Logo des Repositoriums

Auflistung nach Schlagwort "UAV"

1 - 10 von 11
  • Konferenzbeitrag
    Ableitung von homogenen Managementzonen anhand von Vegetationsindizes im Kleegras
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Reuter, Tobias; Nahrstedt, Konstantin; Jarmer, Thomas; Trautz, Dieter
    Kleegras hat eine entscheidende Bedeutung als Fruchtfolgeglied im Ökologischen Landbau und als Futter. Bedingt durch Heterogenitäten im Boden entwickelt sich der Bestand über die Vegetationsperiode hinweg ungleichmäßig, sodass sich Bereiche mit unterschiedlicher Biomasseproduktion herausbilden. Ein teilflächenspezifisches Management angepasst an diese Unterschiede kann Grundlage für effizientere Ressourcennutzung sein. Daher wurden auf einer ökologischen Kleegrasfläche drohnengestützt Bilddaten aufgenommen und Vegetationsindizes berechnet. Die Abschätzung der Biomasse mit Vegetationsindizes war zu einem früheren Aufnahmetermin ungenauer als zu einem späteren Zeitpunkt. Korrelationsmodelle zwischen den Vegetationsindizes und der Biomasse zeigten zu den beiden späteren Terminen einen höheren Zusammenhang als zum ersten Aufnahmezeitpunkt. Dabei konnten mit dem NDVI bzw. NGRDI am letzten Termin die höchsten Korrelationen mit Werten um 0,5 erzielt werden. Basierend auf den Indizes wurde die Fläche in drei Zonen eingeteilt. Die Zonierung variierte je nach Termin und Index. Dennoch war es möglich, einen Bereich mit hoher Biomasseproduktion zu identifizieren. Die Einteilung in Managementzonen konnte demnach erfolgreich durchgeführt werden, besonders geeignet waren NDVI, NGDRI und RGBVI.
  • Konferenzbeitrag
    Anforderungen an den Einsatz von Multikoptern zur kontinuierlichen Informationsbereitstellung für Echtzeitanwendungen im Pflanzenbau
    (Informatik in der Land-, Forst- und Ernährungswirtschaft 2017, 2017) Wild, Karl; Schmiedel, Torsten
    Der Einsatz von Multikoptern, auch „Unmanned Aerial Verhicles (UAVs)“ oder umgangssprachlich als „Drohnen“ bezeichnet, hat in den letzten Jahren erheblich an Bedeutung gewonnen. Ungünstig beim gegenwärtigen Einsatz von UAV sind die Notwendigkeit einer Bedienperson, kurze Flugzeiten und geringe Nutzlasten sowie der Offline-Betrieb. Der vorliegende Artikel beschreibt die Anforderungen an ein UAV als ständigen Begleiter von landwirtschaftlichen Fahrzeugen oder selbstfahrenden Arbeitsmaschinen ohne Begrenzung der Flugzeit, um eine Basis zur Informationsgewinnung in Echtzeit zu schaffen.
  • Konferenzbeitrag
    Comparison of UAV- and mowing machine-mounted LiDAR for grassland canopy height estimation
    (44. GIL - Jahrestagung, Biodiversität fördern durch digitale Landwirtschaft, 2024) Bracke, Justus; Storch, Marcel; Bald, Janis; Jarmer, Thomas
    Towards autonomous process monitoring, canopy height estimation in grassland based on data from a mowing machine-mounted LiDAR and a UAV-LiDAR system is compared to manually measured ground truth heights. In a field trial, a LiDAR mounted on the cabin roof of the mowing machine recorded data during the mowing process, while two recording flights before and after the mowing were conducted with a UAV-LiDAR. The data from both systems were processed similarly and parameters such as height estimation method, spatial resolution and percentile filters were systematically varied to investigate their influence on height estimation accuracy. Statistical evaluation showed that canopy height estimates based on the UAV-LiDAR (R² = 0.89, RMSE = 0.05 m) were more accurate and precise than those based on the mowing machine-mounted LiDAR (R² = 0.51, RMSE = 0.08 m). The influence of the different investigated parameters varied.
