idw - Informationsdienst
Wissenschaft
Forschende der Technischen Universität München (TUM) entwickeln einen Ernte-Roboter für Spargel. Der Prototyp erkennt und lokalisiert reifen grünen Spargel. Dabei ist er schnell genug, um mit der Ernte durch Menschen konkurrieren zu können. Weitere Tests sind geplant, um die Erntefähigkeit des Roboters weiterzuentwickeln.
Spargel ist eine der arbeitsintensivsten Kulturen in der Landwirtschaft. Vor allem die Ernte stellt hohe Anforderungen an die Präzision – das Gelände ist uneben und die Stangen sind dünn und unterschiedlich lang. Diese Herausforderungen behindern die Automatisierung. Das führt dazu, dass derzeit verfügbare Ernte-Roboter zu langsam und ineffizient sind.
Forschende der TUM haben einen Roboterprototypen entwickelt, der sich schnell über ein Spargelfeld bewegen und reifen grünen Spargel identifizieren und lokalisieren kann.
Roboter identifiziert und lokalisiert Spargel
Der Roboter verarbeitet mehrere Bilder der montierten Kameras, um die Spargelstangen zu identifizieren. Diese Bilder werden an den Roboterantrieb weitergeleitet, der den Spargel ernten kann. Dabei muss der Roboter berücksichtigen, dass er sich bewegt und sich die relative Position des Spargels zum Roboter in der Zeit zwischen der Lokalisierung und dem Erntevorgang verschiebt.
Der vorgestellte Prototyp ist in diesen ersten Schritten des Prozesses erfolgreich. Dank der montierten Kameras und der Algorithmen kann der Roboter die Spargelstangen erkennen und lokalisieren. Dabei ist er deutlich schneller als andere bereits erhältliche Ernteroboter. „Wir sehen weltweit große Chancen für Roboter in der Spargelernte“, sagt Timo Oksanen, Professor für Agrarmechatronik an der TUM.
Schnell genug, um mit Menschen mitzuhalten
Die Forscher berechneten, dass der Roboter eine Geschwindigkeit von mindestens 0,33 Metern pro Sekunde erreichen muss, um mit Erntehelfern mithalten zu können. Der vorgestellte Prototyp kann sich auf unebenem Gelände mit bis zu 0,8 Metern pro Sekunde und auf ebenem Gelände mit bis zu 1 Meter pro Sekunde fortbewegen. Mit dieser Geschwindigkeit übertrifft der Prototyp die aktuellen Marktstandards.
Im nächsten Schritt werden die Erkennungsalgorithmen in weiteren Tests verbessert. „Sobald wir die Erkennung weiter optimiert haben, werden wir den Erntealgorithmus und die weiteren Roboterfunktionen erarbeiten“, sagt Andreas Neubauer, der den Roboter entwickelt hat.
Andreas Neubauer
Technische Universität München
Professur für Agrarmechatronik
andreas.neubauer@tum.de
Andreas Neubauer, Peter Buckel, Timo Oksanen, Novel Dataset of RGB-D Images for Robotic Harvesting of Green Asparagus, IFAC-PapersOnLine, Volume 59, Issue 23, 2025, ISSN 2405-8963, https://doi.org/10.1016/j.ifacol.2025.11.822
https://Die Professur für Agrarmechatronik ist Teil der TUM School of Engineering and Design und der TUM School of Life Sciences.
https://www.ed.tum.de/ed/startseite/ (TUM School of Engineering and Design)
https://www.ls.tum.de/ls/startseite/ (TUM School of Life Sciences)
https://Die Professur ist außerdem Teil des Munich Institute of Robotics and Machine Intelligence (MIRMI) und des Hans Eisenmann-Forums für Agrarwissenschaften (HEF).
Criteria of this press release:
Journalists, Scientists and scholars, all interested persons
Environment / ecology, Nutrition / healthcare / nursing, Zoology / agricultural and forest sciences
transregional, national
Research results, Scientific Publications
German

You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).