In der modernen Landwirtschaft sind Innovationen, die die Effizienz und Nachhaltigkeit steigern, von unschätzbarem Wert. Herausragende Beispiele für solche Innovationen wurden kürzlich auf der Jahrestagung der Gesellschaft für Informatik in der Land-, Forst- und Ernährungswirtschaft präsentiert: die KI-basierte Apfel- und Fruchterkennung und die adaptive Reihenerkennung, entwickelt im Rahmen des Nalamki-Projekts.

Eine der Präsentationen auf der Konferenz wurde von Laura-Sophia von Hirschhausen, einer studentischen Mitarbeiterin am Fraunhofer Heinrich-Hertz-Institut in Berlin, gehalten. Sie stellte die KI-basierte Fruchterkennung vor, speziell entwickelt für den Einsatz in Apfelplantagen. Technologien dieser Art markieren einen Fortschritt in der Automatisierung und Effizienzsteigerung landwirtschaftlicher Betriebe.

Die Entwicklung und Einführung von KI in die Agrartechnologie bieten nicht nur die Möglichkeit, Ernteerträge zu optimieren und Ressourcen effizienter zu nutzen, sondern eröffnet auch neue Wege für präzisionslandwirtschaftliche Praktiken. Das Nalamki-Projekt, mit seiner Fokussierung auf die Apfel- und Fruchterkennung, ist ein Beispiel für die Möglichkeiten, die sich aus der Kombination von KI und landwirtschaftlichem Know-how ergeben.

Während der Konferenz wurde deutlich, dass das Interesse an digitalen Innovationen in der Landwirtschaft groß ist, so auch für die Arbeit des Nalamki-Projektes an einem digitalen Zwilling für Farmen. Die im Rahmen des Nalamki-Projekts gesammelten Apfeldaten weckten insbesondere das Interesse anderer Computer-Vision-Gruppen, was die Bedeutung und das Potenzial der geteilten Forschung unterstreichen.

Das Feedback und die Gespräche rund um die automatisierte Apfelerkennung und das Nalamki-Projekt verdeutlichten die wachsende Nachfrage nach Lösungen, die die digitale Transformation in der Landwirtschaft vorantreiben können. Es war eine ausgezeichnete Gelegenheit neue Kontakte zu knüpfen, Ideen zu sammeln und Lösungsvorschläge für die Weiterentwicklung von Nalamki zu erhalten.

Pflanzenreihenerkennung

Für das KI-Fachgebiet der Universität Hohenheim hat Mortesa Hussaini, wissenschaftliche Mitarbeiter, seine Publikation „Adaptive real-time crop row detection through enhancing a traditional computer vision approach“ vorgestellt. Sie enthält Forschungsergebnisse zu seinen Arbeiten zur Pflanzenreihenerkennung, die im Rahmen des NaLamKI Projekts erforscht und entwickelt wurden. Er verwendete einen Computer Vision basierten Ansatz, welcher durch punktweise angewandte KI- und ML-Methoden verbessert wurde. Ein wichtiges Augenmerk wurde auf eine hohe Adaptivität und Echtzeitfähigkeit der Methode gelegt. Die im Vortrag präsentierten Ergebnisse waren vielversprechend und gaben einen guten Einblick auf das Potential und weitere Verbesserungsmöglichkeiten der Methode.