Verbundprojekt: RoLand - Ziel des Vorhabens ist die Konzeption und Entwicklung eines teilauto-nomen, mobilen Robotersystems, welches in der Lage ist, selbstständig Obst auf dem freien Feld zu ernten; Teilprojekt D : Richtlinie zur Förderung von Projekten im Rahmen von "KI: Landwirtschaft, Lebensmittelkette, gesundheitliche Ernährung, ländliche Räume"

Abstract

Das Verbundprojekt Roland widmete sich der Entwicklung und Erprobung eines autonomen, mobilen Feldroboters, das im Freiland in Erdbeerkulturen (Reihenkulturen) navigieren und selbständig die Ernte der Früchte durchführen kann. Dabei wurden ein modularer Plattformansatz mit einem im Falle einer späteren Praxiseinführung überschaubaren Investitionsaufwand sowie die Skalierbarkeit über die Zahl der Einzelsysteme angestrebt. Die Erdbeerkultur mit ihrem sehr empfindlichen Erntegut stellte dabei besonders hohe Anforderungen an eine robuste und leistungsfähige Fruchterkennung und Reifegradabschätzung sowie eine sehr vorsichtige mechanische Manipulation der Früchte. Hierfür wurden im Vorhaben gemeinsam mit den Verbundpartner und einem Anbaubetrieb verschiedene Sensoren und Greifersysteme entwickelt und untersucht. Mit RGB-Kameras und maschinellem Lernen konnte eine praxistaugliche Erkennung der erntereifen Früchte erreicht werden. Unter Verwendung eines mechanisch-pneumatischen Greifersystems konnte der Pflückvorgang erfolgreich automatisiert werden und es wurde eine praxisrelevante Pflückleistung im Feldeinsatz demonstriert. Damit wurde die Voraussetzung geschaffen, den Ernteroboter zukünftig in die Kommerzialisierung zu führen und den Verfahrensansatz auf andere Obstsorten zu übertragen. The Roland collaborative project was dedicated to the development and testing of an autonomous, mobile field robot that can navigate in strawberry row cultures in the open field and harvest the fruit automatically. The aim was to create a modular platform, allowing for a modest investment cost and scalability when commercially applied. Strawberry cultivation, with its very sensitive crop, places particularly high demands on a robust and efficient fruit recognition and ripeness assessment, and a highly careful mechanical handling of the fruit. To this end, various sensors and gripper systems were developed and tested in the project in collaboration with the project partners and a strawberry farm. RGB cameras and machine learning were used to achieve robust detection of ripe fruit. Using a mechanical-pneumatic gripper system, the picking process was successfully automated and a useful picking performance was demonstrated in the field. This paves the ground for a future commercializing of the harvesting robot, including the transfer of the methodology employed to other fruit species.