API src

Found 92 results.

Related terms

Teilprojekt E

Das Projekt "Teilprojekt E" wird vom Umweltbundesamt gefördert und von IDE.Automation GmbH durchgeführt. In der aktuellen Debatte um das Erreichen der Klimaschutzziele der Bundesrepublik spielt die Versorgung der Verbraucher*innen mit regional und klimaverträglich produzierten Lebensmitteln eine zunehmende Rolle. Insbesondere der ökologische Landbau ist - vor allem für kleinere Betriebe - sehr personalintensiv und daher häufig nicht mit großen Agrarkonzernen konkurrenzfähig. Um die regionale Vielfalt von kleinsten und kleineren Betrieben zu erhalten und die Versorgung im Nahbereich zu verbessern, ist es notwendig, individuell zugeschnittene Lösungen für jeden Betrieb zu entwickeln. Dies geschieht zurzeit jedoch nicht, da moderne technische Lösungen auf Basis von künstlicher Intelligenz und/oder Robotik in der Regel nur für Großbetriebe erdacht werden und zudem häufig ein sehr hohes Investitionsvolumen erfordern. Jedoch besteht bei der vergleichsweise großen Zahl von Klein- und Kleinstbetriebe ein enormes Gesamtpotential für die Digitalisierung, die jedoch an individuelle Gegebenheiten anpassbar sein muss. Im Rahmen der Förderung wollen wir Konzepte entwickeln, die den Einsatz einer semi- bis vollautonomen modularen elektrischen Roboterplattform auf Basis mobiler Outdoor-Roboter ermöglicht. Durch die Modularität und der Verwendung von kostengünstigen bzw. off-the-shelf Komponenten und eigens entwickelten Spezialsensoren soll die Plattform für verschiedene Anforderungen konfigurierbar gemacht werden. Somit wird es insbesondere auch Anwender*innen mit beschränkten finanziellen Mitteln ermöglicht, Hochtechnologie in der Landwirtschaft einzusetzen. Es sollen Szenarien zur Unterstützung der Landwirtschaft in den Bereichen Geflügelhaltung, Monitoring und Weideland untersucht und prototypisch umgesetzt werden.

Teilprojekt D

Das Projekt "Teilprojekt D" wird vom Umweltbundesamt gefördert und von Hof Falkenhusen Jörg Aewerdieck durchgeführt. In der aktuellen Debatte um das Erreichen der Klimaschutzziele der Bundesrepublik spielt die Versorgung der Verbraucher*innen mit regional und klimaverträglich produzierten Lebensmitteln eine zunehmende Rolle. Insbesondere der ökologische Landbau ist - vor allem für kleinere Betriebe - sehr personalintensiv und daher häufig nicht mit großen Agrarkonzernen konkurrenzfähig. Um die regionale Vielfalt von kleinsten und kleineren Betrieben zu erhalten und die Versorgung im Nahbereich zu verbessern, ist es notwendig, individuell zugeschnittene Lösungen für jeden Betrieb zu entwickeln. Dies geschieht zurzeit jedoch nicht, da moderne technische Lösungen auf Basis von künstlicher Intelligenz und/oder Robotik in der Regel nur für Großbetriebe erdacht werden und zudem häufig ein sehr hohes Investitionsvolumen erfordern. Jedoch besteht bei der vergleichsweise großen Zahl von Klein- und Kleinstbetriebe ein enormes Gesamtpotential für die Digitalisierung, die jedoch an individuelle Gegebenheiten anpassbar sein muss. Im Rahmen der Förderung wollen wir Konzepte entwickeln, die den Einsatz einer semi- bis vollautonomen modularen elektrischen Roboterplattform auf Basis mobiler Outdoor-Roboter ermöglicht. Durch die Modularität und der Verwendung von kostengünstigen bzw. off-the-shelf Komponenten und eigens entwickelten Spezialsensoren soll die Plattform für verschiedene Anforderungen konfigurierbar gemacht werden. Somit wird es insbesondere auch Anwender*innen mit beschränkten finanziellen Mitteln ermöglicht, Hochtechnologie in der Landwirtschaft einzusetzen. Es sollen Szenarien zur Unterstützung der Landwirtschaft in den Bereichen Geflügelhaltung, Monitoring und Weideland untersucht und prototypisch umgesetzt werden.

