OdinsAEye – en kort introduktion til mulighederne set med universitetets øjne – Rasmus N. Jørgensen og Michael Nørbo
Hvad sker der, når specialister i plantebeskyttelse, insekteksperter, softwareudviklere og landbrugsforskere samarbejder om at gøre landbrugsdriften mere præcis?
Se med i denne video, hvor Rasmus N. Jørgensen gennemgår udviklingen i OdinsAEye-projektet og fortæller, hvordan vi håndterer og behandler data i baggrunden ved hjælp af Jupiter – en brugerflade udviklet af den dygtige Michael Nørbo. Videoen sætter også fokus på samarbejdet og udvekslingen af data og viden mellem industri og forskningsverdenen, så vores resultater rent faktisk kan bruges – ikke kun i teorien, men også i praksis.
Og netop det er i fokus i OdinsAEye-projektet.
I videoen kan du se, hvordan projektet samler ekspertise inden for plantebeskyttelse, insektidentifikation, softwareudvikling, AU-ECE og agroøkologi, understøttet af samarbejdet med RoboWeedMaps, Patriotisk Selskab og I·GIS. Sammen arbejder partnerne på at omdanne markbilleder til nyttig information for landmænd og landbrugskonsulenter.
Se, hvordan vi går fra markbilleder til intelligente data
Billederne indsamles under virkelige markforhold og skiftende vejrforhold ved hjælp af forskellige teknologier, herunder ATV-monterede kameraer og CropCareCam.
Disse billeder behandles ved hjælp af avancerede modeller, der kan kortlægge ukrudt, analysere afgrødebestande og overvåge afgrødernes udvikling. Projektet udvides også til analyse af modne afgrøder og registrering af insekter, herunder estimering af tørstofindhold og identifikation af specifikke insektgrupper.
Et dedikeret servermiljø hos I·GIS understøtter sikker behandling og analyse af de indsamlede data.
Oplev, hvordan vi gør data nyttige
Indsamling af billeder er kun første skridt. Den virkelige værdi opstår, når de omdannes til information, der kan understøtte beslutninger.
OdinsAEye stiller værktøjer til rådighed til at undersøge artsfordeling, markkort og udviklingen af enkelte objekter over tid. For landmænd og konsulenter kan det betyde, at man kan identificere specifikke ukrudtsproblemer på bestemte marker og bruge denne viden til at målrette behandlingen bedre.
Og husk: Det er en løbende læringsproces
Projektet følger en løbende feedback-cyklus:
Indsamling → Analyse → Kvalitetskontrol → Forbedring → Fornyet indsamling
Nye markdata er med til at forbedre modellerne, mens kvalitetskontrol og ekspertviden sikrer, at resultaterne forbliver relevante for virkelighedens landbrugsforhold.
Med støtte fra Innovationsfonden og yderligere bidrag fra Novo undersøger OdinsAEye, hvordan kunstig intelligens, billedteknologi og landbrugsfaglig ekspertise kan spille sammen om at skabe bedre digitale værktøjer til præcisionslandbrug.
Fra billeder til data. Fra data til viden. Fra viden til bedre beslutninger i marken.
Video er på engelsk.