Datenernte füttert Landwirtschaft 4.0

Landwirte sammeln Sensordaten, um von präventiver zu prädiktiver Landwirtschaft zu wechseln.

Die Industrielle Revolution hat sich seit ihren Anfängen auf die Automatisierung von Produktionsprozessen konzentriert. Jetzt, da wir in das Zeitalter von Industrie 4.0 eingetreten sind, sind die meisten industriellen Prozesse datenzentriert geworden und umfassen im Allgemeinen fünf Schritte der Datenbearbeitung:Erfassung, Übertragung, Speicherung, Analyse und schließlich Anzeige. Dieser letzte Schritt besteht darin, den Menschen auf dem Laufenden zu halten, aber Daten können auch an ein Betätigungsgerät zurückgegeben werden, um den Prozess in den Bereich der Robotik zu bringen.

Die Landwirtschaft war in den letzten zwei Jahrhunderten nicht immun gegen die Industrialisierung, und in den letzten Jahren hat Landwirtschaft 4.0 an Fahrt gewonnen. So wie die industrielle Produktion den Übergang zum Datenmanagement vollzogen hat, folgt nun auch die Landwirtschaft diesem Weg. Unternehmen, die traditionell Industriesegmente bedient haben, bieten jetzt ähnliche datenzentrierte Ansätze für den Agrarsektor an, und wir sehen sogar, dass Hersteller von Agrarmaschinen in den Industriemaschinenbau expandieren. Obwohl die Landwirtschaft in Bezug auf die traditionelle industrielle Fertigungsindustrie oft durch eine unstrukturierte Umgebung gekennzeichnet ist, hilft die Vielseitigkeit neuer datenzentrierter Technologien der Landwirtschaft, eine Industrie zu werden, die auf dieselbe Weise wie die Automobil- oder Luft- und Raumfahrtindustrie pilotiert wird. Der Bauer ist ein Ingenieur geworden wie jeder andere Ingenieur.

Alles begann in den 1990er Jahren mit der ersten Automatisierungsausrüstung für die hochwertige Milchindustrie – hauptsächlich Melkmaschinen des schwedischen Herstellers DeLaval und des niederländischen Lely. Gleichzeitig wurden optische Sortierer für Getreide, insbesondere Reis, von Firmen wie Satake mit Sitz in Japan und Bühler mit Sitz in der Schweiz entwickelt. Einige dieser Sortiertechniken landeten wieder auf dem Feld für hochwertige landwirtschaftliche Produkte, wie zum Beispiel Weintrauben. Pellenc in Südfrankreich hat eine solche Roboterausrüstung entwickelt, die Landwirte in Datenwissenschaftler verwandelt hat.

Sobald die Automatisierung für diese neue Generation von Landwirten eingeführt war, hatten sie die Möglichkeit, einen zusätzlichen Schritt zu gehen und nicht nur passiv auf ihren Ertrag zu schauen, sondern proaktiv zu handeln, um die Qualität und Quantität ihrer landwirtschaftlichen Produkte zu verbessern. Während sich die kleinbäuerlichen Betriebe früher auf die Augen und die Intuition des Landwirts verlassen konnten, um die täglichen Aktivitäten zu überwachen, können sich die riesigen landwirtschaftlichen Betriebe von heute nicht mehr auf die menschlichen Sinne verlassen. Die Datentechnologie ist zu einem zentralen Faktor geworden, um den Betrieb in die richtige Richtung zu lenken. Ob Viehzucht, Pflanzenbau oder High-End-Produktion wie Wein, Daten stehen im Mittelpunkt der Landwirtschaft 4.0.

