P358 - 45. GIL-Jahrestagung 2025 - Fokus: Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft
Auflistung nach:
Auflistung P358 - 45. GIL-Jahrestagung 2025 - Fokus: Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft nach Erscheinungsdatum
1 - 10 von 52
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragMicrolearning als nachhaltige Lernmethode zum Erwerb digitaler Kompetenzen an den Fachschulen für Landwirtschaft(45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft, 2025) Klinger, Verena; Cankaya, Annabel; Feiler, Anne; Delfs, Hauke; Baum, Gabriel; Frank, Markus; Bauer, ChristianIn der modernen Landwirtschaft nimmt die Digitalisierung eine zunehmend zentrale Rolle ein. Um Betriebsleitende in die Lage zu versetzen, fundierte Entscheidungen auf Basis großer Datenmengen aus Maschinen, Sensoren und Satelliten oder Drohnen zu treffen, benötigen Studierende der Fachschulen für Landwirtschaft verstärkt Kompetenzen aus anderen Domänen. Allerdings werden diese in den meisten Lehrplänen bisher unzureichend berücksichtigt. Statt als Kernkompetenz der landwirtschaftlichen Fortbildung werden digitale Fähigkeiten oft nur als ergänzende Inhalte vermittelt, abhängig von der individuellen Qualifikation der Lehrkräfte. Diese Lücke hat signifikante Auswirkungen auf die Qualität der beruflichen Weiterbildung und die digitale Transformationsfähigkeit der Betriebe.
- Konferenzbeitrag45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft - Komplettband(45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft, 2025)
- KonferenzbeitragMultistage Eartag Detection – Entwicklung eines KI-basierten Ansatzes zur automatischen Einzeltier- identifikation mittels Ohrmarken beim Schwein(45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft, 2025) Wutke, Martin; Debiasi, Damiano; Höne, Ulrike; Probst, Jeanette; Dirksen, Neele; Lieboldt, Marc-Alexander; Kemper, Nicole; Traulsen, ImkeObwohl bildbasierte KI-Methoden wie die Lokalisation und die Erkennung von Einzeltieren mittlerweile verstärkt Anwendung im Bereich der Nutztierhaltung finden, stellt die Tieridentifikation, vor allem in Bereichen wie der Schweinehaltung mit homogenen visuellen Tiermerkmalen, nach wie vor große Herausforderungen an bestehende Systeme. Das Ziel der vorliegenden Studie ist diesbezüglich die Entwicklung einer optischen Methode zur Lokalisation und Identifikation von Einzeltieren im Kontext der Schweinehaltung. Durch die modulare Verwendung von vier State-of-the-Art Objektdetektionsmodellen werden die vorhandenen Bildinformationen stufenweise analysiert und lesbare Tier-IDs anhand handelsüblicher Ohrmarken automatisiert bestimmt. Im Ergebnis erreicht der vorgestellte Ansatz eine Erkennungsgenauigkeit von 0,993 bei einer Fehlerrate von 0,007. Im Rahmen weiterer Untersuchungen soll die entwickelte Methode zur Verbesserung von Trackingansätzen und im Kontext spezifischer Anwendungsfälle implementiert werden.
- KonferenzbeitragMöglichkeiten und Voraussetzungen zum Einsatz digital-technischer Systeme in der Pferdehaltung(45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft, 2025) Speidel, Linda Thurid; Winter, DirkDie fortschreitende Digitalisierung und Mechanisierung lassen weitreichende Veränderungen in der Tierhaltung erwarten. Dennoch werden die meisten Arbeitsprozesse in der Pferdehaltung noch manuell durchgeführt und die Voraussetzungen zum Einsatz der digital-technischen Systeme in Pferdebetrieben sind bisher noch wenig erforscht. Daher wurden verschiedene digital-technische Anwendungen in Pferdebetrieben in den Bereichen Entmistung, Fütterung, Kommunikation sowie Gesundheits- und Sicherheitsüberwachung und das Tierwohl mittels Onlinebefragung bei 451 Akteuren untersucht. Die Ergebnisse zeigen, dass die Nutzung digitaler Systeme maßgeblich von der Haltungsform (Gruppen- oder Einzelhaltung), einer stabilen Internetverbindung sowie der Investitionsbereitschaft der Betriebsleitenden beeinflusst wird. Es ist von essenzieller Bedeutung zur Etablierung digital gesteuerter Technik auf den Pferdebetrieben, den Nutzen der Systeme für alle Beteiligten – Pferde sowie Betriebsleiter und Mitarbeiter – deutlich herauszustellen und zu kommunizieren hinsichtlich ökonomischer Vorteile, zur Verbesserung des Tierwohls und zur Optimierung der Gesundheit der Pferde.
