O Tannenbaum!

Der konventionelle Weihnachtsbaumanbau ist sehr arbeitsintensiv und zeichnet sich zudem durch einen hohen Pflanzenschutzmitteleinsatz während der Aufzucht aus. Im Sinne eines nachhaltigen und wirtschaftlichen Anbaus können beide Faktoren als große Herausforderung angesehen werden. Um diesen zu begegnen, wird im WeBaRo-Projekt eine kostengünstige, autonome Roboter-Trägerplattform entwickelt und erprobt, die einen ressourcenschonenden, effizienten Weihnachtsbaumanbau ermöglicht.

Virtuelle Karte mit georeferenzierten Baumpositionen

Zur Pflanzung der Setzlinge wird die Plattform mit einem Pflanzlochbohrer bestückt. Die genaue Position der Pflanzlöcher wird durch einen Algorithmus flächenspezifisch berechnet; anschließend können diese zentimetergenau, georeferenziert gebohrt werden. Als Ergebnis dieses Vorgehens wir eine virtuelle Karte mit georeferenzierten Baumpositionen erstellt – die Basis für die satellitengesteuerte Navigation bei allen weiteren autonomen Arbeiten in der Kultur.

Auswechselbare, praxiserprobte Anbaugeräte zur mechanischen Unkrautbekämpfung und zur gezielten Einzelpflanzendüngung

Um Tätigkeiten während der gesamten Aufzucht maschinell und autonom durchführen zu können, wird die Trägerplattform mit auswechselbaren, praxiserprobten Anbaugeräten ausgestattet.

Zur mechanischen Unkrautbekämpfung wird ein Schwingarmmulcher eingesetzt, so dass der Einsatz von Totalherbiziden substituiert und Arbeitskosten zur manuellen Unkrautbekämpfung eingespart werden.

Darüber hinaus kann ein Gerät zur Einzelpflanzendüngung zwecks gezielter und sparsamer Düngemittelapplikation an die Plattform angebaut werden.

Deep-Learning durch 3D-Sensoren

Um die Robustheit der Navigation zu erhöhen, werden zusätzlich 3D-Sensoren genutzt. Die während des Robotereinsatzes durch das Sensorpaket gesammelten Pflanzendaten werden jeder Pflanze in der virtuellen Karte als Metainformation hinzugefügt. Diese Daten können nicht nur vom Anbauer zur (Online-)Vermarktung genutzt werden; sie bilden außerdem den Grundstein zur Entwicklung eines deep-learning basierten Systems zur Überwachung des Gesundheitszustandes und zur Klassifizierung der Bäume.