Künstliche Intelligenz erkennt Schädlinge, identifiziert Unkraut und bringt Maschinen ganz ohne Fahrer auf die Felder. Landtechnikhersteller überbieten sich mit Robotern, die mit der neuen Technologie ausgestattet sind. Auf den Kontaktstudientagen der Hochschule Osnabrück am 8. und 9.11. präsentierten Studierende nun ihre Forschungsprojekte rund um KI in der Landwirtschaft.
Lokalisieren, Planen, Umsetzen: Wie Maschinen lernen, sich zurechtzufinden
Daniel Barrelmeyer von der HS Osnabrück erklärte in seinem Vortrag die Grundprinzipien der autonomen Navigation und, wo noch Optimierungsbedarf besteht. Im Gegensatz zur Automobilindustrie hat die Landtechnik den Vorteil, dass die Umgebung sehr viel ruhiger ist, als beispielsweise im Straßenverkehr. Auf der anderen Seite muss der Roboter jedoch nicht nur die Fahrleistung erbringen, sondern auch arbeiten - und das bei jedem Wetter. Dass das bereits praxistauglich funktioniert, zeigt beispielsweise der AgBot von AgXeed oder die autonome Zugeinheit Combined Powers von Krone und Lemken.
Damit ein Agrarroboter zuverlässig von A nach B kommt, durchläuft er laut Barrelmeyer drei zentrale Prozesse:
Umgebungsdaten erfassen: Der Roboter erstellen Karten mithilfe von Laserscannern. Dabei berechnen sie die Zeit, die ein ausgesendeter Laserstrahl benötigt, um zurückzukehren. Der Vorgang wird auch „Mapping“ genannt.
Bahnplanung: Der effizienteste Weg über das Feld wird unter Einbeziehung von Hindernissen und Bodenbedingungen ermittelt.
Steuerung: Einschränkungen wie Wendekreise oder die Kopplung von Arbeitsgeräten fließen in die Planung und Ausführung ein.
Unfälle mit Personen vermeiden: Projekte Agro-Safety und AI-Test-Field
Besonders die Sensorik ist noch ein Knackpunkt. Staub, Witterung und wechselnde Lichtverhältnisse beeinträchtigen die Zuverlässigkeit. Hier arbeiten Forschende an robusteren Systemen, die auch unter schwierigen Bedingungen valide Daten liefern sollen. Genau darum geht es im Projekt Agro-Safety. Vor allem sollen KI-Systeme Personen und andere lebende Hindernisse sicherer erkennen können. Mit einer speziell entwickelten Testumgebung werden sie unter realistischen Bedingungen optimiert. top agrar berichtete darüber:
Auch das Projekt AI-Test-Field dreht sich alles um zuverlässigere Sensorik. Ziel ist es, KI-Modelle zu testen, die auch unter schwierigen Umgebungsbedingungen – etwa variierender Feldbedeckung, Mischkulturen oder Nebel – zuverlässig arbeiten. Langzeittests sollen nicht nur die Stabilität der Systeme verbessern, sondern auch Datenmengen generieren, die eine Grundlage für zukünftige Anwendungen bieten.
Start-up Simmetry.ai entwickelt künstliche Trainingsdaten
Das Start-up Simmetry.ai aus Osnabrück entwickelt Trainingsdaten für KI-Softwares. Diese Daten werden nicht etwa aufwendig auf dem Feld erhoben - hier liegt einer der größten Zeitfresser in der KI-Forschung - sondern entstehen synthetisch aus hochrealistischen Simulationen.
KI optimiert auch die Tierhaltung - nicht ohne Hürden
Maik Fruhner, ebenfalls Masterabsolvent der HS Osnabrück, präsentiert das Projekt SmartTail: Hier soll eine KI das Verhaltensmuster von Schweinen analysieren und Schwanzbeißen frühzeitig erkennen können. Ein Betrieb im niedersächsischen Landkreis Cloppenburg hat dafür seine Schweinebuchten mit Kameras ausgestattet. Diese Kameras und Deep-Learning-Algorithmen detektieren dabei Körperteile wie Köpfe und Schwänze, werten Aktivitäten aus und schlagen Alarm, wenn aggressives Verhalten auftritt.
Die Wissenschaftler stehen dabei noch vor folgenden Herausforderungen:
Das aggressive Verhalten kann zwar erkannt werden, doch der Aggressor ist bei der Kontrolle noch schwer zu ermitteln. Dafür entwickeln die Projektteilnehmer aktuell ein Verfahren, um die Tiere besser zu identifizieren.
Für eine zuverlässige Überwachung ist eine gleichmäßige Ausleuchtung notwendig, die in der Praxis oft schwer umzusetzen ist.
Verschmutzungen durch Staub oder Feuchtigkeit beeinträchtigen die Sensorik und erfordern regelmäßige Wartung.
Eine stabile Netzanbindung ist die Grundvoraussetzung.
