Gast ::
| Hauptseite > Publikationsdatenbank > OPTIKO – Optimierung des Blumenkohlanbaus > print |
| 001 | 889987 | ||
| 005 | 20210127115422.0 | ||
| 024 | 7 | _ | |a 2128/26939 |2 Handle |
| 037 | _ | _ | |a FZJ-2021-00582 |
| 041 | _ | _ | |a German |
| 100 | 1 | _ | |a Junker-Frohn, Laura |0 P:(DE-Juel1)168454 |b 0 |e Corresponding author |u fzj |
| 111 | 2 | _ | |a Ideenfutter Expo, foodhub.NRW |c online |d 2020-09-15 - 2020-09-15 |w Germany |
| 245 | _ | _ | |a OPTIKO – Optimierung des Blumenkohlanbaus |f 2020-09-15 - |
| 260 | _ | _ | |c 2020 |
| 336 | 7 | _ | |a Conference Paper |0 33 |2 EndNote |
| 336 | 7 | _ | |a Other |2 DataCite |
| 336 | 7 | _ | |a INPROCEEDINGS |2 BibTeX |
| 336 | 7 | _ | |a LECTURE_SPEECH |2 ORCID |
| 336 | 7 | _ | |a Talk (non-conference) |b talk |m talk |0 PUB:(DE-HGF)31 |s 1611330669_779 |2 PUB:(DE-HGF) |x Other |
| 336 | 7 | _ | |a Other |2 DINI |
| 520 | _ | _ | |a OPTIKO – Optimierung des BlumenkohlanbausEinsatz von UAVs und maschinellen Lernverfahren im BlumenkohlanbauBlumenkohl ist eine anspruchsvolle Kulturpflanze. Die Kohlköpfe müssen höchsten Qualitätsstandards genügen. Blumenkohlfelder werden regelmäßig von Landwirten und ihren Beratern kontrolliert, um Ertragseinbußen durch abiotische Stresse wie Wasser- oder Nährstoffmangel oder biotische Stresse wie Schädlingsbefall zu minimieren. Derartige Feldkontrollen können jedoch nur stichprobenhaft innerhalb eines Feldes durchgeführt werden. Eine flächendeckende Einschätzung ganzer Felder ist nicht möglich. Ähnliche Herausforderungen ergeben sich bei der Blumenkohlernte. Hier müssen die Erntezeitpunkte abgepasst werden, zu denen eine maximale Anzahl ausreichend großer, aber noch kompakter Blumenkohlköpfe geerntet werden können.Im Projekt OPTIKO wird ein neuartiges Verfahren entwickelt, um das Wachstum einzelner Blumenkohlpflanzen und deren optimalen Erntezeitpunkt für ganze Felder automatisiert zu erfassen. Multispektrale Aufnahmen der Felder werden mit kostengünstigen Drohnen und Kameras aufgenommen und mithilfe neu entwickelter maschineller Lernverfahren ausgewertet. So können auftretende Stressfaktoren frühzeitig erkannt und der optimale Erntezeitpunkt vorhergesagt werden.Das innovative Verfahren kann in die bestehenden Prozesse der landwirtschaftlichen Praxis integriert werden - ohne Veränderung der bereits existierenden Landmaschinentechnik. In Zukunft können Blumenkohlfelder durch regelmäßige Drohnenüberflüge und automatisierte Datenauswertung überprüft und auftretende Stressfaktoren automatisch erkannt werden. Durch die frühzeitige Erkennung von notwendigen Pflanzenschutzmaßnahmen und des optimalen Erntezeitpunkts werden die Erntesicherheit und der Ertrag erhöht. Das Projekt OPTIKO trägt zur Digitalisierung