Teilprojekt B

Das Projekt "Teilprojekt B" wird vom Umweltbundesamt gefördert und von Johann Heinrich von Thünen-Institut, Bundesforschungsinstitut für Ländliche Räume, Wald und Fischerei, Institut für Ökologischen Landbau durchgeführt. In der aktuellen Debatte um das Erreichen der Klimaschutzziele der Bundesrepublik spielt die Versorgung der Verbraucher*innen mit regional und klimaverträglich produzierten Lebensmitteln eine zunehmende Rolle. Insbesondere der ökologische Landbau ist - vor allem für kleinere Betriebe - sehr personalintensiv und daher häufig nicht mit großen Agrarkonzernen konkurrenzfähig. Um die regionale Vielfalt von kleinsten und kleineren Betrieben zu erhalten und die Versorgung im Nahbereich zu verbessern, ist es notwendig, individuell zugeschnittene Lösungen für jeden Betrieb zu entwickeln. Dies geschieht zurzeit jedoch nicht, da moderne technische Lösungen auf Basis von künstlicher Intelligenz und/oder Robotik in der Regel nur für Großbetriebe erdacht werden und zudem häufig ein sehr hohes Investitionsvolumen erfordern. Jedoch besteht bei der vergleichsweise großen Zahl von Klein- und Kleinstbetriebe ein enormes Gesamtpotential für die Digitalisierung, die jedoch an individuelle Gegebenheiten anpassbar sein muss. Im Rahmen der Förderung wollen wir Konzepte entwickeln, die den Einsatz einer semi- bis vollautonomen modularen elektrischen Roboterplattform auf Basis mobiler Outdoor-Roboter ermöglicht. Durch die Modularität und der Verwendung von kostengünstigen bzw. off-the-shelf Komponenten und eigens entwickelten Spezialsensoren soll die Plattform für verschiedene Anforderungen konfigurierbar gemacht werden. Somit wird es insbesondere auch Anwender*innen mit beschränkten finanziellen Mitteln ermöglicht, Hochtechnologie in der Landwirtschaft einzusetzen. Es sollen Szenarien zur Unterstützung der Landwirtschaft in den Bereichen Geflügelhaltung, Monitoring und Weideland untersucht und prototypisch umgesetzt werden.

Teilprojekt C

Das Projekt "Teilprojekt C" wird vom Umweltbundesamt gefördert und von Universität Göttingen, Albrecht-von-Haller-Institut für Pflanzenwissenschaften, Abteilung Biochemie der Pflanze durchgeführt. In der aktuellen Debatte um das Erreichen der Klimaschutzziele der Bundesrepublik spielt die Versorgung der Verbraucher*innen mit regional und klimaverträglich produzierten Lebensmitteln eine zunehmende Rolle. Insbesondere der ökologische Landbau ist - vor allem für kleinere Betriebe - sehr personalintensiv und daher häufig nicht mit großen Agrarkonzernen konkurrenzfähig. Um die regionale Vielfalt von kleinsten und kleineren Betrieben zu erhalten und die Versorgung im Nahbereich zu verbessern, ist es notwendig, individuell zugeschnittene Lösungen für jeden Betrieb zu entwickeln. Dies geschieht zurzeit jedoch nicht, da moderne technische Lösungen auf Basis von künstlicher Intelligenz und/oder Robotik in der Regel nur für Großbetriebe erdacht werden und zudem häufig ein sehr hohes Investitionsvolumen erfordern. Jedoch besteht bei der vergleichsweise großen Zahl von Klein- und Kleinstbetriebe ein enormes Gesamtpotential für die Digitalisierung, die jedoch an individuelle Gegebenheiten anpassbar sein muss. Im Rahmen der Förderung wollen wir Konzepte entwickeln, die den Einsatz einer semi- bis vollautonomen modularen elektrischen Roboterplattform auf Basis mobiler Outdoor-Roboter ermöglicht. Durch die Modularität und der Verwendung von kostengünstigen bzw. off-the-shelf Komponenten und eigens entwickelten Spezialsensoren soll die Plattform für verschiedene Anforderungen konfigurierbar gemacht werden. Somit wird es insbesondere auch Anwender*innen mit beschränkten finanziellen Mitteln ermöglicht, Hochtechnologie in der Landwirtschaft einzusetzen. Es sollen Szenarien zur Unterstützung der Landwirtschaft in den Bereichen Geflügelhaltung, Monitoring und Weideland untersucht und prototypisch umgesetzt werden.

