Agri-Gaia auf der Grünen Woche
Getrennt agieren. Gemeinsam argumentieren.
Unter diesem Motto wird das Konsortium um das Projekt Agri-Gaia gemeinsam mit weiteren externen Partnern auf der Grünen Woche im „Innovationsforum Landtechnik“ vom 20.01. – 29.01.2023 in Halle 3.2 | Stand 131 vertreten sein
Nachhaltigkeit – ein Begriff mit enormer Präsenz in der öffentlichen Diskussion. Aus unserer Sicht zu Recht. Schließlich ist mit ihm die Forderung nach einem generationsübergreifenden Klima- und Umweltschutz verbunden.
Doch was bedeutet nachhaltiges Wirtschaften in der Landwirtschaft? Wie setzen Betriebe entsprechende Prozesse im Stall und auf dem Feld um? Welche Rolle spielen digitale Lösungen bei der Reduzierung von Kohlendioxid, Stickoxiden und Feinstaub? Welche Antworten gibt die Landtechnik und welche flankierenden politischen Maßnahmen sind auf nationaler und EU-Ebene für eine Marktdurchdringung intelligenter Technologien erforderlich? Welchen Beitrag kann die moderne Technik zur Ökologisierung der Landwirtschaft leisten?
Hersteller und Dienstleister haben sich bereits seit einiger Zeit auf den Weg zur klimaneutralen Landwirtschaft gemacht. Dank Innovationskraft und herstellerübergreifender Kooperationen gehören sie heute zu den Treibern in Sachen Effizienzsteigerung und Ressourcenschonung.
Partner im "Innovationsforum Landtechnik": 365 Farmnet, AEF, Agri-Gaia, Agrirouter, CASE, Claas, Fendt, Geo-Konzept, Germany Agrifood Society, Horsch, John Deere, Krone, Kult, Kvenerland, M.U.T und Pöttinger
Exponate auf der Grünen Woche
Exponat 1 – Das Agri-Gaia KI-Ökosystem
Das Exponat zeigt das im Forschungsprojekt Agri-Gaia entstandene Ökosystem für künstliche Intelligenz (KI) in der Landwirtschaft in Aktion. Ein zentraler Marktplatz für Daten und KI-Modelle verbindet über standardisierte Schnittstellen verschiedene KI-Plattformen zu einem gemeinsamen Ökosystem. Nutzer können sich auf einer Cloud-Plattform anmelden oder sich eine eigene Instanz lokal installieren und so Teil einer Community werden, in der Daten und KI-Algorithmen erarbeitet, angeboten, gekauft und getauscht werden können.
Der Marktplatz bildet dabei das zentrale Bindeglied, welches die unterschiedlichen Plattformen verschiedener Akteure untereinander sichtbar macht. Auf den webbasierten Plattformen können Daten verwaltet und KI-Modelle trainiert werden. Sogar die direkte Bereitstellung fertiger Algorithmen auf externe Systeme, wie z. B. mobile Landmaschinen, ist möglich.
Besucher haben die Möglichkeit sich die Interkationen der miteinander agierenden Systeme live anzuschauen, um ein Gefühl dafür zu bekommen, wie Daten und Algorithmen sicher zwischen unterschiedlichen Partnern des KI-Ökosystems ausgetauscht werden können.
Die Exponate 2 und 3 zeigen zwei konkrete Beispiele aus den zehn Anwendungsfällen des Forschungsprojektes. Die dort verwendete „Intelligenz“ wird automatisch durch das Agri-Gaia Ökosystem auf die spezielle Computerhardware übertragen und ausgeführt.
Exponat 2 – Mais- und Beikraut-Erkennung auf mobilen Landmaschinen
Das Exponat besteht aus einem tragbaren Computer zur Montage auf mobilen Landmaschinen mit besonderer Leistungsfähigkeit für KI-Aufgaben, ein sogenanntes Edge-Gerät. Das vorliegende Modell ist eine „Neural Box Mobile“ der Firma Adves. Darauf wird ein KI-Server betrieben, der als Input Bilder von Fahrspuren eines Feldes erwartet, auf denen Mais sowie Beikraut zu sehen ist. Ein KI-Modell auf Basis der YOLOv5-Architektur analysiert die Bilder und lokalisiert alle erkannten Instanzen der beiden Kategorien und markiert diese im Bild.
Auf einem angeschlossenen Monitor können Besucher die Ergebnisse einer Realtime-Analyse betrachten, die auf der kompakten Hardware vor Ort durchgeführt wird. In der realen Anwendung könnten die Analyseergebnisse z. B. als Steuerung für nachgelagerte Board-Elektronik genutzt werden.
Exponat 3 – Detektion und Qualitätsbestimmung von Kartoffeln in der nachgelagerten Lebensmittelverarbeitung
Das Exponat besteht aus einem Entwicklungs-Computer der Jetson-Serie der Firma Nvidia mit besonderer Leistungsfähigkeit für KI-Aufgaben. Darauf werden zwei KI-Modelle in Sequenz betrieben.
Das erste Modell auf Basis der YOLOv5-Architektur erwartet als Input Bilder von Kartoffeln unterschiedlicher Art, Form und Qualität, z. B. auf einem Förderband eines lebensmittelverarbeitenden Betriebs. Dieses lokalisiert alle Kartoffeln im Bild und reicht die erkannten Objekte in Form kleiner Bildausschnitte an das zweite KI-Modell weiter.
Dieses analysiert wiederum die Ausschnitte und kategorisiert die unterschiedlichen Kartoffeln anhand ihrer äußerlichen Erscheinung in die Klassen „ok“ oder „mangelhaft“ ein. Durch die Anreicherung einer entsprechenden Datengrundlage sollen zukünftig genauere Aussagen über vorliegende Mängel getroffen werden können, wie z. B. „Grünstich“, „Fäule“ oder „mechanischer Defekt“.
Anhand der angeschlossenen Kamera und Monitor können Besucher die Ergebnisse einer Realtime-Analyse mit unterschiedlichen Kartoffeln ausprobieren, die auf der kompakten Hardware vor Ort durchgeführt wird. In der realen Anwendung könnten die Analyseergebnisse z. B. als Steuerung für nachgelagerte Verarbeitungsschritte genutzt werden.