Was haben Sie herausgefunden?

Wir haben ein Sicherheitsmodell für die Bildqualität (Image Quality Safety Model, IQSM) entwickelt, das Bildqualitätsprobleme, die die Objekterkennung beeinträchtigen, genau erkennt und diagnostiziert und dabei in vordefinierten Gefahrenszenarien eine Genauigkeit von etwa 98 % erreicht. Der Anwendungsbereich dieser Arbeit sind hochautomatisierte landwirtschaftliche Maschinen, d. h. autonome Traktoren. Diese Fahrzeuge, die auf offenem Feld eingesetzt werden, müssen Menschen sicher erkennen können. Fällt ein Sensorsystem aus, kann es gefährlich werden. Wir benötigen Kamerasysteme, die durch Umwelteinflüsse wie Schmutz, Regentropfen oder Nebel in der Linse gestört werden können. Ähnlich wie bei Menschen mit Brillengläsern, die stark verschmutzt sind, funktioniert die Erkennung nicht so gut – das ist ein Sicherheitsrisiko.

Vor welchen Herausforderungen standen Sie während des Projekts?

Wir standen vor der Herausforderung, realistische Bilder von geringer Qualität zu erzeugen, um Gefahrenszenarien darzustellen und die komplexe Beziehung zwischen Bildqualität und KI-Modellleistung zu modellieren.

Warum sind diese Ergebnisse für die Praxis wichtig?

Diese Ergebnisse zeigen, dass sicherere und zuverlässigere Wahrnehmungssysteme in hochautomatisierten Landmaschinen möglich sind, die unsichere Eingabebedingungen in Echtzeit erkennen und rechtzeitig Abhilfe schaffen, wo nötig.

Publikation:

Lee, Changjoo; Schätzle, Simon; Lang, Stefan Andreas; Maier, Michael; Oksanen, Timo; Fault Management System for the Safety of Perception Systems in Highly Automated Agricultural Machines; ICRA 2025