Teilprojekt A

Das Projekt "Teilprojekt A" wird vom Umweltbundesamt gefördert und von Universität zu Lübeck, Sektion Informatik,Technik, Institut für Robotik und Kognitive Systeme durchgeführt. In der aktuellen Debatte um das Erreichen der Klimaschutzziele der Bundesrepublik spielt die Versorgung der Verbraucher*innen mit regional und klimaverträglich produzierten Lebensmitteln eine zunehmende Rolle. Insbesondere der ökologische Landbau ist - vor allem für kleinere Betriebe - sehr personalintensiv und daher häufig nicht mit großen Agrarkonzernen konkurrenzfähig. Um die regionale Vielfalt von kleinsten und kleineren Betrieben zu erhalten und die Versorgung im Nahbereich zu verbessern, ist es notwendig, individuell zugeschnittene Lösungen für jeden Betrieb zu entwickeln. Dies geschieht zurzeit jedoch nicht, da moderne technische Lösungen auf Basis von künstlicher Intelligenz und/oder Robotik in der Regel nur für Großbetriebe erdacht werden und zudem häufig ein sehr hohes Investitionsvolumen erfordern. Jedoch besteht bei der vergleichsweise großen Zahl von Klein- und Kleinstbetriebe ein enormes Gesamtpotential für die Digitalisierung, die jedoch an individuelle Gegebenheiten anpassbar sein muss. Im Rahmen der Förderung wollen wir Konzepte entwickeln, die den Einsatz einer semi- bis vollautonomen modularen elektrischen Roboterplattform auf Basis mobiler Outdoor-Roboter ermöglicht. Durch die Modularität und der Verwendung von kostengünstigen bzw. off-the-shelf Komponenten und eigens entwickelten Spezialsensoren soll die Plattform für verschiedene Anforderungen konfigurierbar gemacht werden. Somit wird es insbesondere auch Anwender*innen mit beschränkten finanziellen Mitteln ermöglicht, Hochtechnologie in der Landwirtschaft einzusetzen. Es sollen Szenarien zur Unterstützung der Landwirtschaft in den Bereichen Geflügelhaltung, Monitoring und Weideland untersucht und prototypisch umgesetzt werden.

Teilprojekt B

Das Projekt "Teilprojekt B" wird vom Umweltbundesamt gefördert und von Hochschule Harz Wernigerode, Fachbereich Automatisierung und Informatik durchgeführt. Intelligente Sensorsysteme haben besonders beim Monitoring landwirtschaftlicher Flächen für den Pflanzenschutz ein großes Anwendungspotential. Bei der Unkrautbekämpfung können räumlich differenzierte und zeitnahe Informationen über Konkurrenzsituationen durch Unkrautverbreitung in einer Fläche eine gezielte Anpassung von Abwehrstrategien ermöglichen und den Einsatz von Pflanzenschutzmitteln somit verringern. Die größten Herausforderungen liegen dabei in der präzisen Kartierung des Standortes. Bisher ist es zwar möglich, einen Teil der Informationen, z.B. die Relation aus Bedeckungsgrad von Kulturpflanzen zu Unkrautbesatz zu ermitteln, eine robuste Erkennung einzelner Unkrautarten auf Basis von KI-Ansätzen fanden bisher jedoch zu keiner praktischen Anwendung. Das Projekt WeedAI setzt sich zum Ziel, ein intelligentes echtzeitfähiges Monitoring- und Mappingsystem für die Erfassung der Unkrautverteilung in Getreidebeständen zu entwickeln. Hierfür werden hochauflösende Luftbilddaten in geringer Flughöhe erzeugt und mit Hilfe einer optimierten Onboard-KI-Bilderkennung während des Überflugs direkt auf der Drohne klassifiziert.

