{"id":5662,"date":"2020-05-08T12:27:23","date_gmt":"2020-05-08T10:27:23","guid":{"rendered":"https:\/\/blog.iese.fraunhofer.de\/?p=5662"},"modified":"2024-02-19T12:34:15","modified_gmt":"2024-02-19T11:34:15","slug":"hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau","status":"publish","type":"post","link":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/","title":{"rendered":"Hyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis"},"content":{"rendered":"

Der Weinanbau ist ein Wirtschaftszweig von globaler Bedeutung mit hohen Anspr\u00fcchen an die Erzeugerqualit\u00e4t. Mittels eines durchgehenden digitalen und durch Sensoren unterst\u00fctzten Monitorings soll fr\u00fchzeitig auf Risiken reagiert werden. Die Anforderungen an solch ein Monitoringsystem unterscheiden sich erheblich je nach Anbauregion. Notwendig sind hier Machine-Learning-Technologien, die sich schnell und effektiv an konkrete Aufgabenstellungen anpassen lassen.<\/p>\n

\n

Im Fraunhofer-Leitprojekt \u00bbCognitive Agriculture\u00ab<\/b> (kurz: \u00bbCOGNAC\u00ab) for\u00adschen neben dem Fraunhofer IESE weitere sieben Fraunhofer-Institute gemein\u00adsam an Grundlagen, die dem Landwirt in einer digitalisierten Welt hohe Produkti\u00advit\u00e4t im Einklang mit weiteren Zielen wie Nachhaltigkeit oder Produktqualit\u00e4t er\u00adm\u00f6glichen. Unsere Gastautoren vom Fraunhofer-Institut f\u00fcr Fabrikbetrieb und -automatisierung IFF pr\u00e4sentieren ihren Ansatz <\/em>\u00bbSoft-Sensor as a Service\u00ab in einer Anwendung im Weinbau.<\/p>\n

 <\/p>\n

\"SebastianGastautor\/Ansprechpartner:<\/p>\n

Sebastian Warnem\u00fcnde
\nKognitive Prozesse und Systeme
\nFraunhofer IFF<\/p>\n

Telefon: +49 391 4090-108<\/p>\n

sebastian.warnemuende@iff.fraunhofer.de<\/a><\/p>\n<\/div>\n

Problemstellung<\/h3>\n

Digitale Technologien in der Landwirtschaft revolutionieren den Pflanzenanbau. Eine bedeutende Rolle spielt dabei innovative Sensorik, die den Ern\u00e4hrungs- und Gesundheitszustand der Pflanzen unter Feldbedingungen und ggf. gro\u00dffl\u00e4chig aus der Luft unter bestimmten Wachstumsbedingungen (sog. Pflanzenstress) ermitteln kann. Eine bedarfsgerechte, teilfl\u00e4chenspezifische Bewirtschaftung im Hinblick auf Betriebsmittel wie N\u00e4hrstoffe und Bew\u00e4sserung wird dadurch genauso erm\u00f6glicht, wie die zielgerichtete Reaktion auf Pflanzenkrankheiten und Sch\u00e4dlingsbefall.<\/p>\n

Dabei k\u00f6nnen die Anforderungen abh\u00e4ngig von der Anbauregion sein. W\u00e4hrend im deutschen Weinbau der Wunsch nach Fr\u00fcherkennung von durch Pilze und Viren hervorgerufenen Krankheiten dominiert, ist der australische Weinbau vor allem durch die Sorge um eine optimale Wasserversorgung und Problemen durch Hitze- und Salzstress gekennzeichnet. Erschwerend kommt hinzu, dass sich z.B. in Europa, bedingt durch die klimatischen Ver\u00e4nderungen, inzwischen Pflanzenkrankheiten in Regionen ausbreiten, in denen sie bisher nicht aufgetreten sind. Diese Umst\u00e4nde stellen neue Herausforderungen an die schnelle Adaption vorhandener Monitoringsysteme oder erfordern eine komplette Neuentwicklung.<\/p>\n

