P317 - 42. GIL-Jahrestagung 2022 - Fokus: Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft
Auflistung nach:
Auflistung P317 - 42. GIL-Jahrestagung 2022 - Fokus: Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft nach Erscheinungsdatum
1 - 10 von 61
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragFarmWissen(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Kraus, Maren; Menne, Jannis; Eberz-Eder, Daniel; Schaffner, Svea Lynn; Ferdinand, Jan-Henrik; Reckleben, YvesDie Digitalisierung von landwirtschaftlichen Betrieben wird von vielen Einflussfaktoren beeinträchtigt – dies reicht von ungenauen Anforderungen an Daten und Schnittstellen komplexer, digitaler Technologien bis hin zur exakten Einschätzung des Investitionsvolumens neuer Technik. Um den von Betrieb zu Betrieb sehr individuellen Hürden der Digitalisierung zu begegnen, haben sich die Experimentierfelder BeSt-SH und Südwest zusammengeschlossen und die gemeinsame Wissenstransfer-Strategie „FarmWissen“ (www.farmwissen.de) entwickelt.
- KonferenzbeitragWeb scraping of food retail prices(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Loy, Jens-Peter; Ren, YanjunIn this paper, we develop a theory of food retail promotional strategy. We test the theory using online food retail prices. A python code is applied to retrieve information from the web page mytime.de. Mytime.de is an online grocery outlet that belongs to the Bünting Group, a food retailer in North-West Germany. The promotional sales on mytime.de show a complementary relationship between breadth and depth of sales, indicating that in order to attract consumers, stores raise both the number (breadth) and the depth of price promotions.
- KonferenzbeitragWissenstransfer im Experimentierfeld DigiSchwein(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Lieboldt, Marc-Alexander; Münzebrock, Lena; Sagkob, Stefan; Diekmann, LudwigGemäß dem Prinzip Theorie trifft Praxis verfolgt das Experimentierfeld DigiSchwein mit Hilfe seines Wissenstransferkonzepts das Ziel, die Erkenntnisse und Erfahrungen seiner F&E-Arbeit zum Einsatz digitaler Lösungen in der Schweinehaltung wirksam und Open Source in der Praxis und Lehre entlang der gesamten landwirtschaftlichen Wertschöpfungskette Schwein zu vermitteln. Hauptzielgruppen des Wissenstransfers sind derzeitige und zukünftige Landwirte als Anwender digitaler Lösungen, der ihnen vor- und nachgelagerte Bereich als Bereitsteller und Vernetzer dieser Lösungen sowie die Politik als rechtlicher Rahmengeber der Digitalisierung. In diesem Kurzbeitrag wird das Wissenstransferkonzept im Experimentierfeld DigiSchwein mit seiner Zielsetzung, seinen Zielgruppen sowie den auf sie abgestimmten Vernetzungs- und Transfermethoden vorgestellt. Der Leitsatz des Wissenstransfers im Projekt lautet DigiSchwein – beraten, qualifizieren, fördern.
- KonferenzbeitragA data mining process for building recommendation systems for agricultural machines based on big data(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Altaleb, Mohamed; Deeken, Henning; Hertzberg, JoachimThere is a potential expansion in the agricultural machinery industry by using the collected data from different years. Big data is already being used in other industries like e-commerce to improve decision-making processes. There are several existing process models to lead through the generic processes of data mining. The common factor between the process models that have attained dominant public position is that they are domain-agnostic frameworks. This paper proposes a method to extend the CRoss-Industry Standard Process for Data Mining (CRISP-DM) to focus on the agricultural domain and give guidelines on how to handle and structure the agricultural data and processes to reach defined data mining goals. The paper provides a walk-through for a use case to build a recommendation system.
- KonferenzbeitragEin k-Means-basierter Algorithmus zur Bestimmung der optimalen Position eines Anhängers zur Heuballenbergung(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Harbers, JensIn dieser Arbeit wird ein Algorithmus vorgestellt, der einzelne Ballen zu Gruppen sortiert, sodass diese in einer Tour vom Feld geholt werden können. Dieser basiert auf dem k-Means-Algorithmus, welcher mit weiteren Nebenbedingungen zur Optimierung nach den Kriterien der kleinsten Wegstrecke und der maximalen Ladekapazität in Stückguteinheiten des Anhängers fähig ist und den klassischen k-Means-Algorithmus erweitert. Der Algorithmus weist in der Simulationsstudie jedem Ballen genau eine Gruppe zu und liefert unter Einhaltung aller Bedingungen für das Optimierungsproblem eine gültige Lösung. Die Abstellkoordinaten für den Anhänger können für die weitere Praxis verwendet werden, dennoch soll der Algorithmus weiter ausgebaut werden, damit weitere Faktoren in die Optimierung einfließen können.
