Verbundprojekt: Ressourceneffiziente KI für eingebettete Systeme in Landmaschinen (resKIL) - Teilprojekt C

Abstract

Die Anwendung von Methoden der Künstlichen Intelligenz in der Landwirtschaft hat aufgrund der komplexen und dynamischen Feldumgebung großes Potenzial, ist aber auch herausfordernd, weil auf den Maschinen vielfach keine ausreichende Rechenleistung bereitsteht und eine breitbandige Cloudanbindung im ländlichen Raum nicht immer gegeben ist. Das resKIL-Projekt widmete sich der Entwicklung, Implementierung und Evaluation ressourceneffizienter, skalierbarer KI-Verfahren in der landwirtschaftlichen Praxis. Das Teilprojekt von Zauberzeug konzentrierte sich dabei auf die Etablierung neuartiger Annotationsverfahren mit deutlich reduziertem Bedarf an menschlichem Input durch Nutzung von Ansätzen des Transfer Learning und Active Learning in einer iterativen „Learning Loop“. Die im Projekt entwickelte KI-Architektur basiert auf dem Einsatz leistungsfähiger Edge Computer auf der landwirtschaftlichen Maschine, die das Berechnen von Inferenzen in Echtzeit ermöglichen, und der Umsetzung eines einfachen Deployments der KI-Modelle über die Learning Loop. Sowohl die KIModelle als auch Skalierbarkeit und Generalisierbarkeit der Methoden wurden mit verschiedenen Methoden und über mehrere Anbauperioden hinweg evaluiert. Die Ergebnisse der erfolgreichen Entwicklung können durch die Zauberzeug GmbH vor allem über die Lizensierung des stark verbesserten Annotationstools an Anwender aus der Landwirtschaft, aber auch aus verschiedenen anderen Branchen verwertet werden. Sie eröffnen zugleich den Weg für weitere Forschungsvorhaben u. a. im Bereich der autonomen Agrarrobotik. Datei-Upload durch TIB The application of artificial intelligence methods in agriculture has great potential due to the complex and dynamic field environment, but is also challenging due to insufficient computing resources on field machines and the unavailability of broadband connections in many rural areas. The resKIL project was dedicated to the development, implementation and evaluation of resource-efficient, scalable AI processes in agricultural practice. The Zauberzeug sub-project focused on establishing new types of annotation processes with a significantly reduced need for human input, utilising transfer learning and active learning approaches in an iterative learning loop. The AI architecture developed is based on the use of powerful edge computers on the agricultural machine, which enable the calculation of inferences in real time, and the implementation of a simple deployment of the AI models via the learning loop. AI models and the scalability and generalizability of the approach were evaluated using different methods and over several cultivation periods. The results of the successful project can be exploited by Zauberzeug GmbH, primarily by licensing the greatly improved annotation tool to users from the agricultural sector, but also from a wide range of other industries. They also pave the way for further research projects, for example in the field of autonomous agricultural robotics.