Monitoring of Tillage Device Results (MOTDR)

MOTDR bringt KI in die Bodenbearbeitung: Kameras und Sensoren analysieren die Arbeitsqualität in Echtzeit und bewerten die Bodenbeschaffenheiten direkt im Feld. Das ermöglicht präzise Einstellungen, höhere Effizienz, Ressourcenschonung und eine Qualitätssicherung für autonome und konventionelle Maschinen.

Zielsetzung des Vorhabens

Ziel des Projekts MOTDR ist die Entwicklung eines KI-gestützten Überwachungssystems zur automatisierten Analyse und Bewertung der Arbeitsqualität bei der Bodenbearbeitung. Durch den Einsatz von Kamerasystemen und Beschleunigungssensoren sowie Methoden des maschinellen Lernens soll die entstehende Bodenstruktur in Echtzeit erfasst, bewertet und für eine adaptive Prozessoptimierung nutzbar gemacht werden. Dies ermöglicht nicht nur eine präzisere Steuerung der Bearbeitungsparameter, sondern leistet auch einen Beitrag zur Effizienzsteigerung und Ressourcenschonung.

Darstellung des Innovationsgrades

Die fehlende automatische Bewertung der Arbeitsqualität bei Bodenbearbeitungsprozessen ist ein kaum gelöstes Problem. Dies ist insbesondere beim Einsatz von autonomen Maschinen oder bei ungeübten Fahrer:innen von großer Bedeutung, da hier die Qualität der Arbeitsergebnisse erheblich variieren oder schlecht überprüft werden kann. Der innovative Ansatz kombiniert bildbasierte Sensorik mit KI-gestützter Anomalieerkennung zur Echtzeitüberwachung des Arbeitsbilds. Im Gegensatz zu herkömmlichen Systemen, die lediglich Maschinendaten erfassen, analysiert MOTDR direkt das Arbeitsbild bei der Bodenbearbeitung. Dies ermöglicht eine neue Qualitätssicherungsebene in der Automatisierung landwirtschaftlicher Prozesse und schafft die Grundlage für selbstoptimierende Systeme. Zusätzlich hilft die Visualisierung der erhobenen Daten dem Landwirt:in dabei, die Folgearbeiten optimal planen zu können. 

Lösungsansatz und Arbeitsschritte

MOTDR verfolgt einen KI-basierten Lösungsansatz zur automatisierten Analyse der Bodenbearbeitungsqualität. Durch die Integration bildgebender Sensorik und Beschleunigungssensore, in landwirtschaftliche Maschinen zur Bodenbearbeitung, wird das Arbeitsbild am Boden erfasst und in Echtzeit mit Anomalie- und Strukturmerkmalen ausgewertet. Die Entwicklung erfolgt in mehreren Schritten: Zunächst werden repräsentative Bilddaten unter Praxisbedingungen aufgenommen und annotiert. Darauf aufbauend werden Machine-Learning-Modelle zur Detektion und Bewertung trainiert. Die resultierenden Modelle werden in eine Edge- und Desktop-Anwendung integriert und in realen Arbeitsprozessen validiert. Ziel ist ein robustes Assistenzsystem zur Qualitätssicherung und Optimierung der Bodenbearbeitung.

Welche Anwendungsfelder und Nutzer bzw. Kunden gibt es?

Die Anwendungsfelder umfassen insbesondere die präzise Kontrolle und Optimierung von Bodenbearbeitungsprozessen, wie das Grubbern oder der Saatbeetbereitung, mit dem Ziel, Ressourceneinsatz zu minimieren und Arbeitszeit zu sparen. Diese Technologie unterstützt insbesondere bei ungeübten Fahrer:innen sowie beim Einsatz von autonomen Zugmaschinen.

Als Nutzer und Kunden kommen vor allem Hersteller von Landtechnik und landwirtschaftliche Betriebe mit modernen, teil- oder vollautonomen Maschinen in Frage, die ihre Betriebseffizienz steigern und nachhaltige Bewirtschaftungspraktiken fördern wollen. Darüber hinaus sind Lohnunternehmen potenzielle Anwender, die durch die Integration der MOTDR-Technologie ihre Produkte und Dienstleistungen erweitern und differenzieren können. Forschungseinrichtungen und Beratungsunternehmen können ebenfalls  von den gewonnenen Daten und Analysen profitieren und zur Entwicklung weiterer innovativer Lösungen im Bereich Smart Farming beitragen.