Projekttitel

Prognose der Lagerfähigkeit mit 'big data' Modellen

Laufzeit

Mai 2016 - September 2019

Ausgangslage

Die Digitalisierung landwirtschaftlicher Produktionsprozesse gewinnt weltweit an Bedeutung. Smartphones, Tablets und Apps eröffnen in Verbindung mit sensor‐ und satellitengestützter Landtechnik sowie Verknüpfung mit Finanzdaten der Unternehmen vollständig neue Möglichkeiten. Mit moderner Sensortechnik (z.B. mobile hyperspektrale Kamerasysteme zur Bestimmung des Blatt- Frucht- Verhältnisses, multispektrale Sensoren zur kontinuierlichen Zucker und Trockensubstanz- Erfassung im Feld und Obstlager), aber auch durch meteorologische und standortspezifische Messungen (z.B. tägliche Witterungsdaten oder Fruchtzuwachsmessungen) stehen großen Datenmengen zur Verfügung, deren wirtschaftliches Potenzial bisher nicht ausgeschöpft werden und deren Technik im Feld evaluiert werden muss.

Projektziel

Die wesentlichen Ziele des Projekts sind ‚big data‘- gestützte Modellierungsansätze für ein verbessertes Verständnis zwischen Vor- und Nach-Ernte-Einflussfaktoren, um

• eine Prognose zur Fruchtqualität und Haltbarkeit der Äpfel für die Langzeitlagerung
• eine optimierte Erntetermin Vorhersage
• Energieeinsparungen durch optimale Anpassung der Lagerfaktoren

zu entwickeln.

Umsetzung

Die Feldversuche am KOB konzentrieren sich vorerst auf die Apfelsorte ‚Braeburn‘ mit variablen Versuchsbedingungen für die Frucht- und Reifeentwicklung bzw. für die Haltbarkeit der Äpfel im Lager mit folgenden Behandlungen:

• Veränderung der Außentemperaturen während der Zellteilungsperiode nach der Blüte und vor der Ernte (siehe Bild)
• Calcium- Blattspritzungen im Verlauf der Fruchtentwicklung
• Ausdünnung und Einstellung unterschiedlicher Fruchtbehänge
• termingerechte bzw. zu späte Erntetermine
• optimale bzw. erschwerte CA- Lagerbedingungen

Versuchsdurchführung, Datenerfassung, Auswertungen und Modellierungen erfolgen in einem Verbundprojekt mit mehreren Partnern. Dabei stellt die Fa. Inovel eine Plattform zur Datenerfassung und Datenaufbereitung bereit, die vonseiten des KOB und der Fa. Cubert (Hyperspektralkamera) und der SalemFrucht (Sortierdaten) mit individuellen Daten gespeist werden. Die TU Chemnitz beschäftigt sich mit der Entwicklung von Optimierungs- und modellbasierten Ansätzen für die Verbesserung der Ressourcen- und Energieeffizienz in der Apfelproduktionskette. Geeignete Stellgrößen werden bestimmt, die z. B. den Energie- oder Ressourcenverbrauch des Systems optimieren oder Toleranz bzw. Robustheit gegenüber Fehlern oder Unsicherheiten gewährleisten. Des Weiteren erlaubt diese Methodik das Einhalten von Sicherheitsanforderungen und Begrenzungen. Dabei stellen Unsicherheiten und Störungen eine wichtige Herausforderung dar, der mit robusten, adaptiven und lernenden Verfahren begegnet wird.

Projektpartner

KOB

TUC

inovel systeme Ag

Cubert

Salemfrucht

Forschungsförderung

Gefördert durch das Bundesministerium für Ernährung und Landwirtschaft aufgrund eines Beschlusses des Deutschen Bundestages im Programm zur Innovationsförderung "Big Data in der Landwirtschaft".

Ansprechpartner

Roy McCormick: mccormick@kob-bavendorf.de +49 (0) 751 7903 325

Konni Biegert: konni.biegert@kob-bavendorf.de +49 (0) 751 7903 343