- KonferenzbeitragZur Wirtschaftlichkeit von Investitionen in Section Control bei teilflächenspezifischer Düngung im Getreide unter den Anforderungen der neuen Düngeverordnung(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Recke, Guido; Rempe, Henning; Jorissen, TobiasInsbesondere durch die neue Düngeverordnung bekommt der effiziente Einsatz von mineralischem Stickstoffdünger eine stetig wachsende Bedeutung. Wirtschaftlichkeitsanalysen zeigen, dass durch den Einsatz von Techniken wie Section Control Düngemittel eingespart werden können und auch der Kornertrag durch die Verringerung von Lagergetreide erhöht werden kann. Aufgrund dieser positiven Effekte ergibt sich für den Beispielbetrieb ein durchschnittlicher jährlicher Vorteil von 427 Euro. Section Control kann außerdem bei bestimmten Schlagstrukturen und Anbaubedingungen zusätzlich die Wirtschaftlichkeit steigern und trägt durch die Verringerung des Stickstoffeinsatzes zu einer gesellschaftlich gewünschten umweltgerechteren Landwirtschaft bei.
- KonferenzbeitragDigitalisierung des Spermatransports – Anforderungen und Softwarearchitektur(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Schulze, Paul; Fuchs-Kittowski, Frank; Hafemeister, Tim; Schulze, MartinBeim Transport von Besamungsportionen für die künstliche Besamung (KB) von Schweinen fehlt aktuell eine effiziente, lückenlose und IT-gestützte Überwachung und Dokumentation des gesamten Transportprozesses. In diesem Beitrag werden die auf Basis einer Befragung von Besamungseberstationen erhobenen Anforderungen an eine Digitalisierung dieses Prozesses beschrieben. Für die Umsetzung der Anforderungen wird die entwickelte Systemarchitektur präsentiert und in den Kontext zu den Akteuren sowie den bestehenden Softwaresystemen der Besamungsstationen gesetzt. Mit dem vorgestellten Echtzeitmonitoringsystem wird erstmalig eine umfassende Überwachung, Dokumentation und Optimierung des Transports von Besamungsportionen möglich.
- KonferenzbeitragEntwicklung 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, ArnoKünstliche 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.
- KonferenzbeitragDrohnenbasierte Messung der Pflanzenhöhe am Beispiel von Durchwachsener Silphie(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Wohlfeld, Isabella; Parzefall, SebastianEine Möglichkeit zur Nutzung von Drohnen ist das Abschätzen der Biomasse auf dem Feld, wofür die Pflanzenhöhe wichtig ist. Deswegen wurde in diesem Versuch die Pflanzenhöhe der Durchwachsenen Silphie mit einer Drohne ermittelt. Für die Erstellung der Höhenmodelle wurden von Juni bis August vier Befliegungen mit je zwei Flügen in unterschiedlicher Höhe durchgeführt und die Bilder zur Erstellung von Oberflächenmodellen (engl. Digital Surface Model, DSM) genutzt. Das Geländemodell (engl. Digital Terrain Model, DTM) wurde mithilfe der Daten einer Befliegung vor Vegetationsbeginn berechnet. Als Differenz dieser Modelle wurden Höhenmodelle (engl. Canopy Height Model, CHM) berechnet, deren Genauigkeit mittels Höhenreferenzen untersucht wurde. Zusätzlich wurden jeweils zehn Pflanzen pro Ernteparzelle mit einem Messstab gemessen. Es wurden die RMSEs (Root Mean Square Error) zwischen den gemessenen Koordinaten der Höhenreferenzen und den aus den Modellen geschätzten Koordinaten sowie die RMSEs zwischen den geschätzten und gemessenen Pflanzenhöhen berechnet. Außerdem wurden lineare Regressionen mit diesen beiden Größen durchgeführt. Insgesamt konnten belastbare Höhenmodelle erzeugt werden, die händische Höhenmessungen überflüssig machen sowie die Weiterentwicklung zur Abschätzung der vorhandenen Biomasse erlauben.
- KonferenzbeitragRoute-planning in output-material-flow arable farming operations aiming for soil protection(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Focke Martinez, Santiago; Hertzberg, JoachimThis paper presents two approaches for route planning in output-material-flow arable farming: one for time optimization and one for soil protection. The two approaches were used to plan the routes of one harvester and one transport vehicle performing a harvesting operation in a test field, and were compared by analyzing the operation duration, travel distance, and area driven over by the machines. The results show the benefits and drawbacks of planning the machine routes using the proposed method for soil protection: the plans can reduce the impact of driving over the soil, but it can result in higher operation durations and traveled distances