Projektbeschreibung:
Das Projekt OSKAR (Ökologische Selektive Kultivierung und Ausdünnung von Apfelbäumen durch Robotik) entwickelt eine digitale, robotische Lösung zur autonomen, punktuellen Blüten- und Fruchtausdünnung im Apfelanbau, um die Umweltbelastung durch Pflanzenschutzmittel nachhaltig zu reduzieren. Durch den Einsatz von 3D-Rekonstruktion, maschinellem Lernen und mobiler Robotik werden Bäume, Blüten und Früchte digital erfasst, lokalisiert und gezielt mechanisch ausgedünnt. Ziel ist es, den Einsatz chemischer Ausdünnungsmittel signifikant zu reduzieren, die Fruchtqualität zu verbessern und einen Beitrag zur nachhaltigen Transformation im modernen Obstbau zu leisten.
- Vollständiger Name: Ökologische Selektive Kultivierung und Ausdünnung von Apfelbäumen durch Robotik
- Laufzeit: 01.11.2025 - 30.10.2027
- Förderprogramm: Digital GreenTech – Umwelttechnik trifft Robotik
- Fördergeber: Bundesministerium für Bildung und Forschung (BMBF)
- Fördernummer: 02WDG1767A
- Projektverantwortliche Person: Benjamin Schulze, benjamin.schulze@ifam.fraunhofer.de
- Projektwebsite: www.oskar-projekt.de
- parallele Projekte:
- Fraunhofer IFAM (Verbundführer): Koordination des Gesamtprojekts, Entwicklung mechanischer Endeffektoren, Systemintegration, Validierung der Ausdünnungsverfahren
- Technische Universität Hamburg (TUHH), Institut für Technische Logistik: KI-gestützte 3D-Rekonstruktion, Objekterkennung (Blüten/Früchte), Feature-Extraction, Umweltwirkungsbewertung
- digital workbench gmbh: Umbau und Anpassung der modularen Trägerplattform, Navigation und Lokalisierung, Softwareentwicklung für autonome Steuerung
- Obstbauversuchsring des Alten Landes e.V. (OVR) – Unterauftragnehmer
- Landwirtschaftskammer Niedersachsen (LWK)
- Kompetenznetzwerk „Digitalisierung in der Landwirtschaft“
(Koordination: BMLEH und BLE)
- Smart-Farming-Netzwerk
(Koordination: Fraunhofer Gesellschaft)
- Digitaler Zwilling (HAP 1): 3D-Rekonstruktion von Obstbäumen und Anbauflächen mittels KI-gestützter Verfahren (visuelle Odometrie, Neural Radiance Fields), automatisierte Erkennung und Lokalisierung von Blüten und Früchten, Erstellung informationsgetriebener Applikations- und Auftragskarten für die robotische Ausdünnung
- Modulare Robotik (HAP 2): Umbau einer bestehenden mobilen Trägerplattform für den Feldeinsatz, Integration von Roboterarmen und Sensorik, Entwicklung präziser Navigation und Lokalisierung auf Basis des digitalen Zwillings, Konstruktion spezialisierter Endeffektoren für schonende Blüten- und Fruchtausdünnung
- Robotische Behangsregulierung (HAP 3): Integration aller Teilsysteme zu einem Gesamtsystem, Validierung der mechanischen Blütenausdünnung (Schonung der Königsblüte), Validierung der mechanischen Fruchtausdünnung (Homogenisierung des Fruchtbehangs), ganzheitliche Bewertung der Umweltwirkung und Quantifizierung der PSM-Einsparungen
- Blome, F.; Berschauer, D.; Schulze, B. (2024):
Standardized Sensor Infrastructure for Seasonal and Multi-Seasonal Data Collection in Orchard Management.
https://doi.org/10.1109/MetroAgriFor63043.2024.10948832
- Kevric, E., Wei, J., Braun, P., Rose, H.W., 2024:
Comparative Analysis and Optimization of Detection Algorithms for Apples on Orchards with Complex Backgrounds. pp.190–195.
- Hentzschel, M.; Berschauer, D.; Köpcke, D. (2025):
Individual Tree-Specific, Automated Assessment of Flowering Intensity in Apple Cultivation as a Basis for Prescription Maps for Thinning.
Die Datenerhebung erfolgt mittels einer Multi-Sensor-Carrier-Plattform mit hochauflösenden Kamerasystemen, RTK-GPS und LiDAR-Sensoren. Die Sensordaten werden während regulärer Feldarbeiten passiv erfasst und anschließend für KI-Lernmethoden aufbereitet (Annotation, Datenaugmentation, Rektifizierung).
Die im Projekt erfassten und aufbereiteten Daten sollen öffentlich zugänglich gemacht werden, um eine Nachnutzung durch die Fachgemeinschaft sowie die Weiterentwicklung in verwandten Anwendungsfeldern zu ermöglichen. Projektergebnisse können bei Eignung als Open Source publiziert werden.
