Anbau von Kohlgewächsen







Herausforderungen
- Grundlage für datenbasierte Entscheidungen fehlt
- Entscheidungen über weitere Arbeitsschritte basieren auf Einschätzungen vor Ort
- Ernteprozess ist sehr arbeits- und kostenintensiv
- Hoher Anteil an Handarbeit erfordert grossen Personalaufwand
- Manuelles Ernten der Brokkoli-Köpfe ist körperlich sehr anstrengend
- Keine detaillierten Kenntnisse über das Ernteergebnis
- Steuerung von Dünge- und Pflanzenschutz-Massnahmen nur begrenzt möglich
- Keine teilflächenspezifische Bearbeitung möglich
Analyse der Wachstumsphase
Ansatz zur Erstellung einer Ertragsprognose
- Periodisches Erstellen von Drohnenaufnahmen mit einer Multispektralkamera
- Auswertung der Drohnendaten in der Wachstumsphase
- Identifikation der einzelnen Pflanzen über definierte Marker
- Analyse jeder Pflanze über einen längeren Zeitraum
- Bestimmung von Vegetationsindizes, Farbeigenschaften, Grösse und Wachstumsverläufe
- Erfassen der Daten im Ernteprozess jeder beobachteten Brokkoli-Pflanze
- Bestimmung des Zustandes und des Erntegewichts
- Aufbau eines Machine Learning-Modells basierend auf den Eigenschaften der Pflanze, des Standortes und der Wetterdaten
- Ergänzen des Modells mit weiteren Einflussfaktoren und weiteren Felddaten
Ziele dieses Konzepts
- Ertragsprognose liefert Aussage über Erntemenge und Verteilung auf dem Feld
- Bestimmung des aktuellen Reifegrades und des optimalen Erntezeitpunktes
- Flächenspezifische Bewirtschaftung steigert Ertrag und spart Ressourcen
Drohnenaufnahmen
Die Aufnahmen stammen von einem Brokkoli-Feld aus Haag SG. Zur Aufnahme der Bilder wurde eine Parrot Bluegrass Drohne mit einer Parrot Sequoia Multispektralkamera verwendet.




Bestimmung des Vegetationsindex NDVI

Aufnahme vom 24. Mai 2019
Ergebnisse
- Vegetationsdaten eines Feld-Segmentes über die gesamte Wachstumsphase aufgenommen
- Manuelle Ertragsmessung im Ernteprozess durchgeführt
- Datengrundlage analysiert und Korrelationen identifiziert
- Mehrere Prognosemodelle auf der Basis der Datengrundlage des Feldes erstellt
- Prognosemodelle sind für einen realen Einsatz zu ungenau
Erkenntnisse
Die Einzelpflanzen können nach dem vorgestellten Prinzip mittels Drohne und Marker erfolgreich identifiziert und analysiert werden. Die manuelle Erfassung der Erntedaten ist sehr arbeitsintensiv, insbesondere durch die notwendige Identifikation der Pflanzen auf dem Feld. Die Erstellung eines Prognosemodells auf der bestehenden Datenbasis ist nur schwer realisierbar. Für ein funktionierendes Prognosemodell sollten weitere Parameter miteinbezogen werden und deren Korrelation zum Ernteergebnis überprüft werden – beispielsweise weitere Vegetationsindizes, Umgebungsinformationen oder Geometrieeigenschaften. Das Prognose-Modell sollte anschliessend mit den Analysedaten weitere Brokkoli-Felder trainiert werden.
Datenerfassung im Ernteprozess
Ansatz zur Erstellung einer Ertragskartierung mittels prototypenhaften Erntemodul

- Erfassung von pflanzenspezifischen Erntedaten
- Zeitpunkt, Position, Zustand und Gewicht jeder Pflanze
- Erfassung von Umgebungsinformationen zum Erntezeitpunkt
- Temperatur und Luftfeuchtigkeit
- Verarbeitung der Daten und Sicherung in der Cloud
- Erstellung der Ertragskartierung
- Datenvisualisierung über ein Endgerät
Aufbau des Prototyps

