| dc.date.accessioned | 2022-01-11T12:46:51Z | |
| dc.date.available | 2022-01-11T12:46:51Z | |
| dc.date.issued | 2021 | |
| dc.identifier | doi:10.17170/kobra-202201115400 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/13503 | |
| dc.description.sponsorship | Bundesanstalt für Landwirtschaft und Ernährung gefördertes SmartBeet-Projektes (FKZ 28-1-57.064-15) | ger |
| dc.language.iso | ger | ger |
| dc.subject.ddc | 630 | |
| dc.title | Modellbildung zur akustischen Überwachung von Rübenbeschädigungen während des Rodevorganges | ger |
| dc.type | Dissertation | |
| dcterms.abstract | Zuckerrüben sind in Europa ein bedeutendes Erntegut. Die Rübenernte ist vollmechanisiert, Roden, Entfernen des Blattanteils, Reinigen und Lagern werden in einem Arbeitsgang erledigt. Aufgrund der kurzen Einsatzzeit und den zum Erntezeitpunkt oft nicht optimalen Witterungsbedingungen sind die Maschinen auf Flächenleistung und Abreinigung des Erdanteils optimiert. In der vorliegenden Arbeit wurde die prinzipielle Machbarkeit einer Beschädigungserkennung basierend auf einer Maschinenzustandsüberwachung durch eine Analyse von Körperschall während der Ernte untersucht. Unterstützt wurde dies durch eine Evaluierung der Produktqualität während der Ernte, die als Referenz zur Entwicklung statistischer Modelle zur Erkennung dienen sollte, beginnend mit einfachen, deskriptiven Analysen. Da zu erwarten war, dass aufgrund der komplexen Zusammenhänge im Ernteprozess eine große Menge vielschichtiger Daten anfällt, die eine einfache Auswertung erschweren, wurde neben dieser Erprobung einfacher Analysen auch die Verwendung von Methoden des maschinellen Lernens eingeplant. | ger |
| dcterms.abstract | Sugarbeet is a main crop in Europe. Nowadays, beet harvesting is fully mechanized, with leaf removal, uprooting, cleaning and storing all done in a single operation. However, the mechanical stresses of the harvesting process can damage the beets, resulting in mass loss due to lost pieces and a reduction in sugar yield. The question of how damage can be reduced or prevented has not been conclusively answered despite numerous studies, but there is a correlation between machine settings, intensity of cleaning of the soil portion and the degree of damage. Damage is usually recorded by visual inspection, automated damage monitoring to improve product quality is not yet available. The present work is a proof-of-concept of damage detection based on machine monitoring by analyzing structure-borne sound. For this purpose, damages in a harvester under practical conditions during harvesting were evaluated and used as a reference for statistical models for detection. Simple, descriptive analyses were used, as well as machine learning methods due to the expected complexity of the correlations. | eng |
| dcterms.accessRights | open access | |
| dcterms.creator | Wilczek, Ulrike | |
| dcterms.dateAccepted | 2021-07-23 | |
| dcterms.extent | 128 Seiten, XV | |
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Ökologische Agrarwissenschaften | |
| dc.contributor.referee | Hensel, Oliver (Prof. Dr.) | |
| dc.contributor.referee | Sturm, Barbara (Prof. Dr.) | |
| dc.relation.projectid | FKZ 28-1-57.064-15 | |
| dc.subject.swd | Rübenanbau | ger |
| dc.subject.swd | Zuckerrübenernte | ger |
| dc.subject.swd | Schaden | ger |
| dc.subject.swd | Erntemaschine | ger |
| dc.subject.swd | Fehlererkennung | ger |
| dc.subject.swd | Maschinenüberwachung | ger |
| dc.subject.swd | Körperschall | ger |
| dc.subject.swd | Maschinelles Lernen | ger |
| dc.type.version | publishedVersion | |
| kup.iskup | false | |
| ubks.epflicht | true | |