L\u00f6sungsansatz<\/h3>\n

Das Fraunhofer IFF setzt bei der Entwicklung von Monitoring- und Sensorsystemen f\u00fcr landwirtschaftliche Anwendungen auf die Integration von spektraler Messtechnik und angepasster KI-basierter Datenauswertung zu sogenannten Softsensoren. Dieser Ansatz bietet eine systematische und auf verschiedene Fragestellungen gleicherma\u00dfen anwendbare Herangehensweise. Aufgrund des Einsatzes von optischer Messtechnik kann eine nicht-invasive Messung des Pflanzenstoffwechsels erreicht werden. Die erhobenen spektralen Daten im Wellenl\u00e4ngenbereich von 400-2500nm, welcher mit kommerziell verf\u00fcgbarer Technik darstellbar ist, bilden einen \u201eFingerprint\u201c-Bereich und stellen einen indirekten Indikator f\u00fcr den Pflanzenzustand dar. Der Zusammenhang zwischen physikalischer Messung und eigentlichem Pflanzenzustand ist dabei oft nicht in der zur Verf\u00fcgung stehenden Entwicklungszeit vollst\u00e4ndig aufkl\u00e4rbar und insbesondere nicht geschlossen mathematisch formulierbar. Der Einsatz von Methoden des maschinellen Lernens bietet hier quasi eine \u201eAbk\u00fcrzung\u201c in der Sensorentwicklung, da hier die Modellierung des Zusammenhangs von Messdaten und Information durch eine Optimierung von generischen mathematischen Strukturen erfolgt, wie sie bspw. Neuronale Netze darstellen. Vereinfacht ausgedr\u00fcckt, lernt das System, sich an neue Aufgabenstellungen anzupassen. In Abstimmung mit dem Kunden und Partnern aus Pflanzenforschungszentren werden Kulturpflanzen im Labor, unter Feldbedingungen oder vom Flugzeug aus spektral im visuellen und infraroten Bereich des Lichtspektrums untersucht. Diese Aufnahmen werden mit Referenzwerten, die aus einer Bonitur oder aus Laboruntersuchungen stammen k\u00f6nnen, verkn\u00fcpft. Im Ergebnis entstehen zuverl\u00e4ssige Modelle zum Einsatz in Monitoringsystemen, mit denen sich der Ern\u00e4hrungs- oder Gesundheitszustand automatisiert bewerten l\u00e4sst.<\/p>\n

Partner<\/h3>\n

Der Einsatz von KI-Verfahren als Teil der Sensorentwicklung stellt eine besondere Herausforderung dar. Die umfangreiche und systematische Erfassung von Messdaten ist zwingende Voraussetzung f\u00fcr eine Systementwicklung. Hier bewahrheitet sich das Paradigma \u201eDaten sind der Rohstoff der Zukunft\u201c.<\/p>\n

Im Weinanbau kooperiert das Fraunhofer IFF zu diesen Themen mit verschiedenen Partnern in Deutschland und Australien: Wine Australia, eine Organisation der australischen Winzer, hat die Commonwealth Scientific and Industrial Research Organisation (CSIRO) und das Fraunhofer IFF beauftragt, neue Technologien f\u00fcr den praktischen Einsatz im Weinbau zu entwickeln und unter Praxisbedingungen zu untersuchen. F\u00fcr die gro\u00dffl\u00e4chige Erfassung des Zustands der Weinpflanzen setzt das Fraunhofer IFF seine Hyperspektralkamerasysteme in speziellen Messflugzeugen ein und berechnet anhand der spektralen Signatur Informationen zur Versorgung der Pflanzen mit wichtigen N\u00e4hrstoffen.<\/p>\n

In Deutschland wurde im Projekt \u00bbBigGrape\u00ab<\/strong>, gef\u00f6rdert durch das Bundesministerium f\u00fcr Ern\u00e4hrung und Landwirtschaft (BMEL), gemeinsam mit dem Julius-K\u00fchn-Institut (JKI) f\u00fcr die Erfassung von Rebkrankheiten, hervorgerufen durch Virus, Pilz oder Sch\u00e4dlingsbefall, ein herk\u00f6mmlicher Weintraubenvollernter (System Phenoliner) mit hyperspektraler Sensorik ausgestattet. Begleitend wurden Versuchspflanzen im Gew\u00e4chshaus angezogen und mit einem station\u00e4ren hyperspektralen System in sehr hoher Qualit\u00e4t erfasst. In einer umfangreichen dreij\u00e4hrigen Messkampagne wurde die f\u00fcr eine Auswertung mit k\u00fcnstlicher Intelligenz notwendige Datenbasis geschaffen. Im Projekt konnte die F\u00e4higkeit der symptomatischen sowie pr\u00e4symptomatischen Erkennung von Rebkrankheiten demonstriert werden. Dieses System steht nun f\u00fcr den praktischen Einsatz zur Verf\u00fcgung.<\/p>\n