der Landwirtschaft bei und verbessert die Ertragssicherheit. Das Projekt wird durch das Ministerium für Umwelt, Landwirtschaft, Natur- und Verbraucherschutz des Landes Nordrhein-Westfalen im Rahmen der Europäischen Innovationspartnerschaft „Landwirtschaftliche Produktivität und Nachhaltigkeit“ (EIP-AGRI) gefördert (https://ec.europa.eu/info/food-farming-fisheries/key-policies/common-agricultural-policy/rural-development). |
| 536 | _ | _ | |a 255 - Terrestrial Systems: From Observation to Prediction (POF3-255) |0 G:(DE-HGF)POF3-255 |c POF3-255 |f POF III |x 0 |
| 536 | _ | _ | |a 582 - Plant Science (POF3-582) |0 G:(DE-HGF)POF3-582 |c POF3-582 |f POF III |x 1 |
| 700 | 1 | _ | |a Kierdorf, Jana |0 P:(DE-HGF)0 |b 1 |
| 700 | 1 | _ | |a Delaney, Mike |0 P:(DE-HGF)0 |b 2 |
| 700 | 1 | _ | |a Schwarz, Markus |0 P:(DE-HGF)0 |b 3 |
| 700 | 1 | _ | |a Jaenicke, Hannah |0 P:(DE-HGF)0 |b 4 |
| 700 | 1 | _ | |a Burkart, Andreas |0 P:(DE-HGF)0 |b 5 |
| 700 | 1 | _ | |a Roscher, Ribana |0 P:(DE-Juel1)186079 |b 6 |u fzj |
| 700 | 1 | _ | |a Muller, Onno |0 P:(DE-Juel1)161185 |b 7 |u fzj |
| 700 | 1 | _ | |a Rascher, Uwe |0 P:(DE-Juel1)129388 |b 8 |u fzj |
| 856 | 4 | _ | |u https://plantsciences.pageflow.io/ideenfutter-optiko#264183 |
| 856 | 4 | _ | |u https://juser.fz-juelich.de/record/889987/files/OPTIKO_HintergrundpapierAKr.pdf |y OpenAccess |
| 909 | C | O | |o oai:juser.fz-juelich.de:889987 |p openaire |p open_access |p VDB |p driver |
| 910 | 1 | _ | |a Forschungszentrum Jülich |0 I:(DE-588b)5008462-8 |k FZJ |b 0 |6 P:(DE-Juel1)168454 |
| 910 | 1 | _ | |a Forschungszentrum Jülich |0 I:(DE-588b)5008462-8 |k FZJ |b 6 |6 P:(DE-Juel1)186079 |
| 910 | 1 | _ | |a Forschungszentrum Jülich |0 I:(DE-588b)5008462-8 |k FZJ |b 7 |6 P:(DE-Juel1)161185 |
| 910 | 1 | _ | |a Forschungszentrum Jülich |0 I:(DE-588b)5008462-8 |k FZJ |b 8 |6 P:(DE-Juel1)129388 |
| 913 | 1 | _ | |a DE-HGF |b Erde und Umwelt |l Terrestrische Umwelt |1 G:(DE-HGF)POF3-250 |0 G:(DE-HGF)POF3-255 |3 G:(DE-HGF)POF3 |2 G:(DE-HGF)POF3-200 |4 G:(DE-HGF)POF |v Terrestrial Systems: From Observation to Prediction |x 0 |
| 913 | 1 | _ | |a DE-HGF |b Key Technologies |l Key Technologies for the Bioeconomy |1 G:(DE-HGF)POF3-580 |0 G:(DE-HGF)POF3-582 |3 G:(DE-HGF)POF3 |2 G:(DE-HGF)POF3-500 |4 G:(DE-HGF)POF |v Plant Science |x 1 |
| 914 | 1 | _ | |y 2020 |
| 915 | _ | _ | |a OpenAccess |0 StatID:(DE-HGF)0510 |2 StatID |
| 920 | _ | _ | |l yes |
| 920 | 1 | _ | |0 I:(DE-Juel1)IBG-2-20101118 |k IBG-2 |l Pflanzenwissenschaften |x 0 |
| 980 | _ | _ | |a talk |
| 980 | _ | _ | |a VDB |
| 980 | _ | _ | |a UNRESTRICTED |
| 980 | _ | _ | |a I:(DE-Juel1)IBG-2-20101118 |
| 980 | 1 | _ | |a FullTexts |
| Library | Collection | CLSMajor | CLSMinor | Language | Author |
|---|