  • Konferenzbeitrag
    Deriving precise orchard maps for unmanned ground vehicles from UAV images
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Schuette, Tjark; Dworak, Volker; Weltzien, Cornelia
    Mapping and environment representation are two of the main challenges in agricultural robotics and are vital to navigation tasks like localisation and path planning. In this work, we present a new method that enables the offline creation of orchard maps for unmanned ground vehicles based on unmanned aerial vehicle imagery. We employ photogrammetry to generate high-resolution 3D point clouds from aerial images. A cloth simulation filter is then used to classify ground and off-ground points. In order to obtain detailed probabilistic occupancy grid maps, per cell statistics are evaluated. First results show promising performance when compared to ground truth positions of orchard bushes and manual labelling.
  • Konferenzbeitrag
    Development of a smart farming dashboard based of 5G mobile Data
    (EnviroInfo 2023, 2023) Akyol, Ali; Chahin, Rami; Dillschneider, Eva-Marie; Gerloff, Lars; Grabenhorst, Isabel; Gómez, Jorge Marx; Patil, Akhil; Schattenberg, Jan; Sgraja, Marie; Walther, Sören; Weide, Julian
    This work in progress paper is written as a short description mainly of the backend of project 5G, which is in the field of smart farming. The project focuses on using different technologies and machines for weed management. This work in progress paper highlights the need for efficient weed management. It discusses the problems which are associated with weed management and it raises questions that need to be addressed in this domain. Moreover, the topic of using weed management 5G, UAV (unmanned aerial vehicle) and field robotics in agricultural and farming services is an important topic at present. Besides, the work in progress paper shows possible technical concepts and processes which can be implemented into smart farming to increase its efficiency. This paper discusses special methods, which can be used in weed management by using AI (artificial intelligence). In addition to the project description, the paper includes an evaluation of the current state of the research and an outlook of potential future research.
  • Konferenzbeitrag
    Drohnenbasierte Messung der Pflanzenhöhe am Beispiel von Durchwachsener Silphie
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Wohlfeld, Isabella; Parzefall, Sebastian
    Eine 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.
  • Konferenzbeitrag
    Erfassung von Bestandsheterogenität im Kleegras mithilfe von drohnengestützten RGB- und Multispektraldaten
    (41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021) Reuter, Tobias; Nahrstedt, Konstantin; Wittstruck, Lucas; Jarmer, Thomas; Kühling, Insa; Trautz, Dieter
    Klee-Gras-Bestände haben eine große Bedeutung als Futterpflanzen sowie als Stickstoffquelle. Die Bestandszusammensetzung aus Klee und Gras verändert sich je nach Bodenbedingung (Stickstoffversorgung, Wasserhaltekapazität, Boden-pH etc.) und Bewirtschaftungsform mit der Zeit. UAV-gestützte Bilddaten sind eine effektive Möglichkeit, um Heterogenität im Pflanzenbestand zu erkennen. Diese können die Grundlage für ein teilflächenspezifisches Management bilden. Zu diesem Zweck wurden auf einer ökologisch bewirtschafteten Kleegrasfläche in Belm bei Osna-brück, die sich in eine gedüngte und ungedüngte Teilfläche aufteilt, zu mehreren Terminen im Frühjahr und Sommer drohnengestützte RGB- und Multispektralbilder aufgenommen. Räumliche und temporale Heterogenitäten, welche vermutlich auf Bodenunterschiede zurückzuführen sind, konnten mithilfe von Vegetationsindizes aus den Bilddaten des Kleegrasbestandes ermitteln werden. Aufgrund der Trockenheit im Frühsommer 2020 wurde im Laufe des Untersuchungszeitraums ein Anstieg des Kleeanteils festgestellt. Ein Unterschied zwischen der gedüngten und ungedüngten Variante war nicht an allen Terminen nachweisbar.
