StartseiteLänderAfrikaAfrika: Weitere LänderVerbundprojekt Landmanagement Subsahara-Afrika: Effizienzsteigerung in extensiven weidebasierten Tierhaltungssystemen durch Co-Design digitaler Technologien und maschineller Lernverfahren - Teilprojekt 2: Künstliche Intelligenz und Datenanalytik für die Überwachung und Verwaltung von Weidelandsystemen

Verbundprojekt Landmanagement Subsahara-Afrika: Effizienzsteigerung in extensiven weidebasierten Tierhaltungssystemen durch Co-Design digitaler Technologien und maschineller Lernverfahren - Teilprojekt 2: Künstliche Intelligenz und Datenanalytik für die Überwachung und Verwaltung von Weidelandsystemen

Laufzeit: 15.12.2022 - 14.12.2026 Förderkennzeichen: 01LL2201B
Koordinator: Universität Kassel - Fachbereich 11 Ökologische Agrarwissenschaften - Fachgebiet Agrartechnik

Um neuartige digitale Technologieansätze zu entwickeln, die sowohl die Praxis als auch die Forschung in der Wertschöpfungskette der Weidehaltung fördern, werden moderne Modelle des maschinellen Lernens entwickelt, um die generierten Daten (z.B. Zeitreihen) zu analysieren, Phänomene sowie Unterschiede in der Weidenutzungsintensität zu erfassen und zu verstehen, sowie Muster in verschiedenen Szenarien zu klassifizieren und zu erkennen. Um benutzerfreundliche Lösungen für den Austausch von Weideinformationen und -wissen zwischen Nutzern, Forschern und politischen Entscheidungsträgern zu entwickeln, wird das InfoRange-Projekt Sensoren und modernste Techniken des maschinellen Lernens und der künstlichen Intelligenz (KI) kombinieren, um die bestehenden Weideland- und Herdenmanagementsysteme in Afrika zu unterstützen. Um das Produktionssystem für Weidevieh zu stärken, zielt das Projekt darauf ab, die Sammlung, Verarbeitung, Optimierung und Entscheidungsfindung von Informationen zu verbessern. Ein ausdrückliches Ziel dieses Projekts ist daher die Entwicklung von Algorithmen zur Überwachung, Verfolgung, Verwaltung und Optimierung, sowie zum Wissensaustausch. Global Positioning System (GPS) -Informationen (vom Mobilfunksignal des Leittieres) werden verwendet, um die Echtzeit-Mobilitätsstrategien auf der Ebene der einzelnen Herden zu verstehen. Bildverarbeitung und Techniken des maschinellen Lernens (insbesondere Deep Learning) werden eingesetzt, um Informationen über die Weideflächen zu gewinnen und die Pflanzenbedeckung zu bewerten. Der erhaltene Wert wird dann in einen Cloud-Server eingespeist, um die Futterverfügbarkeit zu ermitteln. Diese Informationen werden zusammen mit den GPS-Daten und Wetterinformationen mit einer App verknüpft, um die Aktivität der Herden in verschiedenen Gebieten zu verfolgen und zu kartieren.

Verbund: InfoRange Quelle: Bundesministerium für Bildung und Forschung (BMBF) Redaktion: DLR Projektträger Länder / Organisationen: Kenia Namibia Themen: Förderung Umwelt u. Nachhaltigkeit

Weitere Informationen

Projektträger