Mit der Nahinfrarot-Spektroskopie (NIRS) gibt es für die landwirtschaftliche Praxis eine Technik, mit der man die Menge an qualitätsgebenden Inhaltstoffen in unterschiedlichen Substraten bestimmen kann. An Güllefässern montiert bestimmen NIR-Sensoren so in Echtzeit den Gehalt von Nährstoffen wie Stickstoff, Phosphor und Kalium (NPK). So lässt sich die Ausbringungsmenge der Gülle je nach Bedarf der zu düngenden Pflanzen automatisch steuern. Eine Messung der Nährstoffe im Erntegut mittels NIR-Sensoren führt zu einer Verbesserung der Ertragskartierung und ist damit die Grundlage für eine fortgesetzte, bedarfsgerechte Pflanzendüngung. Außerdem erhält der landwirtschaftliche Betrieb durch diese Ertragsmessung Informationen zur Qualität und Zusammensetzung seiner geernteten Lebens- und Futtermittel.

KI berücksichtigt Schwankungen im Messprozess

Aktuell bilden einfache, aber etablierte mathematische Verfahren die Grundlage für die Vorhersage von Inhaltstoffen und Nährwerten aus NIR-Spektren. Modelle, die mit diesen Verfahren erstellt werden, können aber auch bei großen Datenmengen nur bestimmte Zusammenhänge von Informationen abbilden. Sie stoßen so bei einer zeitgemäßen Vorhersagegenauigkeit an ihre Grenzen. Mit den angestrebten, komplexeren Verfahren der Künstlichen Intelligenz (KI) sollen daher zusätzliche Informationen aus den Spektren erschlossen werden.

So sollen zum Beispiel Schwankungen, die im Messprozess durch Faktoren wie unterschiedliche Temperaturen, Probenvorbereitung oder verschiedene Standorte auftreten können, bei der Kalkulation der Vorhersage Berücksichtigung finden. Zudem sollen Art und Herkunft der zu messenden Substrate automatisch erkannt werden und so zur Herkunftssicherung sowie verbesserten Transparenz in der Lebensmittelkette beitragen. Der Einsatz KI-basierter Algorithmen wird daher in der NIRS-Technologie dazu führen, noch komplexere Datensätze sammeln und analysieren zu können, sodass immer passgenauere Vorhersagemodell entstehen werden.

• Projektname: KIO-Sens (KI-unterstützte Optimierung des Einsatzes von NIR/MIR-Sensoren in der Landwirtschaft)
• Ziel: Verbesserung der Anwendung von KI-Algorithmen in der landwirtschaftlichen NIR-Sensortechnik zur bedarfsgerechten Dosierung von Düngemitteln auf dem Feld sowie von Futtermitteln in der Rationsgestaltung
• Ansatz: Verbesserung der Vorhersagegenauigkeit von Inhaltsstoffen durch die NIR-Spektroskopie im Rahmen der landwirtschaftlichen Prozesskette
• Eingesetzte Künstliche Intelligenz: Machine Learning Methoden, Computational Intelligence-basierte Algorithmen, Transfer-Lernen, Spektren-Standardisierung, Data Mining/Cluster-Analyse
• Hauptstandort: Niederwiesa/Mittweida, Sachsen
• Projektkoordination: Landwirtschaftliche Kommunikations- und Servicegesellschaft mbH (LKS)
• Projektbeteiligte: Landwirtschaftliche Kommunikations- und Servicegesellschaft mbH (LKS), Hochschule Mittweida (Sächsisches Institut für Computational Intelligence und Machine Learning)
  

Erschienen am 21. Jan. 2022 im Format Infotext

Adresse

KI-Projekt KIO-Sens
09577 Niederwiesa, Sachsen

zur Übersichtskarte