LernSmArt: Unterschied zwischen den Versionen
Co1539 (Diskussion | Beiträge) |
Iu4647 (Diskussion | Beiträge) |
||
(3 dazwischenliegende Versionen von 3 Benutzern werden nicht angezeigt) | |||
Zeile 5: | Zeile 5: | ||
|Beschreibung DE=Durch den Einsatz von maschinellem Lernen soll ein landwirtschaftlicher Arbeitsprozess, bestehend aus Traktor und Anbaugerät, optimiert und automatisiert werden. Das selbstlernende System optimiert die Prozesse hinsichtlich definierter Zielfunktionen, beispielsweise Performance (ha/h) und Effizienz (l/ha). Durch Messungen auf dem Rollenprüfstand und auf Feldtests kann das System am Beispiel der Arbeitsprozesse „Pflügen“ und Kreiseleggen“ evaluiert werden. Die Systemarchitektur wird dabei so konzipiert, dass eine Übertragung der Vorgehensweise unter spezifischen Anpassungen für alle mobilen Arbeitsmaschinen möglich ist. | |Beschreibung DE=Durch den Einsatz von maschinellem Lernen soll ein landwirtschaftlicher Arbeitsprozess, bestehend aus Traktor und Anbaugerät, optimiert und automatisiert werden. Das selbstlernende System optimiert die Prozesse hinsichtlich definierter Zielfunktionen, beispielsweise Performance (ha/h) und Effizienz (l/ha). Durch Messungen auf dem Rollenprüfstand und auf Feldtests kann das System am Beispiel der Arbeitsprozesse „Pflügen“ und Kreiseleggen“ evaluiert werden. Die Systemarchitektur wird dabei so konzipiert, dass eine Übertragung der Vorgehensweise unter spezifischen Anpassungen für alle mobilen Arbeitsmaschinen möglich ist. | ||
|Beschreibung EN=Through the use of machine learning, an agricultural work process consisting of tractor and auxiliary equipment is to be optimized and automated. The self-learning system optimizes the processes with regard to defined target functions, for example performance (ha/h) and efficiency (l/ha). The system can be evaluated by measurements on the chassis dynamometer and field tests using the exemplary work processes "ploughing" and "rotary harrows". The system architecture is designed in such a way that the procedure can be transferred with specific adaptations to other mobile machines. | |Beschreibung EN=Through the use of machine learning, an agricultural work process consisting of tractor and auxiliary equipment is to be optimized and automated. The self-learning system optimizes the processes with regard to defined target functions, for example performance (ha/h) and efficiency (l/ha). The system can be evaluated by measurements on the chassis dynamometer and field tests using the exemplary work processes "ploughing" and "rotary harrows". The system architecture is designed in such a way that the procedure can be transferred with specific adaptations to other mobile machines. | ||
− | + | |Kontaktperson=Mohammd Karam Daaboul, | |
− | |||
|Finanziert von=MOBIMA e.V. | |Finanziert von=MOBIMA e.V. | ||
|Projektstatus=aktiv | |Projektstatus=aktiv | ||
− | |Logo= | + | |Logo=mobima_logo.png |
− | |Forschungsgruppe= | + | |Forschungsgruppe=Web Science und Wissensmanagement |
|Partner=MOBIMA | |Partner=MOBIMA | ||
}} | }} |
Aktuelle Version vom 12. Mai 2023, 11:15 Uhr
Lernfähige Steuerungssysteme für mobile Arbeitsmaschinen |
|
|
Durch den Einsatz von maschinellem Lernen soll ein landwirtschaftlicher Arbeitsprozess, bestehend aus Traktor und Anbaugerät, optimiert und automatisiert werden. Das selbstlernende System optimiert die Prozesse hinsichtlich definierter Zielfunktionen, beispielsweise Performance (ha/h) und Effizienz (l/ha). Durch Messungen auf dem Rollenprüfstand und auf Feldtests kann das System am Beispiel der Arbeitsprozesse „Pflügen“ und Kreiseleggen“ evaluiert werden. Die Systemarchitektur wird dabei so konzipiert, dass eine Übertragung der Vorgehensweise unter spezifischen Anpassungen für alle mobilen Arbeitsmaschinen möglich ist.
bis: k.A.
Finanzierung: MOBIMA e.V.
Web Science und Wissensmanagement