Teilprojekt B

Das Projekt "Teilprojekt B" wird vom Umweltbundesamt gefördert und von ADVES GmbH & Co. KG durchgeführt. Bedarfsgerechtes Güllemanagement ist seit vielen Jahren eine vielschichtige Herausforderung für landwirtschaftliche Betriebe. Um den rechtlichen Rahmenbedingungen und Nachweispflichten nachzukommen, ist ein vielversprechender Lösungsansatz, die Gülle im Ausbringungsfahrzeug mittels NIR-Systems (Nahinfrarot) auf N-Gesamt (Gesamtstickstoff), NH4-N (Ammonium-N), P2O5 (Phosphor) und K2O (Kalium) sowie Trockenmasse hin zu analysieren. Eine breite Marktdurchdringung verlangt ein kompaktes, nachrüstbares und preisgünstiges NIR-System, welches die geforderte Genauigkeit und Qualitätsanforderungen erfüllt. Das Vorhaben iDentPlus setzt sich zum Ziel, eine Gesamtsystemlösung bestehend aus einem innovativen NIR-Sensorsystem basierend auf MEMS-IR-Detektoren und einem intelligenten Cloud-System mit KI-basierten Monitoring und Computing für den Feldeinsatz zu qualifizieren und bei einer hohen Anzahl von landwirtschaftlichen Betrieben zu erproben. Zur Gewährleistung der Funktionssicherheit unter den rauen Einsatzbedingungen werden neben einer Sensor-Selbstdiagnose auch eine kontinuierliche Überwachung der gemessenen NIR-Spektren im Feld und eine bedarfsgesteuerte Aktualisierung der Analysemodelle mittels Over-the-Air Update realisiert. Ferner sollen die für die Auswertung notwendigen Algorithmen entwickelt werden. Dabei wird ein besonderer Fokus auf Stickstoff gelegt, wobei die anderen Inhaltsstoffe mit bearbeitet werden. Basierend auf dem weiterzuentwickelnden NIR-Sensorsystem soll ein Verfahren zur automatisierten Erstellung der Analysemodelle aus Referenzdaten entwickelt werden, um eine genaue Nährstoffbestimmung über einen langen Betriebszeitraum sicherzustellen. Das Ziel ist die Entwicklung und Evaluierung einer ganzheitlichen Systemlösung bestehend aus einem NIR-Sensorsystem, einer Cloud-Lösung, mit Datenmanagement, Cloud-Monitoring und -Computing sowie die Entwicklung der Verfahren und der Algorithmen zur Bestimmung der Nährstoffgehalte des organischen Wirtschaftsdunges.

Teilprojekt A

Das Projekt "Teilprojekt A" wird vom Umweltbundesamt gefördert und von Dr. Kathrin Müller durchgeführt. Bedarfsgerechtes Güllemanagement ist seit vielen Jahren eine vielschichtige Herausforderung für landwirtschaftliche Betriebe. Um den rechtlichen Rahmenbedingungen und Nachweispflichten nachzukommen, ist ein vielversprechender Lösungsansatz, die Gülle im Ausbringungsfahrzeug mittels NIR-Systems (Nahinfrarot) auf N-Gesamt (Gesamtstickstoff), NH4-N (Ammonium-N), P2O5 (Phosphor) und K2O (Kalium) sowie Trockenmasse hin zu analysieren. Eine breite Marktdurchdringung verlangt ein kompaktes, nachrüstbares und preisgünstiges NIR-System, welches die geforderte Genauigkeit und Qualitätsanforderungen erfüllt. Das Vorhaben iDentPlus setzt sich zum Ziel, eine Gesamtsystemlösung bestehend aus einem innovativen NIR-Sensorsystem basierend auf MEMS-IR-Detektoren und einem intelligenten Cloud-System mit KI-basierten Monitoring und Computing für den Feldeinsatz zu qualifizieren und bei einer hohen Anzahl von landwirtschaftlichen Betrieben zu erproben. Zur Gewährleistung der Funktionssicherheit unter den rauen Einsatzbedingungen werden neben einer Sensor-Selbstdiagnose auch eine kontinuierliche Überwachung der gemessenen NIR-Spektren im Feld und eine bedarfsgesteuerte Aktualisierung der Analysemodelle mittels Over-the-Air Update realisiert. Ferner sollen die für die Auswertung notwendigen Algorithmen entwickelt werden. Dabei wird ein besonderer Fokus auf Stickstoff gelegt, wobei die anderen Inhaltsstoffe mit bearbeitet werden. Basierend auf dem weiterzuentwickelnden NIR-Sensorsystem soll ein Verfahren zur automatisierten Erstellung der Analysemodelle aus Referenzdaten entwickelt werden, um eine genaue Nährstoffbestimmung über einen langen Betriebszeitraum sicherzustellen. Das Ziel ist die Entwicklung und Evaluierung einer ganzheitlichen Systemlösung bestehend aus einem NIR-Sensorsystem, einer Cloud-Lösung, mit Datenmanagement, Cloud-Monitoring und -Computing sowie die Entwicklung der Verfahren und der Algorithmen zur Bestimmung der Nährstoffgehalte des organischen Wirtschaftsdunges.

