Studierende basteln am Bauernhof der Zukunft

Das EU-Projekt „Transfarm 4.0“ zielt darauf ab, die direkte Beteiligung von LandwirtInnen an der Präzisionslandwirtschaft zu erhöhen und die Wettbewerbsfähigkeit der europäischen Lieferketten zu steigern.  Studierende des FH Wiener Neustadt-Bachelorstudiengangs „Agrartechnologie & Digital Farming“ präsentierten nun ihre Ergebnisse aus der Lehrveranstaltung „Projektwochen“.

Matthias Wahl und Helmut Steinkellner versuchten, Ackerkulturen mittels der von Satelliten gelieferten Spektralinformationen zu erkennen und zu unterscheiden. In dieser Arbeit wurde eine Support Vektor Machine (SVM) anhand der Verläufe von Vegetationsindizes (NDVI) ausgewählter Kulturen trainiert. Die Bilder zur Berechnung des Vegetationsindizes stammen vom Sentinel-2 Satelliten. Als Kulturen wurden mit Wintergetreide, Mais, Grünland, Soja, Raps und Zuckerrübe die wichtigsten Kulturen in Österreich ausgewählt. Das initialisierte Modell konnte eine Vorhersagesicherheit von beachtlichen 86% erreichen.

Alexander Waschl und Maximilian Kölbl nahmen sich indes Erdbeerblüten vor. Mit einem eigens entwickelten Algorithmus und dem damit verbundenen YOLO-Modell (you only look once) können diese erkannt und anhand ihres Blütenstands unterschieden werden. Die Arbeit zeigt, dass die Unterscheidung der Erdbeerblüten in blühende, verblühte und abgefrorene möglich ist. Bei den verblühten Erdbeerblüten herrschte allerdings eine große Verwechslungsgefahr mit dem Hintergrund, was aufgrund der optischen Ähnlichkeit mit den Blättern logisch erscheint. Die Ergebnisse sollen äußerst vielversprechend sein, in weiterführenden Arbeiten sollen nun Modelle zu Ertragsabschätzungen und zur frühzeitigen Erkennung von Ernteverlusten erstellt werden.

Das Team von Sarah Sulzer, Andreas Wilhelm und Markus Wallner versuchte anhand der CAN-Bus-Daten eines Traktors die GNSS-Daten zu extrahieren und zwischen Straßen- und Feldfahrt zu unterscheiden. So sollen in Zukunft die Einsatzstunden überbetrieblich genutzter Maschinen exakt und fair abgerechnet werden. Der vorgestellte KI-Algorithmus kann sogar zwischen Feldarbeit, Wendemanövern und Stillstand unterscheiden.