  • Konferenzbeitrag
    For5G: Systematic approach for creating digital twins of cherry orchards
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Meyer, Lukas; Gilson, Andreas; Uhrmann, Franz; Weule, Mareike; Keil, Fabian; Haunschild, Bernhard; Oschek, Joachim; Steglich, Marco; Hansen, Jonathan; Stamminger, Marc; Scholz, Oliver
    We present a systematic approach for creating digital twins of cherry trees in orchards as part of the project “For5G: Digital Twin”. We aim to develop a basic concept for 5G applications in orchards using a mobile campus network. Digital twins monitor the status of individual trees in every aspect and are a crucial step for the digitalization of processes in horticulture. Our framework incorporates a transformation of photometric data to a 3D reconstruction, which is subsequently segmented and modeled using learning-based approaches. Collecting objective phenotypic features from individual trees over time and storing them in a knowledge graph offers a convenient foundation for gaining new insights. Our approach shows promising results at this point for creating a detailed digital twin of a cherry tree and ultimately the entire orchard.
  • Konferenzbeitrag
    Multilokale Modellierung der Bestandesentwicklung von Kleegrasgemengen mittels Leaf Area Index (LAI) und multispektralen Drohnendaten
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Nahrstedt, Konstantin; Reuter, Tobias; Vergara Hernandez, Maria; Trautz, Dieter; Jarmer, Thomas
    Kleegrasgemenge kennzeichnen sich durch ihre ausgeprägte Heterogenität. Im Hinblick auf die Einsatzmöglichkeit als Futterpflanze sind dabei mögliche Einflüsse auf das Biomasseauf­kommen zu berücksichtigen. Biomassebestimmungen sind jedoch zeit- und kostenintensiv. Mittels punktuellen Messungen des Blattflächenindex (engl. LAI) kann das Pflanzenwachstum stichproben­artig ohne größeren Aufwand bestimmt werden. Unter Einsatz von UAV-basierten Bilddaten ist folglich eine Übertragbarkeit auf den gesamten Bestand möglich. Im Zuge dessen wurden auf drei ökologisch bewirtschafteten Kleegrasflächen im Raum Osnabrück zu je zwei Terminen der LAI sowie drohnengestützte Multispektralbilder aufgenommen. Mithilfe der daraus abgeleiteten Vegetation­s­indizes zeichnete sich bei der Modellierung des LAI für den NDVI ein Abfall in der Modellgüte zwischen den beiden Terminen ab, während der NDRE eine verbesserte Genauigkeit aufwies. Ferner wirkten sich auch die Flächenanteile von Klee und Gras auf die Modellgüte aus.
  • Konferenzbeitrag
    UAV-gestütztes Spot-Spraying zur schwellwertbasierten Beikrautregulierung im Mais
    (44. GIL - Jahrestagung, Biodiversität fördern durch digitale Landwirtschaft, 2024) Konstantin Nahrstedt, Tobias Reuter
    Beikräuter werden in der landwirtschaftlichen Praxis flächendeckend reguliert. Da sich signifikante Ertragsverluste in Maisbeständen jedoch erst ab einer bestimmten Beikrautbesatzdichte ergeben, ist eine flächendeckende Bekämpfung nicht immer erforderlich. Die teilflächenorientierte Ausbringung von Pflanzenschutzmitteln (PSM) mittels Spot-Spraying bietet durch selektiven Mitteleinsatz ökonomische sowie ökologische Vorteile. Für die hierzu erforderliche präzise Erfassung des Beikrautbesatzes eignen sich drohnengestützte Kamerasysteme. Im vorgestellten Versuchsvorhaben wurde eine Maisfläche kurz vor der PSM-Applikation beflogen und der Beikrautbestand klassifiziert. Mit einer Gesamtgenauigkeit von 92 % bzw. 93 % konnten Maispflanzen, Beikräuter und offener Boden differenziert werden. In randomisiert angelegten Parzellen wurden anschließend Applikationspolygone nach unterschiedlichen Schwellwerten für eine Mittelausbringung erstellt. In einer Erfolgskontrolle wurde die Verteilung behandelter und unbehandelter Beikräuter erfasst, um die Applikation zu evaluieren. Dabei zeigte sich eine hohe Übereinstimmung zwischen der drohnengestützten Applikationskarte und der Terminalapplikationskarte der Landmaschine. Anhand der Ertragskartierung wurden nur geringfügige Unterschiede im Maisertrag zwischen vollständig behandelten und schadschwellbehandelten Parzellen festgestellt.