Die beiden Projektbeispiele zeigen, dass Softsensorik basierend auf hyperspektralen Messdaten eine geeignete Basis darstellt, die aktuellen Probleme im Weinanbau zu adressieren, egal ob es um Pflanzenkrankheiten in der Pfalz oder die klimatischen Bedingungen in S\u00fcdaustralien geht.<\/p>\n

Zusammenfassung<\/h3>\n

Der Einsatz spektraler Messtechnik hat f\u00fcr die Landwirtschaft und speziell den Weinanbau gro\u00dfes Potential. Er erm\u00f6glicht schnelle und zerst\u00f6rungsfreie Untersuchungen im Labor, direkt auf der Anbaufl\u00e4che oder auch aus gro\u00dfem Abstand mit entsprechend hoher Fl\u00e4chenleistung vom Flugzeug oder Satellit aus. Die hohe Geschwindigkeit, mit der Systeme und Ergebnisse f\u00fcr den Anbauer durch KI-Technologien verf\u00fcgbar gemacht werden k\u00f6nnen und die M\u00f6glichkeiten, die sich aus dem fl\u00e4chenhaften Monitoring der Pflanzenbest\u00e4nde ergeben, erlauben ein teilfl\u00e4chenspezifisches Management der Anbaufl\u00e4chen.<\/p>\n

Lesen Sie weitere Artikel aus dem Bereich Smart Farming und dem Fraunhofer Leitprojekt \u00bbCOGNAC\u00ab<\/a><\/p>\n

Referenzen<\/h3>\n

Nele Bendel, Anna Kicherer, Andreas Backhaus et al. Evaluating the Suitability of Hyper- and Multispectral Imaging to Detect Foliar Symptoms of the Grapevine Trunk Disease Esca in Vineyards, 27 April 2020, preprint<\/a><\/p>\n

U. Knauer, E. Edwards, A. McGrath, U. Seiffert, Phenotyping vineyards by means of airborne hyperspectral imaging, International Plant Phenotyping Symposium, Adelaide, Australia, 2018.<\/p>\n

Download: \u00dcbersicht Ph\u00e4notypisierung im Weinbau<\/a> (in englischer Sprache)<\/p>\n","protected":false},"excerpt":{"rendered":"

