FoRschungsschwerpunkte
- Maschinelles Lernen (Machine Learning)
- Learning Algorithms
- Reinforcement Learning
- Federated and Distributed Learning
- Deep Learning
-
Merkmalsextraktion (Feature Extraction)
-
Intelligente Systeme (Smart Systems)
- Energietechnische Systeme
- Industrielle Prozesssteuerung/-optimierung
- Intelligente Messsysteme
- Bildverarbeitungsysteme
FoRschungsprojekte
- Physikalische Modellierung der Verzerrungen bei der Histopathologie von Tumorerkrankungen
Projektbeschreibung:
DasForschungsthema ist die Untersuchung einer Kombination aus datengetriebener KI-Methodik und physikalischen Modellierung des Schneide- und Färbeprozesses um ein Entzerrungsmodell zu entwickeln, welches erstmalig erlaubt etablierte Routinefärbungen in zerstörungsfrei gewonnene 3D-Bilddatensätze zu übertragen und damit etablierte WHO-Kriterien äquivalent nutzen zu können.
Projektlaufzeit: 01.09.2024 bis 31.08.2025
Gefördert durch: Hochschule Düsseldorf, HIFF
- Entwicklung einer Mess- und Auswertemethodik zur Erkennung unterschiedlichster Düngemittel und Ableitung der spezifischen Flugeigenschaften für eine optimierte Streumaschineneinstellung durch Deep Convolutional Neural Networks (MobiDA)
Projektbeschreibung:
In dem Projekt MobiDa – wird eine mobile Mess- und Auswerteeinheit entwickelt, die den Landwirt bei der Bestimmung der Düngersorte unterstützten soll und auch den Düngerstreuer für die entsprechenden Streugüter optimal einstellen soll. Ein kontrollierter Düngevorgang und Düngeeintrag auf dem Acker ist ein anzustrebendes Ziel zur CO2 Verringerung und zum Schutz der Umwelt. Durch einen optimalen Düngereinsatz lassen sich für den Landwirt beste Bedingungen für das Pflanzenwachstum realisieren und somit signifikante monetäre Einsparungen erreichen. Kenntnis über die Flugeigenschaften der auszubringenden Dünger sind dabei Grundvoraussetzung für einen kontrollierten Düngevorgang und werden in dem Projekt untersucht. Mittels Untersuchung des Streugutes werden durch Deep Convolutional Neural Networks (DCNNs) physikalische Merkmale ermittelt und die optimalen Maschinenparameter für den Düngerstreuer ermittelt und dem User direkt bereitgestellt.
Fördernummer: KK5243405LF3, ZIM Zentrales Innovationsprogramm Mittelstand
Projektpartner: RAUCH Landmaschinenfabrik GmbH (https://rauch.de/)
Projektlaufzeit: 01.06.2023 bis 31.05.2025 (verlängert bis 30.09.2025)
Gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz nach einem Beschluss des deutschen Bundestages
- Entwicklung einer vollautomatischen, KI-gestützten und reihenunabhängigen Salatkopferntemaschine (AureSa)
Projektbeschreibung:
Die Gemüseernte im Freiland ist sehr schwierig und anspruchsvoll. Somit kommen bei der Salatkopfernte immer noch nur händische Erntemethoden zum Einsatz, da die Selektierung, der Schnitt und das direkte Entblättern einiges an menschlicher Erfahrung und Fingerfertigkeit voraussetzt. Um die Ernte für das Fachpersonal zu vereinfachen, wird in dem Projektvorhaben eine Einheit entwickelt, die auf einer Erntemaschine eingesetzt werden kann und das Ab-schneiden des Salatkopfes maschinell übernimmt. Danach wird der Salatkopf direkt weiterbefördert, wobei ein Transport von einem frisch geschnittenen Salatkopf sehr komplex ist, da kleinste Vibrationen oder auch kleinere einwirkende Kräfte schon Verletzungen an den Blattrippen hervorrufen können, welches die Haltbarkeit stark verringert. Im weiteren Verlauf soll der Salatkopf dann direkt an Erntepersonal weitergegeben werden, die dann das Putzen und Verpacken auf ergonomischer Arbeitshöhe übernehmen können.
Fördernummer: KK5243408RF4, ZIM Zentrales Innovationsprogramm Mittelstand
Projektpartner: Josef Zeyer Stahlbau Agrarsysteme GmbH (https://www.zeyer.biz/)
Projektlaufzeit: 01.02.2025 bis 31.01.2027
Gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz nach einem Beschluss des deutschen Bundestages