Wissenschaftliches Kolloquium am Fachbereich MNI

Wie kann künstliche Intelligenz dabei helfen, unsere Wiesen nachhaltiger zu bewirtschaften und gleichzeitig die Futterqualität für die Landwirtschaft zu sichern? Diese und weitere Fragen standen im Mittelpunkt des jüngsten wissenschaftlichen Kolloquiums am Fachbereich MNI der Technischen Hochschule Mittelhessen (THM).

Austausch auf Augenhöhe: Wissenschaft trifft Praxis

Rund 20 bis 30 Kolleginnen und Kollegen aus verschiedenen Fachdisziplinen kamen zusammen, um sich über den aktuellen Stand und die ersten Fortschritte unseres Forschungsprojekts aimGrassland (Artificial Intelligence for Maintenance of Grassland) zu informieren. Das Projekt, das in enger Kooperation zwischen der THM, der Justus-Liebig-Universität Gießen und mehreren landwirtschaftlichen Praxispartnern durchgeführt wird, stieß auf reges Interesse.

Im Fokus der Präsentation standen die ersten Meilensteine bei der Datenerfassung. Mithilfe von Sensoren und Kamerasystemen erfassen wir hochauflösende Bilder von Grünlandflächen. Diese Daten dienen als Basis für unsere KI-Modelle, die darauf trainiert werden, Problemarten wie das giftige Jakobskreuzkraut präzise von wertvollen Kennarten zu unterscheiden.

Ein Bild aus der Forschungspraxis

Das folgende Foto gibt einen Einblick in die Vorstellung unserer bisherigen Ergebnisse während des Kolloquiums. Es zeigt die Präsentation der Datenerfassung im Feld – von der Sensorik bis hin zum aktuellen Datensatz, der bereits tausende annotierte Bilder und Bounding Boxen umfasst.

Wertvoller Input für die nächsten Schritte

Besonders erfreulich war die anschließende, sehr angeregte Diskussion. Die Teilnehmer brachten vielfältige Perspektiven ein – von technischen Details der Bildsegmentierung bis hin zu Fragen der praktischen Anwendbarkeit auf dem Hof.

Der Input der Kolleg:innen lieferte uns wertvolle Impulse für das weitere Vorgehen:

• Optimierung der KI-Modelle: Diskussionen über die Generalisierungsfähigkeit der Algorithmen bei unterschiedlichen Licht- und Witterungsverhältnissen.
• Erweiterung der Sensorik: Anregungen zur Integration weiterer Datenquellen, um die ökologische Bewertung der Flächen noch präziser zu gestalten.
• Praxistransfer: Strategien, wie die gewonnenen Erkenntnisse noch effizienter in Entscheidungshilfen für Landwirt:innen übersetzt werden können.

Wir bedanken uns bei allen Teilnehmer:innen für den konstruktiven Austausch und freuen uns darauf, die nächsten Schritte in der Entwicklung unserer KI-gestützten Grünlandpflege anzugehen.