Projekt

AI-Test-Field

Versuchsumgebung zur industrietauglichen Entwicklung semantischer Umgebungswahrnehmung

  • Laufzeit:

Die Zusammenführung von räumlich und zeitlich hochauflösender Daten und deren Interpretation sind wesentliche Innovationstreiber für die Realisierung nachhaltigerer Prozesse im Pflanzenbau. Hierbei gehen ökonomische Potentiale einher mit ökologischen Verbesserungen wie die Ressourceneinsparung, selektive Prozesse und die Integration von Blühregionen in Pflanzenbestände und Mischkulturen. Unterschiedliche Umgebungsbedingungen wie die Wachstumsstadien der Pflanzen, Bodeneigenschaften, Aufkommen von Un- und Beikräuter sowie Wetter- und Maschineneinflüsse haben unmittelbare Auswirkungen auf die Korrektheit und Verfügbarkeit von Sensordaten und deren Interpretationen in Hinblick auf eine semantische Umgebungswahrnehmung.

KI-basierte Algorithmen bieten die Chance robuste Sensorsysteme zu entwickeln, die in den unterschiedlichsten Umgebungsbedingungen valide und sichere Handlungsanweisungen generieren. Essentiell zur Entwicklung dieser Systeme ist die Generierung von reproduzierbaren Versuchsszenarien bei unterschiedlichen Umgebungsbedingungen. Daher entsteht in AI-Test-Field eine Outdoor-Versuchsumgebung. Es wird darauf abgezielt autonome Langzeittests zur Generierung von Sensordaten bei variablen Feld-, Wetter- und Pflanzenbedingungen durchzuführen. Neben den Sensorsignalen werden Meta-Daten zur Entwicklung und Evaluation von KI-Methoden aufgenommen.

Das Projekt beinhaltet die Verwendung unterschiedlicher Sensorsysteme (Laserscanner, Stereokameras, ToF-Kamera, Ultraschall und Radar) und den exemplarischen Transfer auf reale Maschinen für unterschiedliche Anwendungsfälle (Reihenkulturen, Grünland und unbewachsener Boden). Die Inhalte von AI-Test-Field bilden wesentliche Grundlagen zur Zertifizierung der Sensorsysteme für die autonome Feldrobotik.

Partner

Hochschule Osnabrück, LEMKEN GmbH & Co. KG, Maschinenfabrik Bernard Krone GmbH & Co. KG, IFM

Fördergeber

BMEL - Bundesministerium für Ernährung und Landwirdschaft (BMEL) (02/2014-heute)

28-D-K1.01A-20

BMEL - Bundesministerium für Ernährung und Landwirdschaft (BMEL) (02/2014-heute)

Projektbilder

Trotz schwieriger Umweltfaktoren auf dem Feld müssen sich autonome Assistenzsysteme zurechtfinden und Landmaschinen sicher bewegen können. Das ist eine Voraussetzung für die Zulassung derartiger Gerätschaften in der Praxis.

In AI-TEST-FIELD wird eine einzigartige Versuchsumgebung zur Entwicklung und Optimierung von KI-Algorithmen geschaffen. Mit verschiedener Sensorik wird die Umgebung aufgenommen.

In einer virtuellen Simulation planen die Forschenden den Aufbau eines schienengebundenen Sensorträgers und fester Objekte, die später den unterschiedlichen wechselnden Extrembedingungen in der Landwirtschaft ausgesetzt sind.

In der maschinenlesbaren Punktwolke lässt sich die Kuh (links im Bild) in der Simulation erahnen. Sichere Sensorsysteme können im Gegensatz zum menschlichen Auge die Kuh bei Tag und Nacht und unter den schlechtesten Sichtbedingungen erkennen.

Publikationen zum Projekt

Sebastian Röttgermann, Matthias Müter, Dominik Nieberg, Jaron Martinez, André Berghaus, Stefan Menke, Jens Herbers, Michael Kreyenhagen, Arno Ruckelshausen, Jan Christoph Krause, Naeem Iqbal, Mark Höllmann, Stefan Stiene, Joachim Hertzberg

In: Workshop on Agricultural Robotics and Automation. European Conference on Mobile Robots (ECMR-2021) ECMR 2021 Workshop on Agricultural Robotics and Automation befindet sich European Conference on Mobile Robots August 31-September 3 Bonn Germany unknown 8/2021.

Zur Publikation

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence