harv-e

Erntehelfer sind dazu angehalten, möglichst viele verkaufsfähige Erdbeeren pro Stunde zu pflücken, damit es sich für den Landwirten wirtschaftlich lohnt. Sie sind ebenso angehalten, die zum Verkauf ungeeigneten Erdbeeren (B-Erdbeeren, s. Bild) zu pflücken, um das Feld sauber zu halten. Hier kommen die finanziellen und materiellen Verluste zustande. Bei dem notwendigen Ernten der B-Erdbeeren macht der Landwirt keinen direkten Gewinn, da der Landwirt nur nach Kilogramm frischer Erdbeeren entlohnt wird. Somit entlohnt er seine Mitarbeiter für das Ernten der B-Erdbeeren mit, wodurch die Ernte ineffektiv und verlustbehaftet wird. In dem Ernteprozess steckt also Potenzial, ihn effektiver zu gestalten und den weiteren Vertriebsweg der B-Erdbeeren so zu stärken und auszubauen, sodass es sich für den Landwirten lohnen würde.

Das Konzept von harv-e teilt den Ernteprozess zwei Arbeitsprozesse. Die Arbeit des Erntehelfers wird auf das Ernten von gewinnbringenden A-Erdbeeren reduziert und konzentriert. Das Aussortieren der B-Erdbeeren übernimmt harv-e (Prototyp s. Bild). Es konzentriert sich auf die Säuberung des Feldes, sowie um das Ernten der B-Erdbeeren. Daraus folgt, dass der Landwirt keine bezahlten Verluste mehr hat und die Erntehelfer nur nach gewinnbringender Arbeit entlohnen muss. Die B-Erdbeeren dienen dann zur industriellen Weiterverarbeitung. Daraus können beispielsweise Marmelade oder Sekt produziert werden, die Vertriebswege von Landwirten stärken und so ein finanzielles Gewinnpotential bietet. Außerdem werden materielle Verluste reduziert und der Aspekt der Nachhaltigkeit und Ressourcenschonung wird verfolgt.

Der technische Prototyp zeigt das Minimum Viable Product und dessen wesentliche Funktionen: die Genauigkeit und Präzision des Roboters im Erkennen der zu pflückende B-Erdbeeren. Der Prototyp besteht aus einem künstlich angelegten Erdbeerfeld-Modell. Die im repräsentativen Greifarm verbaute Webcam liefert die Bilder an den Algorithmus, der Erdbeer-Attrappen verschiedener Reifegrade voneinander differenzieren kann. Das aufgenommene Bild simuliert die Sicht des Roboters, und wird im Browser für den Prototyp-Zuschauer dargestellt. So kann live getestet werden, wie gut und schnell die Erdbeere in ihrem jeweiligen Reife-Stadium erkannt wird.