- KonferenzbeitragSingle-image-based georeferencing for unmanned aerial vehicles(45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft, 2025) Stoop, Ralph L.; Sax, Markus; Seatovic, Dejan; Anken, ThomasGeoreferencing is important for many applications in precision farming, in particular those based on unmanned aerial vehicles (UAVs). In this context, georeferencing typically relates the optical features of UAV images to their actual position in the 3D world, creating a grid map of the area of interest. Although state-of-the-art georeferencing methods are very accurate, these methods rely on multiple-view geometry reconstruction, which requires largely overlapping images of high quality. Acquiring such images can be difficult in practice, given the low-cost requirements for precision farming. In this paper, we study the practical applications and challenges of a simple, computationally inexpensive and fast method for georeferencing that is solely based on single images. Our method only uses an affine transformation where the UAV’s height is adjusted by a digital terrain model and does not require overlapping images. We find that our single-image-based method can be used for smart farming applications, where spatial accuracies of around 25 cm are sufficient.
- KonferenzbeitragDeep-learning-based quantification of sow activity during farrowing(45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft, 2025) Wahmhoff, Johann; Wutke, Martin; Traulsen, ImkeThe activity of sows after farrowing significantly influences the occurrence of crushing losses. For this reason, sow activity is often quantified in scientific research through video analysis. To improve practicality, this study developed an automated approach based on the YOLOv10 object detection framework, addressing the big data challenge. The core idea of this approach was to calculate an activity score based on the number of postural changes. Therefore, the model detects the sow’s posture for each frame in the videos. The raw data from the model is then filtered, and the number of postural changes is calculated, from which an activity score is derived for each video. For comparison with a human-generated activity assessment, the videos were finally categorized into three classes based on the activity score. The final performance evaluation across activity classes shows an accuracy of 0.945. Based on these results, it can be concluded that this approach provides an automated alternative to manual video analysis for determining sow activity.
- KonferenzbeitragMonocular ground surface estimation for precision farming(45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft, 2025) Stollmeier, Frank; Will, Jens Christian; Homann, HannoIn precision farming, detecting the ground surface is crucial for optimizing different processes, such as sowing, weeding, and growth monitoring. This research introduces a method to estimate the ground surface using a single monocular RGB camera, which is both cost-effective and simple. The camera captures overlapping images as it moves along the field, and feature points from these images are matched to create a 3D point cloud. Points are classified as ground or plant using the Triangular Greenness Index (TGI), allowing the filtering of plants to isolate the ground. The proposed method is validated quantitatively in comparison with a stereo camera.