Kameranutzung in der Landwirtschaft

Eines der besten Beispiele für landwirtschaftliches Datenmanagement ist die Überwachung von Feldern mit Drohnen. Parrot mit Sitz in Paris ist ein wichtiger Akteur in diesem Bereich, vor allem dank seiner US-Tochter MicaSense. Das französische Unternehmen gab jedoch im Januar bekannt, dass es zugestimmt hatte, MicaSense für 23 Millionen US-Dollar an AgEagle Aerial, ein in den USA ansässiges Unternehmen für Datenerfassung, Analyse, Luftbildgebung und Drohnen, zu verkaufen. MicaSense hat eine Kamera entwickelt, die verschiedene Wellenlängen verwendet, um normalisierte Differenzvegetationsindex-(NDVI)-Karten zu berechnen, die sich als anerkannte Methode zur Überwachung des Pflanzenwachstums und zur Erkennung von Problembereichen etabliert haben. Die modernste Methode besteht nun darin, die NDVI-Karten auf Traktoren herunterzuladen und dadurch die auf das Feld gelieferten Düngemittel anzupassen.

Die US-Luftfahrtbehörde Federal Aviation Administration (FAA) gab kürzlich bekannt, dass 7% der 1,6 Millionen registrierten Drohnen in den USA für landwirtschaftliche Zwecke bestimmt waren. Dies entspricht mehr als 100.000 aktiven Drohnen für die Landwirtschaft in den Vereinigten Staaten. Obwohl das Segment der landwirtschaftlichen Drohnen nur einen kleinen Teil des gesamten kommerziellen Drohnenmarktes ausmacht, ist es zu einer bedeutenden umsatzgenerierenden Realität geworden. Das Sammeln von Daten ist zunehmend die Rolle von Robotern. Ob für einen automatisierten Stall, eine landwirtschaftliche Drohne oder einen autonomen Traktor, Daten sind nicht mehr das neue Öl; es ist die neue Ernte.

IMU-Nutzung in der Landwirtschaft

Die in der intelligenten Landwirtschaft verwendeten Roboter lassen sich in zwei Hauptkategorien einteilen:luftgestützte (Drohnen) und landgestützte (wie Traktoren und Erntemaschinen). In beiden Fällen stützen sich die Funktionalitäten der Roboter auf verschiedene Arten von Sensoren. Eine solche Funktionalität ist das Trägheitssystem zur Navigation und Stabilisierung, das Anforderungen an hohe Leistung, Zuverlässigkeit und Genauigkeit erfüllen muss; geringe Bias-Drift; geringe Bias-Instabilität; und stabile Leistung über Temperatur – und das alles zu einem erschwinglichen Preis – um die Investition zu rechtfertigen.

Klicken für Bild in voller Größe

(Quelle:Yole Développement)

Klicken für Bild in voller Größe

(Quelle:Yole Développement)

Drohnen ermöglichen die Überwachung der Gesundheit und des Zustands von Ackerfeldern (über Kameras) und werden typischerweise zur Düngung kleiner bis mittlerer Felder (<20 Hektar) als Alternative zu teureren flugzeugbasierten Düngelösungen verwendet. Drohnennavigation und -stabilisierung sind sehr wichtig, wenn Sie die Kamera auf den Boden richten, da Sie wissen müssen, was die Kamera aufnimmt. Bei einer Höhe von 10 Metern ergibt ein Fehler von 5° einen Fehler von 80 cm.

Während GPS für die Drohnennavigation genau genug sein könnte, werden robuste Inertial Measurement Unit (IMU)-Lösungen für die Kamerastabilisierung benötigt.

Landgestützte Roboterfahrzeuge für die Landwirtschaft navigieren durch Erntereihen und benötigen eine zentimetergenaue Präzision, um eine Beschädigung der Pflanzen zu vermeiden. Die meisten dieser Maschinen verfügen über ein genaues GPS-System, das es dem Fahrer ermöglicht, den Standort des Fahrzeugs zu kennen und Doppeldüngung oder Fehldüngung zu verhindern. GPS könnte jedoch in Fällen einschränken, in denen der Roboter beispielsweise unter Bäumen fährt, wo das Signal verloren gehen könnte. Hier werden IMU- oder Attitude-Heading-Referenzsystem (AHRS)-Lösungen benötigt. Auf mikroelektromechanischen Systemen (MEMS) basierende IMUs sind gut gerüstet, um die Anforderungen landgestützter Anwendungen in Bezug auf hohe Leistung und geringe Größe, Gewicht, Leistung und Kosten (SWAP-C) zu erfüllen.