Fraunhofer-Institut für Experimentelles Software Engineering IESEWhitepaper des X-KIT Cluster Computer Vision
Das vorliegende Whitepaper ist im vom Bundesministerium für Ernährung und Landwirtschaft (BMEL) geförderten und der Bundesanstalt für Landwirtschaft und Ernährung (BLE) als Projektträger begleiteten Vernetzungs- und Transferprojekt X-KIT entstanden. Ziel des Projektes ist eine übergreifende Vernetzung und Unterstützung für die vom BMEL geförderten KI-Projekte zur Ernährungs- und Landwirtschaft sowie für den ländlichen Raum zu ermöglichen, sodass Synergieeffekte möglichst umfänglich genutzt und unkoordinierte Parallelentwicklungen und inkompatible Lösungen vermieden werden. Somit soll das Potenzial der Digitalisierung für die Ernährungs- und Landwirtschaft, gesundheitlichen Ernährung, sowie dem ländlichen Räumen bestmöglich ausgeschöpft werden. Zu diesem Zweck wurden in X-KIT themenspezifische Cluster für eine gezieltere Vernetzung der Projekte und die Ermöglichung von Synergieeffekten aufgebaut. Der nachfolgende Bericht beschreibt die Projektergebnisse im technischen Cluster Computer Vision.
Im X-KIT Cluster Computer Vision sind acht Projekte vertreten, die im Folgenden vorgestellt werden: Durch die Integration von artspezifischen Eigenschaften in Managemententscheidungen wird im Projekt BETTER-WEEDS der Einsatz von Herbiziden auf kleinsten Teilflächen zwischen Nutzen und Schaden von Unkräutern abgewogen. Ein ähnliches Ziel, das Messen des Unkrautdrucks hat das Projekt BoniKI. In der Domaine der Tierhaltung entwickelt das Projekt KAMI ein System zur Bestimmung der Atemfrequenz von Milchkühen. Forschung zur Unkrauterkennung im Anwendungsbereich Vertical Farming wird im Projekt KIdetect betrieben: Die entwickelte Anwendung beschäftigt sich mit der Erkennung von Unkräutern zur passgenauen Ansteuerung von Hackwerkzeugen. Der Schutz von Herden gegen Wölfe durch eine effektive Vergrämung dieser ist das Ziel des Projekts mAInZaun. Einige Produktionsschritte weiter entwickelt das Projekt Movi-Q eine Anwendung zur Erkennung von Fehlstellen an Erzeugnissen der Landwirtschaft. Die letzten beiden betrachteten Projekte, WeedAI und Weed-AI-Seek entwickeln beide Lösungen zur Unkrauterkennung via Drohne. Das Ziel von WeedAI ist dabei die Evaluation von Unkrautbekämpfungsmaßnahmen anhand von Drohnenbildern mit dem Ziel Prüfnormen für Geräte zur Unkrautbekämpfung zu entwickeln. Dahingegen werden Applikationskarten für das Herbizidmanagement in der Präzisions-landwirtschaft im Projekt Weed-AI-Seek erstellt.
Letzte Änderung: