Springe zum Hauptinhalt der Seite

Fachsektionen

OptiBlend

OptiBlend

Smartphone-basierte optische Verfahren zur Charakterisierung von Einzelkomponenten bei der Herstellung von mineralischen Mischdüngern und Ableitung von Streueigenschaften zur optimierten Streueinstellung bei Zentrifugalstreuern

Projektkoordinator

Prof. Dr. Hans-Werner Olfs
Hochschule Osnabrück, Osnabrück
h-w.olfs@hs-osnabrueck.de

Verbundpartner

iotec GmbH
Amazonen Werke H. Dreyer GmbH & Co. KG

Projektbeschreibung in FISA

Zum Forschungsinformationssystem Agrar und Ernährung (FISA)

Ziel

Das Projektziel ist die Verteilgenauigkeit beim Einsatz von mechanisch gemischten Düngern (Mischdünger) in der Landwirtschaft zu verbessern. Dafür wird eine Smartphone-App entwickelt, die die Einzeldünger in Mischungen anhand ihrer optischen Eigenschaften (z.B. Farbe, Form, Textur) erkennt. Durch den Abgleich vorliegender Düngerdaten soll diese App Düngermischern die Empfehlung geben, ob sich die mit dem Smartphone fotografierten Dünger sinnvoll mischen und adäquat ausbringen lassen. Ungeeignete Mischungspartner entmischen sich beim Lagern, Transportieren und Ausbringen mit der Folge, dass Nährstoffe ungleichmäßig auf der Acker- oder Grünlandfläche verteilt werden. Über die App bekommen Landwirte so die Möglichkeit, die Verteilgenauigkeit der gemischten Dünger durch optimierte Streuereinstellung zu verbessern.

Ergebnisse

Im Rahmen von Experteninterviews mit Mitgliedern des Bundesverbandes der Düngermischer wurden Informationen über die Auswahl von Düngerkomponenten, praxisübliche Mischungen und gängige Mischtechnik gesammelt. Dadurch ergab sich eine Auswahl von 67 typischen Einzelkomponenten, die zur Charakterisierung chemisch (Labor Hochschule Osnabrück) und physikalisch (Labor Amazonen Werke H. Dreyer GmbH & Co.KG) untersucht wurden. Die physikalischen Tests zeigten Unterschiede z. B. in Schüttdichte, Korngrößenspektrum und der "spezifischen Wurfweite". Dabei ließ sich feststellen, dass die durchschnittliche Korngröße und die Schüttdichte in engem Bezug zur Wurfweite stehen. 

Welchen Einfluss dies beim Streuvorgang hat, wurde in 89 Streutests in einer speziellen Düngerstreuhalle in Horsens (Dänemark) geprüft. Die Ergebnisse der chemischen Analyse der in Wiegezellen aufgefangenen Düngerproben belegen, dass eine optimale Querverteilung der Düngermenge nicht immer mit einer gleichmäßigen Verteilung der Nährstoffe einhergeht. Dies ist insbesondere dann von Bedeutung, wenn sich die durchschnittliche Korngröße der Einzeldünger stark unterscheidet. 

Für die Entwicklung der App-Algorithmen zur Erkennung der Einzelkomponenten wurden mehr als 6.000 Düngerfotos mit einem Spiegelreflexkamerasystem aufgenommen und vom Projektpartner iotec GmbH anhand optischer Merkmale (Farbe, Textur und Form der Körner) mathematisch analysiert. Die daraus erstellten, statistischen Modelle ermöglichten es, Dünger anhand ihrer Merkmale in über 80 % der Fälle voneinander zu unterscheiden. Neben klassischen Verfahren des maschinellen Lernens (Random Forests, Support Vektor Maschines) wurden auch Methoden aus dem Bereich des Deep Learning (Convolutional Neural Nets) trainiert. Auf dieser Basis erfolgte der erste Test der App unter Feldbedingungen im Jahr 2019. Die Querverteilung der Dünger wurde dabei per Smartphone (siehe Abbildung 1), Spiegelreflexkamera und im Labor analysierter Düngerproben erfasst.

Verwertung

Die erzielten Erkenntnisse zum Streuverhalten von Düngermischungen erweitern den Düngeservice des Projektpartners Amazonen Werke H. Dreyer GmbH & Co.KG. Landwirte, die Amazone Düngetechnik einsetzen, können nun ihren Düngerstreuer gezielter für Mischdünger einstellen. Die im Projekt entwickelte Smartphone-App steht derzeit allerdings noch nicht für den Anwender zur Verfügung. Für den Projektpartner iotec GmbH dient dieses Projekt zur Vertiefung der Geschäftsfelder Bildverarbeitung und App-Entwicklung. An der Hochschule Osnabrück haben die Studierenden die Möglichkeit Einblick in moderne Düngetechnik zu bekommen. Zudem eröffnen die Ergebnisse des Projektes weitere Forschungsfelder für die Hochschule.

Broschüre: Poster OptiBlend
Dokumenttyp: PDF Dokumentgröße: 917 KB

Broschüre Beschreibung:

Spreading accuracy of two NKS-bulk blends applied by centrifugal spreader

Broschüre: Poster OptiBlend
Dokumenttyp: PDF Dokumentgröße: 1 MB

Broschüre Beschreibung:

Verifying lateral nutrients distribution of bulk blends in the field - Current status of image-based evaluation via smartphone app -

Broschüre: Poster OptiBlend
Dokumenttyp: PDF Dokumentgröße: 1 MB

Broschüre Beschreibung:

Überprüfung der Nährstoffverteilung von Mischdüngern im Feld - Aktueller Stand bildbasierter Auswertung per Smarphone-App -