Skip to main content Skip to main navigation

Projekt | agrifoodTEF-DE

Laufzeit:
Test and Experiment Facilities for the Agri-Food Domain

Test and Experiment Facilities for the Agri-Food Domain

Das Forschungsprojekt agrifoodTEF-DE (Deutschland) entwickelt unabhängige Service-Blaupausen, um modernste KI- und Robotik-Lösungen für die Agrarwirtschaft unter praktischen Bedingungen zu erproben, zu testen und zu validieren. Unser Ziel ist die Unterstützung von Unternehmen und wissenschaftlichen Einrichtungen bei der Weiterentwicklung von Agrartechnologien bis hin zur Marktreife.

Im Fokus des Projekts steht der Einsatz von synthetischen Daten, das Benchmarking und Testen von Robotik-Anwendungen, Edge-Computing-Anwendungen sowie die Rechtskonformität von KI und Robotik in der Landwirtschaft. Das DFKI spezialisiert sich dabei in enger Zusammenarbeit mit den Projektpartnern auf die automatisierte Erzeugung synthetischer Daten für den Agrarsektor.

Beim Einsatz von KI-Technologien ist ein steigender Bedarf an umfangreichem und qualitativ hochwertigem Datenmaterial zu beobachten. Denn integraler Bestandteil beim Aufbau und der Entwicklung von KI-Systemen ist das Training der Algorithmen bzw. der maschinellen Lernmodelle (ML-Modelle) durch Trainingsdaten. Dabei ist die Quantität und Qualität der dafür bereitgestellten Informationen sowohl für überwachte als auch unüberwachte KI-Systeme und ML-Lernmodelle entscheidend. Insbesondere die Güte von Trainingsdaten wirkt sich unmittelbar auf die Effizienz eines KI-Systems und dadurch auf die Qualität der Ergebnisse aus. Künstlich erzeugte Daten können somit die Effizienz und dadurch den wirtschaftlichen Nutzen verfügbarer Ressourcen steigern. Wir entwickeln Prozesse, die das Scannen unterschiedlicher Pflanzen sowie pflanzlicher Strukturen erlauben, um hochauflösende und botanisch korrekte 3D-Modelle zu erzeugen. Durch Variationen dieser Modelle werden künstliche Szenarien erzeugt, aus denen eine Vielzahl kostengünstiger synthetischer Daten gewonnen werden können. Die Parameter der Pflanzenmodelle und Szenarien können dabei aufgrund ihrer hohen Variabilität an spezifische Anforderungen bedarfsgerecht angepasst werden, um beispielsweise das Training oder eine Evaluierung von KI-basierten Lösungen effizienter zu gestalten.

Das deutsche Forschungsvorhaben agrifoodTEF-DE hat einen „Third-Party“-Status im europäischen Projektverbund agrifoodTEF. Dies ermöglicht uns einen engen Austausch mit internationalen Partnern bei der Weiterentwicklung unserer Service-Blaupausen. Darüber hinaus setzen wir uns für eine nachhaltige Digitalisierung im Agrarsektor ein und treiben diese weiter voran.

Partner

  • Fondazione Bruno Kessler
  • Politecnico di Milano
  • Fandzione Edmund Mach
  • Engineering Ingegneria Informatica S.p.A.
  • Università degli Studi di Milano
  • Università degli Studi di Napoli Federico II
  • Stiftung Hochschule Osnabrueck
  • Agrotech Valley Forum e. V.
  • ACTA - Association de Coordination Technique Agricole
  • INRAE, Institut national de recherche pour l'agriculture, l'alimentation et l'environnement
  • INRIA, Institut National de Recherche en Informatique et en Automatique
  • Laboratoire national de métrologie et d’essais
  • Institute De L'elevage
  • ARVALIS - Institut du végétal
  • Institut Francais de la Vigne et du Vin
  • Comité Interprofessionnel du Vin de Champagne
  • Chambre régionale d'agriculture Pays de la Loire
  • Eigen Vermogen van Het Instituut voor Landbouw - en Visseijonderzoek
  • Sieć Badawcza Łukasiewicz – Poznański Instytut Technologiczny
  • Wielkopolski Ośrodek Doradztwa Rolniczego w Poznaniu
  • Instytut Chemii Bioorganicznej Polskiej Akademii Nauk
  • RISE Research Institutes of Swede AB
  • AstaZero AB
  • Josephinum Research
  • Raumberg-Gumpenstein Research and Development
  • Fachhochschule Wiener Neustadt GmbH

Publikationen

Fördergeber

EU - Europäische Union

EU - Europäische Union

BMEL - Bundesministerium für Ernährung und Landwirtschaft

BMEL - Bundesministerium für Ernährung und Landwirtschaft