Der Weinanbau ist ein Wirtschaftszweig von globaler Bedeutung mit hohen Anspr\u00fcchen an die Erzeugerqualit\u00e4t. Mittels eines durchgehenden digitalen und durch Sensoren unterst\u00fctzten Monitorings soll fr\u00fchzeitig auf Risiken reagiert werden. Die Anforderungen an solch ein Monitoringsystem unterscheiden sich erheblich je nach…<\/p>\n","protected":false},"author":39,"featured_media":5663,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[210],"tags":[209,296],"coauthors":[50],"class_list":["post-5662","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-smart-farming","tag-cognitive-agriculture","tag-machine-learning"],"yoast_head":"\nHyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis - Blog des Fraunhofer IESE<\/title>\n<meta name=\"description\" content=\"Fraunhofer forscht wie im Weinbau mit digitalen Monitoringsysteme und Machine-Learning-Technologien fr\u00fchzeitig auf Risiken reagiert werden kann.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Hyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis - Blog des Fraunhofer IESE\" \/>\n<meta property=\"og:description\" content=\"Fraunhofer forscht wie im Weinbau mit digitalen Monitoringsysteme und Machine-Learning-Technologien fr\u00fchzeitig auf Risiken reagiert werden kann.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/\" \/>\n<meta property=\"og:site_name\" content=\"Fraunhofer IESE\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/FraunhoferIESE\/\" \/>\n<meta property=\"article:published_time\" content=\"2020-05-08T10:27:23+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-02-19T11:34:15+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2020\/05\/Blog_Abbildung_Befliegung.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1671\" \/>\n\t<meta property=\"og:image:height\" content=\"563\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Ralf Kalmar\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@FraunhoferIESE\" \/>\n<meta name=\"twitter:site\" content=\"@FraunhoferIESE\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Ralf Kalmar\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"6\u00a0Minuten\" \/>\n\t<meta name=\"twitter:label3\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data3\" content=\"Ralf Kalmar\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/\"},\"author\":{\"name\":\"Ralf Kalmar\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#\\\/schema\\\/person\\\/c08ca77e5dc213b9ad8b7b7278b3ff80\"},\"headline\":\"Hyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis\",\"datePublished\":\"2020-05-08T10:27:23+00:00\",\"dateModified\":\"2024-02-19T11:34:15+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/\"},\"wordCount\":1003,\"publisher\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2020\\\/05\\\/Blog_Abbildung_Befliegung.png\",\"keywords\":[\"Cognitive Agriculture\",\"Machine Learning\"],\"articleSection\":[\"Smart Farming\"],\"inLanguage\":\"de\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/\",\"name\":\"Hyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis - Blog des Fraunhofer IESE\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2020\\\/05\\\/Blog_Abbildung_Befliegung.png\",\"datePublished\":\"2020-05-08T10:27:23+00:00\",\"dateModified\":\"2024-02-19T11:34:15+00:00\",\"description\":\"Fraunhofer forscht wie im Weinbau mit digitalen Monitoringsysteme und Machine-Learning-Technologien fr\u00fchzeitig auf Risiken reagiert werden kann.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2020\\\/05\\\/Blog_Abbildung_Befliegung.png\",\"contentUrl\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2020\\\/05\\\/Blog_Abbildung_Befliegung.png\",\"width\":1671,\"height\":563,\"caption\":\"Befliegung Weinbau\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Startseite\",\"item\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Hyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#website\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/\",\"name\":\"Fraunhofer IESE\",\"description\":\"Blog des Fraunhofer-Institut f\u00fcr Experimentelles Software Engineering\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#organization\",\"name\":\"Fraunhofer IESE\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2016\\\/08\\\/fhg_iese_logo.png\",\"contentUrl\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2016\\\/08\\\/fhg_iese_logo.png\",\"width\":183,\"height\":50,\"caption\":\"Fraunhofer IESE\"},\"image\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/FraunhoferIESE\\\/\",\"https:\\\/\\\/x.com\\\/FraunhoferIESE\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/fraunhoferiese\\\/\",\"https:\\\/\\\/www.youtube.com\\\/c\\\/FraunhoferIESE\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#\\\/schema\\\/person\\\/c08ca77e5dc213b9ad8b7b7278b3ff80\",\"name\":\"Ralf Kalmar\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2018\\\/08\\\/kalmar-ralf-blog-96x96.jpg20920d0bb7b9c8d4a890b6e030062821\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2018\\\/08\\\/kalmar-ralf-blog-96x96.jpg\",\"contentUrl\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2018\\\/08\\\/kalmar-ralf-blog-96x96.jpg\",\"caption\":\"Ralf Kalmar\"},\"description\":\"Ralf Kalmar ist seit 1996 im Team des Fraunhofer IESE und verantwortet die Anbahnung von Industriekooperationen in unterschiedlichen Gesch\u00e4ftsfeldern mit Schwerpunkt Automotive und Nutzfahrzeuge. In dieser Rolle besch\u00e4ftigt er sich mit aktuellen Herausforderungen und deren L\u00f6sung mithilfe von Technologien aus der Softwaretechnik, von der Integration kleinster Sensoren bis hin zur Entwicklung digitaler \u00d6kosysteme. Dar\u00fcber hinaus koordiniert er das Fraunhofer-Leitprojekt \u00bbCognitive Agriculture\u00ab, in dem acht Fraunhofer-Institute Innovationen f\u00fcr die Landwirtschaft entwickeln.\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/author\\\/ralf-kalmar\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Hyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis - Blog des Fraunhofer IESE","description":"Fraunhofer forscht wie im Weinbau mit digitalen Monitoringsysteme und Machine-Learning-Technologien fr\u00fchzeitig auf Risiken reagiert werden kann.