Ernteergebnisse in der Datenvisualisierung
- Informationen über das Ernteergebnis des gesamten Feldes
- Verteilung des Erntegewichtes oder des Auftretens der Zustandskategorien auf dem Feld
- Prognose des Ergebnisses bei einem weiteren Erntedurchgang
- Finanzielle Beurteilung der Ernte



Das Erntemodul ermöglicht der Landwirtin und dem Landwirt die laufende Ernte in Echtzeit zu verfolgen. Die Auswertung zeigt ihnen an, wieviel der Schlag bereits eingebracht hat und ob sich ein weiterer Erntedurchgang lohnt. Der verarbeitende Betrieb erhält die Möglichkeit seine Betriebsplanung an die laufende Ernte anzupassen.
Dieser Ansatz einer Ertragskartierung ist neu für die Ernte von Kohlgewächsen und bringt daher auch neue Möglichkeiten in der Analyse des Schlages mit sich. Die Auswertung soll Wachstumsunterschiede im Feld aufzeigen, sodass deren Ursachen untersucht und ertragssteigernde Massnahmen abgeleitet werden können.

Erntemodul im Feldversuch in Buchs

Ansatz einer praxisnahen Lösung zur Ertragskartierung
- Ermittlung des anfallenden Massenstromes auf der Ernteanlage
- Mögliches Messprinzip nach einem Wiegeverfahren
- Mögliches Messprinzip nach dem Lichtschnittverfahren
- Positionserfassung der Anlage
- Kartierung der Masse- und Positionsinformationen
Bei diesem Konzept handelt es sich um einen Ansatz, der nicht mehr auf der Ebene der Einzelpflanze arbeitet. Die Ertragskartierung wird dadurch ungenauer, ist aber leichter in den bestehenden Ernteprozess integrierbar.
Wiegeverfahren
- Brokkoli-Röschen passieren nach der Ernte eine Messtrommel
- Annähernde Berechnung der Masse über das anliegende Drehmoment an der Trommel
Lichtschnittverfahren
- Brokkoli-Röschen werden optisch über zwei Profilsensoren vermessen
- Berechnung des Volumens aus den Sensordaten
- Annähernde Berechnung der Masse aus dem Volumen und der spezifischen Dichte


Ergebnisse
- Prototyp eines Erntemoduls zur Datenerfassung auf der Basis der Einzelpflanze
- Prototyp konzeptioniert, gebaut und im Feldversuch getestet
- Sicherung der Erntedaten und Berechnung der Ertragskartierung
- Konzept erstellt und auf Basis des Prototyps implementiert
- Konzept einer praxisnahen Lösung zur automatischen Ertragskartierung
Erkenntnisse
Der Prototyp des Erntemoduls liefert genaue Ergebnisse und zeigte bereits in der Testphase Phänomene der Pflanzen untereinander auf. Beispielsweise konnten grosse Wachstumsunterschiede von Pflanzen mit einem kleinen Setzabstand erkannt werden. Ein Exemplar ist deutlich schneller gewachsen und hat der anderen Pflanze das Sonnenlicht geraubt. Mit diesem System könnten die Auswirkungen einer Veränderung des Setzabstandes evaluiert werden. Der Arbeitsprozess mit dem Prototyp ist für einen realen Einsatz jedoch zu aufwendig. In der Weiterentwicklung sollte als erstes das Detektieren des Zustandes verbessert werden.
Eine praxisnahe Ertragskartierung kann durch die Messung des Massenstromes und einem hochauflösenden Positionsmesssystem realisiert werden. Der Massenstrom kann über eine Messtrommel oder das Lichtschnittverfahren gemessen werden. Die Messung mittels Lichtschnittverfahren arbeitet berührungslos und kann gut auf der bestehenden Anlage nachgerüstet werden. Die Kosten der Profilsensoren sind jedoch nicht zu unterschätzen. Diese Konzepte liefern Messdaten in einem groben Raster. Eine Analyse auf der Basis der Einzelpflanze kann damit nicht erfolgen.

Kontakt
OST – Ostschweizer Fachhochschule
Campus Buchs
Institut für Entwicklung Mechatronischer Systeme EMS
Werdenbergstrasse 4
9471 Buchs (CH)