Nicht jedes Objekt auf dem Feld ist auch ein Hindernis. Kulturpflanzen werden bei Arbeitsschritten wie dem Mähen oder Häckseln bewusst bearbeitet. Aber wie kann eine autonome Maschine zwischen zu mähenden Pflanzen und Hindernissen wie Bäumen, Tieren oder sogar Menschen unterscheiden? Eine Antwort darauf liefert Künstliche Intelligenz (KI). Sie kann in Verbindung mit verschiedenen Sensortechnologien das Umfeld der Maschine und die dort auftauchenden Objekte klassifizieren.
Genau das wird in dem Forschungsprojekt “AI-TEST-FIELD” von dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) und der Hochschule Osnabrück in Zusammenarbeit mit COMBINED POWERS untersucht. Das Projekt zielt darauf ab, intelligente, autonome Maschinen für die Landwirtschaft zu entwickeln, die in der Lage sind, ihre Umgebung unter verschiedenen Bedingungen zuverlässig wahrzunehmen und sicher zu agieren. Dies wird durch die Zusammenarbeit von Forschung und Praxis sowie die Nutzung von Künstlicher Intelligenz im Rahmen umfangreicher Tests ermöglicht. Wie sehen diese Tests aus?
Einblick in die Forschungsarbeit
1. Erfassung der Umgebung für automatisierte Landmaschinen
Für den erfolgreichen Einsatz von automatisierten Landmaschinen ist eine zuverlässige Erfassung der Umgebung entscheidend. Dies ist besonders komplex, da nicht jedes Objekt als Hindernis betrachtet wird, sondern einige, wie Pflanzen, bewusst bearbeitet werden müssen, während andere, wie Bäume, Tiere oder gar Menschen, als Hindernisse erkannt werden müssen. Zudem wird die Umfelderkennung durch wechselnde und oft harsche Umgebungsbedingungen wie Staub, Nebel, Regen, Sonnenlicht und Vegetation erschwert.
2. Künstliche Intelligenz für Umfelderkennung
Mit KI-basierten Algorithmen entsteht die Möglichkeit, robuste Sensorsysteme zu entwickeln, die bei der Vielzahl von Umgebungsbedingungen und Szenarien valide und sichere Informationen für Handlungsanweisungen generieren.
3. Datenbank für Sensordaten
Um Sensorsysteme zu entwickeln und zu evaluieren, ist eine große Datenbank mit Sensordaten erforderlich, die unter verschiedenen Bedingungen in landwirtschaftlichen Umgebungen aufgezeichnet wurden.
4. Testanlage für einheitliche Versuche
Da Wetterbedingungen nicht beeinflussbar sind, wurde eine separate Testanlage mit einem Sensorschlitten entwickelt. Auf einem über 100 Meter langen Schienenparcours werden Prüfkörper platziert, die menschenähnliche Reflektionscharakteristiken aufweisen. Dies ermöglicht wiederkehrende Szenarien für den direkten Vergleich der Sensordaten unter verschiedenen Bedingungen.
5. Einsatz unterschiedlicher Sensorsysteme
Im Rahmen der Forschungsarbeit kommen Farb- und Tiefenkameras sowie LiDAR und Radarsysteme zum Einsatz. Die aufgenommenen Sensordaten werden zusammen mit zusätzlichen Informationen, wie Wetterbedingungen oder Tageszeit der Versuchsdurchführung, in einer großen Datenbank abgelegt. Die Forscher vom DFKI können an diese Datenbank Abfragen mit speziellen Umgebungsbedingungen stellen, z. B. „Alle Bilder, die bei bewölktem, leicht diesigem Wetter zur Mittagszeit aufgenommen wurden und den erwachsenen Prüfkörper im Sichtfeld haben“.
Was geschieht mit den Forschungsergebnissen?
Sämtliche Daten aus dieser Versuchsanordnung werden anschließend automatisiert durch die KI interpretiert. Hierbei kommen Algorithmen zum Einsatz, die z. B. bestimmen können, welche Objekte in den Sensordaten auftauchen oder die Position abschätzen können, wo genau bestimmte Objekte stehen.
Die Prüfkörper auf dem Feld wurden mit einem RTK-Messstab eingemessen. Da die Position des Sensorschlittens durch das Schienensystem bekannt ist, wissen die Forscher jederzeit, wo sich die Objekte in Relation zu den Sensoren befinden. Somit kann nun überprüft werden, ob die Algorithmen in allen Situationen die Objekte erkannt haben und wenn ja, wie genau deren Position vorhergesagt wird. Es kann beispielsweise bewertet werden, welche Sensortechnologie bei bewölktem Wetter, bei Sonnenschein oder in der Dunkelheit besonders gut geeignet ist. Außerdem sind die Ingenieure von KRONE und LEMKEN durch die gewonnenen Erkenntnisse in der Lage, für die unterschiedlichen Bedingungen den jeweils leistungsstärksten Algorithmus auszuwählen.
Die vielversprechendste Kombination aus Sensoren und Algorithmen wird im Anschluss auf den COMBINED POWERS Maschinen im realen Feldeinsatz bei verschiedenen Szenarien und Prozessen getestet.