KIRa – Lernende Maschine entlastet Fachpersonal
Saatgut automatisch sortieren und klassifizieren
Das Projekt KIRa entwickelt einen Demonstrator, der Saatgutproben von Raps sensorisch und bildgebend erfasst. Für den großen Bereich der Saatgutproduktion werden die Ergebnisse des Projekts wichtige, neue Impulse geben.
Für die Saatgutsortierung gibt es bereits einfache, automatisierte Systeme. Dennoch wird die automatisierte Saatgutanalyse und -klassifizierung durch die Forschungsarbeit, die im Projekt KIRa geleistet wird, nochmals auf ein ganz neues Level gehoben werden.
Automatisierte Beurteilung der Saatgutqualität
In den letzten Jahren hat sich schon einiges im Bereich der Saatgutqualität und der Sortierung von Samen getan. Schon heute können viele Tonnen an Samen in kürzester Zeit über bildgebende Sensoren erfasst und anschließend sortiert werden. Diese eingesetzten "Farbausleser" können aber nur in zwei Klassen sortieren – in "Gut- oder Schlechtware". Für die gesetzlich vorgeschriebene und geregelte Fremdbesatzanalyse (das heißt der Bestimmung von sorten- und artfremder Pflanzen) sind sie daher ohne weiteren Nutzen.
Vorhandene Software weiterentwickeln
Die Herausforderung für das KIRa-Vorhaben liegt in der enormen Vielfalt an unterschiedlichen Pflanzenspezies, deren Samen erkannt und unterschieden werden müssen. Hinzukommt die natürlich vorkommende Variabilität und Diversität der Samen innerhalb einer Pflanzenspezies. Dies alles muss daher bei der Entwicklung des durch Künstliche Intelligenz (KI) gesteuerten "KIRa-Sorters" berücksichtigt werden.
Der KIRA-Sorter entlastet das Fachpersonal
Der KIRA-Sorter wird Saatgutproben von Raps, die auch einen potenziellen Fremdbesatz mit anderen Pflanzenspezies haben können, bis zum einzelnen Korn erfassen, analysieren und klassifizieren sowie entsprechend sortieren. So entlastet KI Fachpersonal bei seiner sehr mühevollen und repetitiven Arbeit. Die KI wird so die einfacheren und sicheren Fälle übernehmen, sodass sich das Fachpersonal auf die komplexeren und schwierigeren Fälle konzentrieren kann.
Umfangreicher Datensatz zur Weiternutzung
Als Endergebnis des Projekts KIRa soll nicht nur ein finaler Prototyp eines KIRa-Sorters für Saatgutproben von Raps entwickelt sein, sondern auch ein sehr umfangreicher Datensatz von vorklassifizierten Samen inklusive sensorgenerierter Bildaufnahmen vorliegen. Dieser Datensatz kann dann für neue KI-gesteuerte Saatgutklassifikationen und angrenzende Anwendungsfälle genutzt werden. Die Projektpartner in KIRa sind davon überzeugt, dass der Einsatz eines zukünftig fertig entwickelten KIRa Sorters für die Fremdbesatzanalyse von Saatgutproben, diese bisher sehr arbeitsintensive Analyse grundlegend vereinfachen und rationalisieren wird.
- Projektname: KIRa (KI-gestützte Plattform zur Klassifikation und Sortierung von Pflanzensamen: Bewertung der Saatgutreinheit am Musterfall Raps)
- Ziel: Innovationen in den Bereichen Mechatronik und Automatisierungstechnik mit KI kombinieren und für die Bereiche Saatgutanalytik und Saatgutqualitätsanalyse nutzen. Praktischen Mehrwert von KI für die Landwirtschaft sichtbar machen.
- Ansatz: Die Fremdbesatzanalyse von Saatgut wird rationalisiert und in Teilen automatisiert; Entwicklung eines KI-gesteuerten Systems, das einzelne Samen aus einer umfangreichen Stichprobe erfasst und trennt sowie klassifiziert und sortiert
- Eingesetzte Künstliche Intelligenz: überwachtes (supervised), erklärbares, maschinelles Lernen auf Grundlage von Bilddaten zur Klassifikation einer sehr hohen Anzahl an möglichen Klassen
- Hauptstandort: Holtsee, Schleswig-Holstein
- Projektkoordination: NPZ Innovation GmbH
- Projektbeteiligte: NPZ Innovation GmbH, Institut für Informatik der Universität Leipzig, Fachbereich Ingenieurwissenschaften und Mathematik der Fachhochschule Bielefeld
Adresse
KI-Projekt KIRa
24363 Holtsee, Schleswig-Holstein
