Arbeitsqualität: Entwicklung und Testung neuer Methoden zur Bestimmung der Arbeitsqualität von Maschinen und Geräten zur Bodenbearbeitung, Kulturpflege und Grünlandernte
Projektleitung
Christian Rechberger
Forschungseinrichtung
Höhere Bundeslehr- und Forschungsanstalt Francisco Josephinum
Projektnummer
102065Projektlaufzeit
-
Finanzierungspartner
Bundesministerium für Land- und Forstwirtschaft, Regionen und Wasserwirtschaft
Allgemeine Projektinformationen
Abstract (deutsch)
Der Erfolg der Bodenbearbeitung und die Qualität des geernteten Grundfutters hängen entscheidend vom Zustand und der Einstellung der Geräte und Maschinen ab. Die Beurteilung des Arbeitsergebnisses erfolgt in der Praxis häufig durch das geschulte Auge des erfahrenen Landwirts oder Maschinenführers. Mit zunehmender Betriebsgröße sind Landwirte vermehrt auf den Einsatz von Fremdarbeitskräften angewiesen. Diese verfügen jedoch häufig nicht über die notwendigen Kenntnisse und Erfahrungen, um den Arbeitserfolg hinsichtlich des jeweils angestrebten Zieles einer Maßnahme entsprechend einschätzen zu können. Auch im Hinblick auf die zunehmende Automatisierung in der Landtechnik und den Einsatz autonom arbeitender Maschinen sind robuste Methoden zur kontinuierlichen, automatisierten Prozessüberwachung in Zukunft unerlässlich.
Im Rahmen des vorliegenden Projektes werden daher geeignete Parameter und Kennzahlen zur Quantifizierung des Arbeitsergebnisses der untersuchten Prozesse identifiziert und verfügbare Methoden im Rahmen von Pilotprojekten verifiziert. Neue Methoden, insbesondere unter Einbeziehung KI-gestützter Verfahren, werden entwickelt und erprobt.
Schlagwörter (deutsch)
Arbeitsqualität, Bodenbearbeitung, Grundfutterproduktion, Kulturpflege
Titel (englisch)
Development and testing of new methods for determining the quality of work in soil cultivation, crop care and grassland harvesting
Abstract (englisch)
The success of soil cultivation and the quality of the forage harvested depend crucially on the condition and setting of equipment and machinery. In practice, the results of the work are often judged by the trained eye of the experienced farmer or machine operator. As farms grow in size, farmers are increasingly reliant on the use of external labour. However, they often do not have the necessary knowledge and experience to assess the success of the work in relation to the intended objective of the operation. Robust methods for continuous, automated process monitoring will also be essential in the future with increasing automation in agriculture and the use of autonomous machines.
This project will therefore identify suitable parameters and key figures for quantifying the results of the analysed processes and verify available methods in pilot projects. New methods will be developed and tested, in particular using AI-supported processes.
Schlagwörter (englisch)
Quality of tillage, Forage quality, soil cultivaten, grassland harvesting, crop care
Projektziele
Ziel des Projektes ist es, aussagekräftige und verifizierbare Kennzahlen für die Arbeitsqualität in der Bodenbearbeitung, Kulturpflege und Grünlandernte zu definieren und entsprechend verfügbare Messverfahren zu testen und gegebenenfalls weiterzuentwickeln. Neue Ansätze basierend z.B auf Bildanalytik und KI-Methoden sollen zu deren Potentialabschätzung versuchsweise eingesetzt werden.
Konkret sollen im Projekt folgende landwirtschaftliche Prozesse bzw. Geräte näher betrachtet werden:
- Bereich Bodenbearbeitung
- Wendende Bodenbearbeitung (Pflug)
- Nicht-Wendende Grundbodenbearbeitung, Stoppelbearbeitung (Grubber, Kurzscheibenegge...)
- Saatbettbereitung (Kreiselegge, Saatbettkombinationen...)
- Drillsaat mechanisch/pneumatisch
- Einzelkornsaat
- Wendende Bodenbearbeitung (Pflug)
- Kulturpflege
- Reihenhackgeräte (Kameragesteuert)
- In-Row Hackgeräte
- Grünlandernte
- Mähen
- Aufbereiten, Zetten, Wenden
- Schwaden
- Laden-Schneiden-Pressen (Ladewagen, Rundballenpresse)
- Entladen, Konservieren (Fahrsilo, Rundballensilage)
Praxisrelevanz
- Direkte Anwendbarkeit der entwickelten Parameter, Kennzahlen und KI-Technologien in landwirtschaftlichen Betrieben zur Optimierung des gewünschten Arbeitsergebnisses und der Futterqualität.
- Arbeitserleichterung- und Unterstützung für weniger erfahrene Maschinenbediener.
- Verbesserung der Effizienz und Qualität in der Bodenbearbeitung und Grünland-Ernte unter Berücksichtigung der individuellen Ziele.
- Standardisierte Methoden für vergleichende Messungen an Maschinen zur objektivierten Beurteilung der Leistungsfähigkeit.
- Systemintegration von neuen Mess- und Bewertungsmethoden in landwirtschaftliche Maschinen zur automatischen Prozessüberwachung - insbesondere bei autonom arbeitenden Maschinen.