Die von der Hochschule Luzern – Technik & Architektur, spezifisch von der Firma Bühler AG ge-stellte Aufgabe, bestand darin, für den bestehenden Prototypen, welcher über einen Luftstrom sowie verschiedenen Klappen das Getreide reinigt, eine Automatisierungslösung auszuarbeiten. Damit diese Automatisierung erfolgen kann, ist es von Nöten, zu erkennen, welche Bestandteile in den verschiedenen Abwurfbehältern vorhanden sind. Um dies über die Bildverarbeitung zu er-reichen, wurden in einem ersten Schritt mögliche Algorithmen recherchiert und dokumentiert. Danach wurde eine erste Applikation, basierend auf klassischen Bildverarbeitungsalgorithmen entwickelt. Diese Applikation wies bestimmte Grenzen in Bezug auf die Erkennung von ähnli-chen Bestandteilen und jenen im Haufwerk auf. Aus diesem Grund wurden weitere Möglichkei-ten in Richtung der Bildverarbeitung mit KI recherchiert und ausgearbeitet. Nach verschiedenen Versuchen konnte mit einer auf einem Mask R-CNN aufbauenden Möglichkeit die Mischungszu-sammensetzung aus einem Haufwerk erkannt werden. In einem nächsten Schritt kann nun der Prototyp so umgebaut werden, dass eine Istwert-Erfassung in den Behältern möglich wird. Da-mit kann ein Algorithmus entwickelt werden, welcher die bestmöglichen Sollwerte der Klappen-positionen sowie der Lüfterdrehzahl berechnet.
The task set by the Lucerne University of Applied Sciences and Arts, specifically by the company Bühler AG, was to develop an automation solution for the existing prototype, which cleans the grain via an air flow and various flaps. To make this automation work, it is necessary to recog-nise which components are present in the various throw-off containers. In order to achieve this via image processing, possible algorithms were researched and documented in a first step. Then a first application was developed based on classical image processing algorithms. This applica-tion had certain limitations with regarding the recognition of similar components and those in the heap. For this reason, further possibilities in the direction of image processing with AI were researched and worked out. After various tests, a possibility based on a Mask R-CNN was able to recognise the defined mixture composition from a heap. In a next step, the prototype can now be modified in such a way that an actual value detection in the containers becomes pos-sible. This will make it possible to develop an algorithm that calculates the best possible target values for the flap positions and the fan speed.