Omgevingsperceptie voor de landbouw

Intelligente hulpsystemen en vergaand geautomatiseerde machines kunnen de landbouw efficiënter en duurzamer maken.

In een nieuw project werkt het Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI) samen met partners uit de industrie en de onderzoekswereld aan veilige en certificeerbare sensorsystemen voor semantische omgevingsperceptie - de belangrijke technologische basis hiervoor. In een testveld in een landbouwgebied wordt een omgeving gecreëerd die de moeilijke omstandigheden in de landbouw op reproduceerbare en controleerbare wijze nabootst. Het doel is, AI-algoritmen voor data-interpretatie te kunnen ontwikkelen en systematisch te evalueren.

Grote variabiliteit

Werkprocessen in de landbouw worden gekenmerkt door een grote variabiliteit van de milieuomstandigheden: Machines in het veld worden geconfronteerd met milieu-invloeden zoals regen, stof en tegenlicht, maar ook met uiteenlopende gewas- en bodemeigenschappen. Ondanks deze voor technische apparatuur ruwe en onzekere omgeving moet worden gezorgd voor betrouwbare objectdetectie.

Op wetenschappelijk niveau bestaan er veel methoden op het gebied van semantische omgevingsperceptie. Tot dusver zijn deze echter niet ontworpen, gevalideerd en geoptimaliseerd tegen de achtergrond van deze specifieke eisen. In het gezamenlijke project AI-TestT-Field werken Hochschule Osnabrück, Lemken en Maschinenfabrik Bernard Krone onder leiding van het DFKI-onderzoeksgebied Plan-based Robot Control samen. Ze testen hoe een hoge mate van betrouwbaarheid kan worden bereikt bij de evaluatie van sensorgegevens. Het project vormt een belangrijke brug voor de overdracht van de stand van het fundamenteel onderzoek naar de praktische behoeften van de landbouwsector en voor het op gang brengen van toekomstige certificeringsprocessen.

Testomgeving op landbouwgrond

Op het op te zetten proefveld moet het milieu met de verschillende randvoorwaarden in de landbouw worden geregistreerd met behulp van een draagvoertuig Dit voertuig is voorzien van verschillende sensorsystemen, zoals laserscanner, stereocamera, time-of-flight camera, ultrageluid en radar. Het voertuig nauwkeurig en reproduceerbaar langs een parcours door de veldsetting geleid.

Samen met de metagegevens van de onderzoeken, zoals de weersomstandigheden of het tijdstip van de dag, leveren de ruwe gegevens de noodzakelijke data voor controle op basis van algoritmen. De experimentele omgeving is ingebed in een groter softwarekader dat zal worden verbonden met de IT-infrastructuur die in het kader van het Agri-Gaia financieringsproject is ontwikkeld. Later zullen de gegenereerde machine-onafhankelijke algoritmen, die geschikt zijn voor gebruik, van het proefveld naar echte landbouwmachines worden overgebracht en geëvalueerd.

Plan-based Robot Control

Dit DFKI-onderzoeksgebied houdt zich voornamelijk bezig met dataverwerking en de ontwikkeling van AI-methoden in het project. De Hochschule Osnabrück is verantwoordelijk voor de bouw van de op rails gebaseerde sensordrager en voor de integratie van de sensortechnologie. De machinebouwers Lemken en Krone brengen hun kennis van industrieel gebruik van sensorsystemen en landbouwapparatuur in. Het project wordt begeleid en ondersteund door TÜV Nord.

Agri-Gaia bouwt voort op het Europese cloud-initiatief GAIA-X en heeft tot doel een ecosysteem voor AI-toepassingen in de landbouw te creëren. Er zal kennis worden uitgewisseld tussen de twee projecten op het gebied van data en infrastructuur.

Foto: Maschinenfabrik Bernhard Krone GmbH & Co. KG