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
- Entwicklung einer Mess- und Auswertemethodik zur Erkennung unterschiedlichster Düngemittel und Ableitung der spezifischen Flugeigenschaften für eine optimierte Streumaschineneinstellung durch Deep Convolutional Neural Networks
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)
Projektpartner: RAUCH Landmaschinenfabrik GmbH (https://rauch.de/)
Projektlaufzeit: 01.06.2023 bis 31.05.2025
Gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz und ZIM Zentrales Innovationsprogramm Mittelstand