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/","og_locale":"de_DE","og_type":"article","og_title":"Hyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis - Blog des Fraunhofer IESE","og_description":"Fraunhofer forscht wie im Weinbau mit digitalen Monitoringsysteme und Machine-Learning-Technologien fr\u00fchzeitig auf Risiken reagiert werden kann.","og_url":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/","og_site_name":"Fraunhofer IESE","article_publisher":"https:\/\/www.facebook.com\/FraunhoferIESE\/","article_published_time":"2020-05-08T10:27:23+00:00","article_modified_time":"2024-02-19T11:34:15+00:00","og_image":[{"width":1671,"height":563,"url":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2020\/05\/Blog_Abbildung_Befliegung.png","type":"image\/png"}],"author":"Ralf Kalmar","twitter_card":"summary_large_image","twitter_creator":"@FraunhoferIESE","twitter_site":"@FraunhoferIESE","twitter_misc":{"Verfasst von":"Ralf Kalmar","Gesch\u00e4tzte Lesezeit":"6\u00a0Minuten","Written by":"Ralf Kalmar"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/#article","isPartOf":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/"},"author":{"name":"Ralf Kalmar","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#\/schema\/person\/c08ca77e5dc213b9ad8b7b7278b3ff80"},"headline":"Hyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis","datePublished":"2020-05-08T10:27:23+00:00","dateModified":"2024-02-19T11:34:15+00:00","mainEntityOfPage":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/"},"wordCount":1003,"publisher":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#organization"},"image":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/#primaryimage"},"thumbnailUrl":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2020\/05\/Blog_Abbildung_Befliegung.png","keywords":["Cognitive Agriculture","Machine Learning"],"articleSection":["Smart Farming"],"inLanguage":"de"},{"@type":"WebPage","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/","url":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/","name":"Hyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis - Blog des Fraunhofer IESE","isPartOf":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/#primaryimage"},"image":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/#primaryimage"},"thumbnailUrl":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2020\/05\/Blog_Abbildung_Befliegung.png","datePublished":"2020-05-08T10:27:23+00:00","dateModified":"2024-02-19T11:34:15+00:00","description":"Fraunhofer forscht wie im Weinbau mit digitalen Monitoringsysteme und Machine-Learning-Technologien fr\u00fchzeitig auf Risiken reagiert werden kann.","breadcrumb":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/#primaryimage","url":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2020\/05\/Blog_Abbildung_Befliegung.png","contentUrl":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2020\/05\/Blog_Abbildung_Befliegung.png","width":1671,"height":563,"caption":"Befliegung Weinbau"},{"@type":"BreadcrumbList","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/hyperspektrale-soft-sensorik-fuer-das-monitoring-im-weinbau\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Startseite","item":"https:\/\/www.iese.fraunhofer.de\/blog\/"},{"@type":"ListItem","position":2,"name":"Hyperspektrale Soft-Sensorik f\u00fcr das Monitoring im Weinbau \u2013 Maschinelles Lernen f\u00fcr die Praxis"}]},{"@type":"WebSite","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#website","url":"https:\/\/www.iese.fraunhofer.de\/blog\/","name":"Fraunhofer IESE","description":"Blog des Fraunhofer-Institut f\u00fcr Experimentelles Software Engineering","publisher":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.iese.fraunhofer.de\/blog\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#organization","name":"Fraunhofer IESE","url":"https:\/\/www.iese.fraunhofer.de\/blog\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#\/schema\/logo\/image\/","url":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2016\/08\/fhg_iese_logo.png","contentUrl":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2016\/08\/fhg_iese_logo.png","width":183,"height":50,"caption":"Fraunhofer IESE"},"image":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/FraunhoferIESE\/","https:\/\/x.com\/FraunhoferIESE","https:\/\/www.linkedin.com\/company\/fraunhoferiese\/","https:\/\/www.youtube.com\/c\/FraunhoferIESE"]},{"@type":"Person","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#\/schema\/person\/c08ca77e5dc213b9ad8b7b7278b3ff80","name":"Ralf Kalmar","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2018\/08\/kalmar-ralf-blog-96x96.jpg20920d0bb7b9c8d4a890b6e030062821","url":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2018\/08\/kalmar-ralf-blog-96x96.jpg","contentUrl":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2018\/08\/kalmar-ralf-blog-96x96.jpg","caption":"Ralf Kalmar"},"description":"Ralf Kalmar ist seit 1996 im Team des Fraunhofer IESE und verantwortet die Anbahnung von Industriekooperationen in unterschiedlichen Gesch\u00e4ftsfeldern mit Schwerpunkt Automotive und Nutzfahrzeuge. In dieser Rolle besch\u00e4ftigt er sich mit aktuellen Herausforderungen und deren L\u00f6sung mithilfe von Technologien aus der Softwaretechnik, von der Integration kleinster Sensoren bis hin zur Entwicklung digitaler \u00d6kosysteme. Dar\u00fcber hinaus koordiniert er das Fraunhofer-Leitprojekt \u00bbCognitive Agriculture\u00ab, in dem acht Fraunhofer-Institute Innovationen f\u00fcr die Landwirtschaft entwickeln.","url":"https:\/\/www.iese.fraunhofer.de\/blog\/author\/ralf-kalmar\/"}]}},"jetpack_featured_media_url":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2020\/05\/Blog_Abbildung_Befliegung.png","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/posts\/5662","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/users\/39"}],"replies":[{"embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/comments?post=5662"}],"version-history":[{"count":10,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/posts\/5662\/revisions"}],"predecessor-version":[{"id":9314,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/posts\/5662\/revisions\/9314"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/media\/5663"}],"wp:attachment":[{"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/media?parent=5662"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/categories?post=5662"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/tags?post=5662"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/coauthors?post=5662"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}