Schlüsselwörter
(Deutsch)
|
Präzisionslandwirtschaft, Feldrobotik, Ernteerfassung, Sensorfusion, UAV, Situationsbewusstsein, Deep Learning, Entscheidungsunterstützungssystem
|
Schlüsselwörter
(Englisch)
|
Precision agriculture, field robotics, crop sensing, sensors fusion, UAV, situation awareness, deep learning, decision support system (DSS)
|
Schlüsselwörter
(Französisch)
|
Agriculture de précision, robotique de terrain, détection des cultures, fusion de capteurs, drones, connaissance de la situation, apprentissage profond, système d'aide à la décision
|
Schlüsselwörter
(Italienisch)
|
Agricoltura di precisione, robotica da campo, rilevamento delle colture, fusione di sensori, UAV, consapevolezza della situazione, apprendimento profondo, sistema di supporto decisionale
|
Kurzbeschreibung
(Englisch)
|
The ability to single out the plants or leaves with problems and to selectively apply a remedy without wasting resources or contaminating the environment is critical for precision farming. This project develops a unifying framework to combine different sensor modalities, methods for creating accurate maps to facilitate operations on a narrow scale with a smaller environment footprint, artificial intelligence algorithms for data processing and decision support, and applications to make relevant information easily visible to the farmer.
The framework is demonstrated in the field through the integration onboard of unmanned ground and aerial robots and it is implemented to be compatible with AgriCircle’s farm management information system (FMIS), which enables map-based control of many application devices, and displayed via standard tablet PCs.
We demonstrate the use of this framework by building a physical system for closely monitoring crop plants including commercial vineyards in Greece, Italy, and Switzerland, reusing many sensors and much experience from the Ambient Awareness for Autonomous Agricultural Vehicles (QUAD-AV) project, funded by ERA-NET ICT-AGRI-Call 1, and the Simultaneous Safety and Surveying for Collaborative Vehicles (S3-CAV) project, funded by ERA-NET ICT-AGRI-Call 2. Synergies will be also developed with the Agricultural Interoperability and Analysis System (ATLAS) project, funded by H2020 DT-ICT-08-2019 - Agricultural digital integration platforms.
|
Abstract
(Deutsch)
|
ANTONIO hat zum Ziel den Einsatz von Pflanzenschutzmitteln und Inputprodukten dank Präzisionslandwirt-schaft und Automation zu vereinfachen und zu Optimieren. Dies wird durch den Einsatz von Sensorik sowie deren Fusion und der Umsetzung in einem neuartigen Interoperabilitätsnetzwerk in Kombination mit Künstli-cher Intelligenz erreicht. Mit Daten aus verschiedenen Quellen werden schlüssige Karten über Webservices und mobile Endgeräte für Landwirte einfach zugänglich gemacht und verständlich dargestellt. Es ist nun für Landwirte möglich die Applikation von Pflanzenschutzmitteln und weiteren Inputprodukten in Raumkulturen aufgrund des Baumvolumens automatisch zu optimieren. Im Projekt ist die genaue Erfassung des Baumvolu-mens sowie eine erste Erfassung von Fruchtbesatz und Krankheiten erreicht worden. Dazu ist neuartige Sen-sorik an Drohnen und speziell an Fahrzeugen in Zusammenarbeit mit Fraunhofer, TH Köln, Robotmakers und FarmUnited aufgebaut und in Güttingen getestet worden. Erste gesammelte Daten sind in einen Webservice übertragen und dort dargestellt worden. Dank der direkten Zusammenarbeit mit weiteren internationalen Pro-jekten und spezifisch den Unternehmen FarmUnited und Robotmakers ist der Fortbestand der entwickelten Technologien sowie deren Verwertung angedacht.
|
