prospective.HARVEST

Methoden und Technologien zur Unterstützung einer vorausschauenden Planung und Steuerung kooperativer landwirtschaftlicher Prozesse am Beispiel der Silomaisernte.

Vorausschauende Maisernte (Quelle: CLAAS KGaA mbH)
Vorausschauende Maisernte (Quelle: CLAAS KGaA mbH)
Wissenschaftliche/r Leiter/in:
 
Projektleiter/in:
 
Ansprechpartner/in:

Dateidownloads

Projektflyer Deutsch
Projektflyer Englisch

Ziel des Verbundprojekts ist die Realisierung einer prototypischen Infrastruktur komplementärer Dienste zur vorausschauenden Unterstützung landwirtschaftlicher Prozesse am Beispiel der Silomaisernte. Verfügbare aber bislang nicht oder nur in anderen Anwendungskontexten genutzte Daten werden erschlossen und den Akteuren mittels interoperabler Dienste bereitgestellt. Diese Daten stammen aus Farm-Managementsystemen, den Maschinen selbst, öffentlichen (Geo-)Informationsinfrastrukturen (z.B. Copernicus) oder anderen unternehmensexternen Quellen (z.B. Abreifekarten oder Ernteprognosen).

Laufzeit: 01.08.2016 bis 30.11.2019
Zuwendungsempfänger: Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
Fördergeber: Bundesministerium für Ernährung und Landwirtschaft
Bundesanstalt für Landwirtschaft und Ernährung
Projektträger Bundesanstalt für Landwirtschaft und Ernährung
Förderkennzeichen: Das Projekt wird vom Bundesministerium für Ernährung und Landwirtschaft unter dem Förderkennzeichen 2815700915 gefördert.
Partner: CLAAS E-Systems KGaA mbH & Co KG, CLAAS Selbstfahrende Erntemaschinen GmbH, 365 Farmnet GmbH & Co KG, green spin GmbH, Hochschule Bochum, 52° North Initiative for Geospatial Open Source Software GmbH
Anwendungsfelder: Agrarrobotik

Projektdetails

Ziel des Verbundprojekts ist die Umsetzung einer Infrastruktur zur proaktiven Unterstützung landwirt-schaftlicher Prozesse, am Anwendungsbeispiel der Silomaisernte. Der zentrale Baustein ist die Integration von Daten aus Quellen, die bereits gemeinhin verfügbar sind, aber bislang nicht oder nur in anderen Anwendungs-kontexten genutzt werden. Die Daten stammen aus Farm-Managementsystemen, den Maschinen selbst, öffentlichen (Geo-)Informations-infrastrukturen (z.B. Copernicus) und anderen unternehmensexternen Quellen (z.B. Abreifekarten oder Ernteprognosen). Diese Daten werden erschlossen und den Akteuren in Form von komplementären Diensten bereitgestellt:Ein Dienst übernimmt die (teil-)automatisierte Planung der Erntekampagne auf Basis von Abreife-, Ertrags- und Befahrbarkeitsinformationen. Ein weiterer Dienst führt auf Basis von Maschinendaten und räumlich differenzierten Ertragsprognosen eine dynamische Planung der beteiligten Maschinen durch. Ein dritter Dienst ermöglicht durch Integration von Umgebungsinformationen wie der räumlichen Verteilung des Ertrags bei gleichzeitiger Nutzung von Maschinendaten eine vorausschauende Ein-stellung der Erntemaschine. Der Gutfluss wird stabilisiert, die Maschine kann näher und sicherer an der Kapazitätsgrenze geführt werden. Zur Bereitstellung der entwickelten Dienste wird eine offene, service-orientierte Softwarearchitektur spezifi-ziert und implementiert. Diese basiert auf Standards der Agrartechnik, des Geoinformationswesens sowie auf allgemeinen IT-Standards. Das Projekt prospective.HARVEST wird im Rahmen des DFKI Kompetenzzentrums Smart Agriculture Technologies (CC-SaAT / saat.dfki.de) gemeinsam von den DFKI Fachbereichen Robotics Innovation Center und Agenten und Simulierte Realität bearbeitet.

Zurück zur Projektliste
© DFKI GmbH
zuletzt geändert am 11.09.2024