Automatisierte Unterscheidung von Feldarbeit und Straßenfahrt für Landmaschinen mit Hilfe von unüberwachten KI-Methoden

Manuel Geil, Jan-Henrik Helmig

Automatisierte Unterscheidung von Feldarbeit und Straßenfahrt für Landmaschinen mit Hilfe von unüberwachten KI-Methoden

dc.contributor.author	Manuel Geil, Jan-Henrik Helmig
dc.date.accessioned	2024-04-08T11:56:34Z
dc.date.available	2024-04-08T11:56:34Z
dc.date.issued	2024
dc.description.abstract	Manuel Geil, Jan-Henrik Helmig1, Julian Jour1, Bodo Mistele1, Jens Peters1, Katharina Stahl1 und Andreas Wübbeke1 Abstract: Die Dokumentation von Daten in der Agrarwirtschaft erweist sich für Landwirte als zunehmend aufwändige Tätigkeit, welche meist immer noch manuell erfolgt. Ziel unserer Forschungsarbeit ist es, Maschinendaten zu nutzen, um zwischen Feldarbeit und Straßenfahrt automatisch zu klassifizieren. Die Maschinendaten werden als kontinuierlicher Strom vom Maschinenstart bis zum Ausschalten der Maschine übermittelt und können Daten aus unterschiedlichen Tätigkeiten enthalten. Um ein manuelles Labeling als auch Erfassen der Feldgrenzen zu vermeiden, wird ein Ansatz verfolgt, mittels eines dichtebasierten Clustering-Verfahrens die Daten zu klassifizieren. Dieses Verfahren schien aufgrund der Dichte der Datenpunkte auf den Schlägen als vielversprechend. Im weiteren Verlauf konnte die Methode durch das Hinzuziehen der Fahrtgeschwindigkeit und das Bilden konvexer Hüllen weiter verbessert werden.	de
dc.identifier.doi	10.18420/giljt2024_25
dc.identifier.isbn	978-3-88579-738-8
dc.identifier.pissn	1617-5468
dc.identifier.uri	https://dl.gi.de/handle/20.500.12116/43883
dc.language.iso	de
dc.publisher	Gesellschaft für Informatik e.V.
dc.relation.ispartof	44. GIL - Jahrestagung, Biodiversität fördern durch digitale Landwirtschaft
dc.relation.ispartofseries	Lecture Notes in Informatics(LNI) - Proceedings, Volume P - 344
dc.subject	Tätigkeitsklassifikation
dc.subject	Dokumentation
dc.subject	Maschinendaten
dc.subject	Clustering
dc.title	Automatisierte Unterscheidung von Feldarbeit und Straßenfahrt für Landmaschinen mit Hilfe von unüberwachten KI-Methoden	de
dc.type	Text/Conference Paper
gi.citation.endPage	262
gi.citation.publisherPlace	Bonn
gi.citation.startPage	257
gi.conference.date	27.-28. Februar 2024
gi.conference.location	Stuttgart
gi.conference.review	full

Dateien

Originalbündel

1 - 1 von 1

Name:: GIL_2024_Geil_257-262.pdf
Größe:: 463.2 KB
Format:: Adobe Portable Document Format

Herunterladen

Sammlungen

P344 - 44. GIL-Jahrestagung 2024 - Fokus: Biodiversität fördern durch digitale Landwirtschaft