Agrajo
Search

Studien-/Abschlussarbeit-Strategie zur Annotation landwirt. Umgebungsdatensätzen mobile Outd.-Robot.

companyFraunhofer
locationStuttgart, Deutschland
VeröffentlichtVeröffentlicht: 28.12.2022
Bildung / Pädagogik
Vollzeit

Ausschreibung für die Fachrichtung wie z. B.:  Automatisierungstechnik, Informatik, Luft- und Raumfahrttechnik und Maschinenbau.

In der Gruppe "Field Robotics" am Fraunhofer IPA in Stuttgart sind wir ein internationales Forschungsteam, das mit Leidenschaft ganzheitliche Robotersysteme für eine nachhaltige und zukunftssichere Landwirtschaft in Europa entwickelt. Dabei setzen wir auf fortschrittliche KI-Technologie, um die Lebensmittelqualität zu verbessern, unsere Umwelt zu schützen, ohne Landwirte wirtschaftlich zu benachteiligen, und nachhaltige Wege zu einer regenerativen und ökologischen Landwirtschaft zu schaffen.
 

Eine Schlüsseltechnologie in diesem Kontext ist die robuste und zuverlässige Navigation für das autonome Fahren von Robotern im Outdoor-Bereich. Wir bieten Dir die Möglichkeit, an dieser Forschung auf dem Gebiet der Umgebungswahrnehmung für Outdoor-Navigation teilzunehmen. Um einen befahrbaren Pfad zu finden, benötigen Roboter eine zuverlässige und präzise Interpretation ihrer Umgebung. Es ist wichtig, verschiedene semantische Bereiche im Feld zu unterscheiden, wie z.B. Grasland, Vegetation, Boden und Pfützen, und Feldgrenzen und Hindernisse zu erkennen. Eine große Herausforderung bei Segmentierungs- und Klassifizierungsaufgaben ist der Mangel an umfassenden Datensätzen für die verschiedenen Feldumgebungen und der hohe Aufwand für die Beschaffung und das Labeling der Datensätze.
Ziel der Masterarbeit ist es daher, eine neuartige Annotationsstrategie zu entwickeln, die den Labeling-Aufwand reduziert und für Outdoor-Umgebungen wie Agrarflächen geeignet ist.

Was Du bei uns tust

  • Einarbeiten in das Thema (teil-)automatisierte Datenannotationsstrategien 
  • Entwickeln einer Annotationsstrategie für Datensätze in einem landwirtschaftlichen Kontext 
  • Implementierung der Modelle in Python 
  • Evaluierung auf unseren eigenen Testfeldern

Was Du mitbringst

  • Fundierte Kenntnisse verschiedener Deep-Learning-Architekturen, insbesondere Computer-Vision-Ansätze
  • Erfahrung mit Deep Learning Frameworks wie Keras / TensorFlow / PyTorch bevorzugt
  • Erfahrung im Entwickeln und Testen von Deep-Learning-Modellen im Bereich Computer Vision bevorzugt
  • Fließend in Deutsch oder Englisch 
  • Interesse an der Arbeit mit mobilen Robotern

Was Du erwarten kannst

  • Flexible Arbeitsmodelle auch für Studierende
  • Einbindung in kleine Studierendenteams
  • Cake Friday und der bester Kaffee der Stadt
  • Masterarbeit als Anschluss

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität.  Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft. 

Haben wir Dein Interesse geweckt?