterer wissenschaftlicher Fragestellungen genutzt werden.