- KonferenzbeitragFORTE: an open-source system for cost-effective and scalable environmental monitoring(45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft, 2025) Pfister, Zoe; Vierhauser, Michael; Medvedova, Alzbeta; Schroeder, Marie; Rampp, Markus; Kronenberg, Adrian; Hammerle, Albin; Wohlfahrt, Georg; Jäger, Alexandra; Breu, Ruth; Simon, AloisForests are an essential part of our biosphere, regulating climate, acting as a sink for greenhouse gases, and providing numerous other ecosystem services. However, they are negatively impacted by climatic stressors such as drought or heat waves. In this paper, we introduce FORTE, an open-source system for environmental monitoring with the aim of understanding how forests react to such stressors. It consists of two key components: (1) a wireless sensor network (WSN) deployed in the forest for data collection, and (2) a Data Infrastructure for data processing, storage, and visualization. The WSN contains a Central Unit capable of transmitting data to the Data Infrastructure via LTE-M and several spatially independent Satellites that collect data over large areas and transmit them wirelessly to the Central Unit. Our prototype deployments show that our solution is cost-effective compared to commercial solutions, energy-efficient with sensor nodes lasting for several months on a single charge, and reliable in terms of data quality. FORTE's flexible architecture makes it suitable for a wide range of environmental monitoring applications beyond forest monitoring. The contributions of this paper are three-fold. First, we describe the high-level requirements necessary for developing an environmental monitoring system. Second, we present an architecture and prototype implementation of the requirements by introducing our FORTE platform and demonstrating its effectiveness through multiple field tests. Lastly, we provide source code, documentation, and hardware design artifacts as part of our open-source repository.
- KonferenzbeitragAuf dem Weg zu einer standardisierten Referenzarchitektur für die digitale Landwirtschaft(45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft, 2025) Redlich, Jan Christian; von Hirschhausen, Laura-Sophia; Reichardt, Mike; Kloke, Peter; Eisert, Peter; Dörr, Jörg; Bosse, SebastianUm die Standardisierung in der digitalen Landwirtschaft voranzutreiben, haben die International Telecommunication Union (ITU) und die Food and Agriculture Organization (FAO) der Vereinten Nationen im Jahr 2021 die Fokusgruppe „AI and IoT for Digital Agriculture“ (FG-AI4A) gegründet. Ein wesentliches Ergebnis der FG-AI4A ist der Entwurf für eine standardisierte Referenzarchitektur für die digitale Landwirtschaft darstellt. Diese Architektur dient als Referenz und Grundlage für künftige ITU-Standards für plattformbasierte datengetriebene Landwirtschaft. Die Architektur fördert die Datenintegration und ermöglicht die Interoperabilität zwischen Systemen mittels standardisierter Datenmodelle. Die flexible Architektur unterstützt verschiedene datengetriebene Technologien, wie KI-Dienste, und gewährleistet Datensouveränität nach IDSA-Prinzipien. Eine skalierbare Infrastruktur ermöglicht die effiziente Verwaltung wachsender Datenmengen. Dieser Beitrag stellt diese Architektur vor und erläutert, wie Aspekte im NaLamKI-Projekt implementiert und validiert wurden. Zukünftige Forschungsfelder umfassen die Integration fortschrittlicher Datenanalysen und die Weiterentwicklung von Entscheidungsunterstützungssystemen.
- KonferenzbeitragDynAWI-Extremwetter-Toolbox(45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft, 2025) Waldau, Timm; Batista, Pedro; Baumann, Peter; Behrens, Thorsten; Fiener, Peter; Föller, Jens; Möller, Markus; Nöhles, Ingrid; Schmidt, Karsten; Golla, BurkhardDie DynAWI-Extremwetter-Toolbox stellt einen innovativen Ansatz zur Bewältigung klimabedingter Herausforderungen in der Landwirtschaft dar. Diese öffentlich zugängliche Web-anwendung bietet drei Hauptfunktionen: einen historischen Agrarwetterindikator-Atlas, einen dynamischen Konfigurator und ein Prognosemodell für Ernteausfälle. Die technische Implementierung erfolgt durch eine Client-Server-Architektur, die auf einer skalierbaren Geodateninfrastruktur und einem Array Datenbankmanagementsystem basiert, wodurch eine effiziente Verarbeitung mehrdimensionaler Geodaten möglich wird. Das System ermöglicht ab dem Jahr 1995 eine Echtzeit-Analyse für extreme Wetterereignisse wie Dürren, Hitzewellen und Starkregen. Die Toolbox stellt einen bedeutenden Fortschritt in der landwirtschaftlichen Klimaanpassung dar und bietet Stakeholdern von Landwirten bis hin zu politischen Entscheidungsträgern eine umfassende Plattform für die wetterbedingte Risikobewertung und Entscheidungsunterstützung in der Landwirtschaft.