GIL-Jahrestagung in Hohenheim / Annual conference of GIL in Hohenheim [05.03.24]
Die diesjährige Jahrestagung der Gesellschaft für Informatik in der Land-, Forst-, und Ernährungswirtschaft e.V. zu Gast in Hohenheim. - This year's annual conference of the Society for Information Technology in Agriculture, Forestry and the Food Industry (Gesellschaft für Informatik in der Land-, Forst-, und Ernährungswirtschaft e.V.) was held in Hohenheim.
ENGLISH VERSION BELOW
Die diesjährige Jahrestagung der Gesellschaft für Informatik in der Land-, Forst- und Ernährungswirtschaft e.V. gastierte in Hohenheim. Das Leitthema lautete: "Biodiversität fördern durch digitale Landwirtschaft: Welchen Beitrag leisten KI und Co?". Das KI-Fachgebiet unterstützte dabei tatkräftig bei der Organisation der Veranstaltung. Mehr als 250 Teilnehmer fanden den Weg nach Hohenheim. Für das KI-Fachgebiet hat Mortesa Hussaini, wissenschaftliche Mitarbeiter, seine Publikation „Adaptive real-time crop row detection through enhancing a traditional computer vision approach“ vorgestellt, welches Forschungsergebnisse zu seinen Arbeiten zur Pflanzenreihenerkennung, die im Rahmen des NaLamKI Projekts erforscht und entwickelt wurden, beinhaltet. Er verwendete einen Computer Vision basierten Ansatz, welcher durch punktweise angewandte KI und ML Methoden verbessert wurde. Ein wichtiger Augenmerk wurde auf eine hohe Adaptivität und Echtzeitfähigkeit der Methode gelegt. Die im Vortrag präsentierten Ergebnisse waren vielversprechend und gaben einen guten Einblick auf das Potential und weitere Verbesserungsmöglichkeiten der Methode.
--
This year's annual conference of the German Society for Information Technology in Agriculture, Forestry and the Food Industry was held in Hohenheim. The main topic was: "Promoting biodiversity through digital agriculture: What contribution can AI and co. make?". The AI department actively supported the organization of the event. More than 250 participants found their way to Hohenheim. For the AI department, Mortesa Hussaini, research associate, presented his publication "Adaptive real-time crop row detection through enhancing a traditional computer vision approach", which contains research results on his work on crop row detection, which was researched and developed as part of the NaLamKI project. He used a computer vision based approach, which was enhanced by point-wise applied AI and ML methods. An important focus was placed on high adaptivity and real-time capability of the method. The results presented in the lecture were promising and gave a good insight into the potential and further improvement possibilities of the method.