Teilprojekt C

Das Projekt "Teilprojekt C" wird vom Umweltbundesamt gefördert und von sdnord Systeme & Dienste GmbH durchgeführt. Bedarfsgerechtes Güllemanagement ist seit vielen Jahren eine vielschichtige Herausforderung für landwirtschaftliche Betriebe. Um den rechtlichen Rahmenbedingungen und Nachweispflichten nachzukommen, ist ein vielversprechender Lösungsansatz, die Gülle im Ausbringungsfahrzeug mittels NIR-Systems (Nahinfrarot) auf N-Gesamt (Gesamtstickstoff), NH4-N (Ammonium-N), P2O5 (Phosphor) und K2O (Kalium) sowie Trockenmasse hin zu analysieren. Eine breite Marktdurchdringung verlangt ein kompaktes, nachrüstbares und preisgünstiges NIR-System, welches die geforderte Genauigkeit und Qualitätsanforderungen erfüllt. Das Vorhaben iDentPlus setzt sich zum Ziel, eine Gesamtsystemlösung bestehend aus einem innovativen NIR-Sensorsystem basierend auf MEMS-IR-Detektoren und einem intelligenten Cloud-System mit KI-basierten Monitoring und Computing für den Feldeinsatz zu qualifizieren und bei einer hohen Anzahl von landwirtschaftlichen Betrieben zu erproben. Zur Gewährleistung der Funktionssicherheit unter den rauen Einsatzbedingungen werden neben einer Sensor-Selbstdiagnose auch eine kontinuierliche Überwachung der gemessenen NIR-Spektren im Feld und eine bedarfsgesteuerte Aktualisierung der Analysemodelle mittels Over-the-Air Update realisiert. Ferner sollen die für die Auswertung notwendigen Algorithmen entwickelt werden. Dabei wird ein besonderer Fokus auf Stickstoff gelegt, wobei die anderen Inhaltsstoffe mit bearbeitet werden. Basierend auf dem weiterzuentwickelnden NIR-Sensorsystem soll ein Verfahren zur automatisierten Erstellung der Analysemodelle aus Referenzdaten entwickelt werden, um eine genaue Nährstoffbestimmung über einen langen Betriebszeitraum sicherzustellen. Das Ziel ist die Entwicklung und Evaluierung einer ganzheitlichen Systemlösung bestehend aus einem NIR-Sensorsystem, einer Cloud-Lösung, mit Datenmanagement, Cloud-Monitoring und -Computing sowie die Entwicklung der Verfahren und der Algorithmen zur Bestimmung der Nährstoffgehalte des organischen Wirtschaftsdunges.

Teilprojekt D

Das Projekt "Teilprojekt D" wird vom Umweltbundesamt gefördert und von Landwirtschaftskammer Niedersachsen durchgeführt. Bedarfsgerechtes Güllemanagement ist seit vielen Jahren eine vielschichtige Herausforderung für landwirtschaftliche Betriebe. Um dem rechtlichen Rahmen und Nachweispflichten nachzukommen, ist ein vielversprechender Lösungsansatz, die Gülle im Ausbringungsfahrzeug mittels NIR-Systemen auf N-Gesamt (Gesamtstickstoff), NH4-N (Ammonium-N), P2O5 (Phosphor) und K2O (Kalium) sowie Trockenmasse hin zu analysieren. Eine breite Marktdurchdringung verlangt ein kompaktes, nachrüstbares und preisgünstiges NIR-System, welches die geforderte Genauigkeit und Qualitätsanforderung erfüllt. Das Vorhaben iDentPlus setzt sich zum Ziel, eine Gesamtsystemlösung bestehend aus einem innovativen NIR-Sensorsystem basierend auf MEMS-IR-Detektoren und einem intelligenten Cloud-System mit KI-basierten Monitoring und Computing für den Feldeinsatz zu qualifizieren und bei einer hohen Anzahl von landwirtschaftlichen Betrieben zu erproben. Zur Gewährleistung der Funktionssicherheit unter den rauen Einsatzbedingungen werden neben einer Sensor-Selbstdiagnose auch eine kontinuierliche Überwachung der gemessenen NIR-Spektren im Feld und eine bedarfsgesteuerte Aktualisierung der Analysemodelle mittels Over-the-Air Update realisiert. Ferner sollen die für die Auswertung notwendigen Algorithmen entwickelt werden. Dabei wird ein besonderer Fokus auf Stickstoff gelegt, wobei die anderen Inhaltsstoffe mit bearbeitet werden. Basierend auf dem weiterzuentwickelnden NIR-Sensorsystem soll ein Verfahren zur automatisierten Erstellung der Analysemodelle aus Referenzdaten entwickelt werden, um eine genaue Nährstoffbestimmung über einen langen Betriebszeitraum sicherzustellen. Das übergeordnete Ziel ist die Entwicklung und Evaluierung einer ganzheitlichen Systemlösung bestehend aus einem NIR-Sensorsystem, einer Cloud-Lösung, mit Datenmanagement, Cloud-Monitoring und -Computing sowie die Entwicklung der Verfahren und der dafür nötigen Algorithmen zur Bestimmung der Nährstoffgehalte des organischen Wirtschaftsdunges.

1 2 3 4 58 9 10