Die Präzisionslandwirtschaft zielt auf eine bedarfsgerechte Bewirtschaftung von landwirtschaftlichen Flächen durch eine gezielte Ausbringung von Dünge- und Pflanzenschutzmittel ab. Da die Wachstumsbedingungen innerhalb eines Feldes zum Teil erheblichen Schwankungen unterliegen, muss hierfür zuerst eine sinnvolle Untergliederung des Feldes in Teilflächen unternommen werden. Hierfür stellt die Ertragskartierung durch die flächenspezifische Visualisierung der Ertragsunterschiede ein wichtiges Werkzeug dar. Zudem kann die Ertragskarte zur Validierung der acker- und pflanzenbaulichen Maßnahmen der aktuellen Vegetationsperiode sowie als Entscheidungs-grundlage für die folgenden Vegetationsperioden genutzt werden. Auf den meisten selbstfahrenden Erntemaschinen konnten sich echtzeitfähige Ertragsmesssysteme bereits in der Praxis behaupten und gehören längst zum Stand der Technik. In der Rübenerntetechnik konnte sich jedoch bisher noch kein für die Präzisionslandwirtschaft geeignetes Ertragsmesssystem etablieren. Die Ertragserfassung im Zuckerrübenanbau reizt jedoch aus mehreren Gründen. Als anspruchsvolle Kultur bildet die Zuckerrübe die Heterogenität des Bodens in ihrer Ertragsfähigkeit besonders gut ab. Zudem lässt sich auf Basis der Messwerte die Transportlogistik vom Feld in die Zuckerfabrik und Rodekampagne besser planen. Darüber hinaus würde die Ertragskartierung die Kartierungslücke in der Fruchtfolge des Feldes schließen.
Damit die KI in der Lage ist, den Prozessgrößen des Roders einen Ertragswert zuzuordnen, ist es zuerst erforderlich, die KI auf diesen Anwendungsfall zu trainieren. Dafür wird ein Trainingsdatensatz benötigt, beidem den Prozessgrößen bereits Ertragswerte zugeordnet sind. Während des Trainingsprozesses werden die Gewichtungen der einzelnen künstlichen Neuronen so angepasst, dass sich damit Zuordnungen vornehmen lassen. Für die Generierung eines solchen Trainingsdatensatzes sind über die gesamte Projektlaufzeit Feldversuche geplant. Der Rübenroder wird dabei so umgebaut, dass die Rüben direkt nach dem Verlassen der Reinigungsstrecke aus dem Rübenroder heraus auf einem Schwad abgelegt werden. Anschließend wird dieser Schwad meterweise händisch verwogen, um den Ertrag zu ermitteln. Mit diesem Versuchsaufbau lässt sich der ermittelte Rübenertrag mit einer hohen Genauigkeit den Prozessgrößen des Roders und dem Wuchsort der Zuckerrübe zuordnen.
Der verfolgte Forschungsansatz basiert auf der Erkenntnis, dass die Prozessgrößen des Rübenroder in einem direkten Zusammenhang mit der gerodeten Rübenmasse stehen. So sollte die Drehzahl der Reinigungselemente theoretisch proportional zum Volumen des Erntegutes sein. Weiter müsste auch der Druck der hydraulischen Antriebe proportional zu der geförderten Masse sein. Der Einfluss der vielen Prozessgrößen führt jedoch auch zu einer hohen Komplexität des Systems, wodurch es unmöglich ist, das System mit einfachen mathematischen Modellen zu beschreiben. Abhilfe soll daher die Entwicklung einer KI schaffen, die in der Lage ist, den serienmäßig auf dem Rübenroder-CAN-Bus zur Verfügung gestellten Prozessgrößen der Reinigungsstrecke einen Ertragswert zuzuordnen.
Holmer Maschinenbau GmbH
Bereitstellung von Expertenwissen, Betreuung der Versuchsmaschinen
Institut für mobile Maschinen und Nutzfahrzeuge
Projektkoordination, Entwicklung von KI-Algorithmen
Landwirtschaftlicher Betrieb Bilder
Bereitstellung von Expertenwissen und Versuchsflächen
Landwirtschaftskammer Niedersachsen
Datengewinnung und Feldversuche
ZRG Weserbergland
Bereitstellung von Maschinen und Versuchsflächen