Modellbildung zur akustischen Überwachung von Rübenbeschädigungen während des Rodevorganges

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.