We are learning to install, work with, and extend the QFieldCloud (source) project - a service to synchronise data between QField users, itself based on Django, PostGIS, GeoDB, Minio - in a Linux cloud (a virtual machine in a Swiss data center managed by Exoscale). Everything we are doing should also run "offline" on a small Linux computer or even RaspberryPi.

As proposed in the Challenge, field workers need to update geographically-precise details about biodiversity and other characteristics of parcels on the farm. They are doing this with a convenient, freely available, open source mobile app - QField. The data properties are configured using QGIS, which is also used to combine the farm data with other geodata - such as open data from Swisstopo and Opendata.swiss.

Using analytics tools in QGIS and other open source GIS tools, the smart farm can manage their fields, collect statistical information needed for reporting, and even do predictive analytics to help with planning. One use case we would like to focus on is project management. We are investigating the possibility of an API-based connection from QFieldCloud to Mattermost or the Vikunja planning tool.

References

• https://lafermechautems.ch/
• QField im forstlichen Einsatz Fachstelle GWP / ibW Bildungszentrum Wald (PDF)

Sketches

Challenge

Digitaler Zwilling des Hofs ermöglicht effizientes Management der Diversität

QGIS ist ein Open Source Geographisches-Informationssystem (https://www.qgis.org/de/site/). Marc hat seinen Bauernhof darauf abgebildet (Flächen und Kulturen). Die anfallenden Arbeiten pro Fläche bzw. Kultur werden angezeigt, wodurch alle Mitarbeitenden auf einfache Weise den Überblick behalten und Informationen holen und eintragen können. Ein vielfältig bebauter Bauernhof - auch genannt Mosaik Landwirtschaft - hat diverse grosse Vorteile (Stichworte Mischkultur, regenerative Landwirtschaft, Biodiversität, Resilienz). Das Tool ist die Voraussetzung, diese Komplexität mit beschränktem Ressourceneinsatz zu meistern.

Das Einbinden von mehr Layers (Daten) und der Ausbau in Richtung eines digitalen Zwillings würde noch diverse weitere Vorteile bringen, um die Komplexität effizient zu bewältigen

• Rotationsoptimierung Kulturen (rollende Planung, «Decision Support System»).
• Map Layer Biodiversität einbinden --> Anknüpfungspunkt zur Challenge "Machine Learning Kamera für Biodiversität"
• Alerts einbinden
• Daten zu Fruchtfolgen einbinden
• Daten zu Pestizideinsatz einbinden
• Etc…

Screenshots

Um die Wirtschaftlichkeit eines Betriebes zu steigern, gibt es verschiedene Ansätze. Einer davon ist herauszufinden, welches die grössten Kostentreiber sind. Somit kann versucht werden, diese zu reduzieren. Bei vielen Betrieben machen die Grundfutterkosten einen beträchtlichen Teil der Kosten aus. Zurzeit können die Grundfutterkosten nur schwer ermittelt werden. Durch die Neugestaltung des Grufko-Programms soll es möglich sein, dass jeder Landwirt und jede Landwirtin ihre Grundfutterkosten einfach, schnell und insbesondere wahrheitsgetreu errechnen kann.

Biodiversität ist wichtig. Die Landwirtschaft hat einen grossen Einfluss darauf. Wir versuchen, diesen messbar zu machen.

Im SNF Projekt Mitwelten wurde eine IoT & ML Infrastruktur entwickelt. Designs und Code sind Open Source. Das System besteht aus Kameras, die Bilder von Pflanzen aufnehmen und einem Access Point, der Strom und Internet bereitstellt (PoE). Aktuell ist das System darauf ausgelegt, in Gärten und Parks installiert zu werden, die Auswertung der Bilder mit Machine Learning geschieht in der "Cloud".

Für die Open Farming Hackdays wollen wir die Hardware zum ersten mal "richtig ins Feld" bringen, wo keine Steckdose zur Verfügung steht. Auch die Kamera Perspektive und Art der Pflanzen/Tiere könnte sich unterscheiden. Falls möglich, soll zudem die Abhängigkeit vom Cloud Backend verringert werden, durch Edge-Computing, bzw. Machine Learning Inferenz, direkt vor Ort.

Wie Du uns helfen kannst:

• Solar Setup oder Generator für 220V, ~150 W (Material, Erfahrung mit Elektroinstallationen)
• ML Modell für "Feldflanzen/-tiere" trainieren (Data Science, Bio-/Ökologie Kenntnisse)
• Embedded ML Proof of Concept (Software Engineering, Data Science Kenntnisse)

Was wir gerne mitbringen:

• Mitwelten Kameras & Access Point (Vernetzte Kameras mit Pi 3B+, AP mit Pi 4, 500 GB SSD, [1, 2])
• Mitwelten Fotos einer Wiese (Schräge Perspektive, Magerwiese in der Reinacher Heide [3])
• Embedded ML Hardware (Coral USB Accelerator, Coral Dev Board, Mini und Micro, [4])

Ressourcen und Links:

1. http://www.tamberg.org/council/2021/LowEndHighTechForUrbanBiodiversityMonitoring.pdf
2. https://github.com/mitwelten/mitwelten-iot-hardware-poc (Kamera, AP)
3. https://data.mitwelten.org/api/v3/docs (Zugang auf Anfrage)
4. https://coral.ai/products/#prototyping-products
5. Slack #2024_team05_ml-kamera
   

Ausgangslage

Durch vermehrte Mäuse- und Trockenheitsschäden erhöht sich der Bedarf für die Wiesensanierung und Bekämpfung der Mäuse, auf der anderen Seite wird die auf den Landwirtschaftsbetrieben verfügbare Zeit immer mehr zum limitierenden Faktor. Als Folge davon werden der Bedarf für die Sanierung häufig nicht erkannt oder die Ausführung vernachlässigt. Entsprechend sinken die Erträge und die Probleme mit der Verunkrautung nehmen zu. Da eine Sanierung aus rationellen Gründen meist nur ganzflächig behoben wird, sind Pflegemassnahmen kostspielige Treiber der Produktionskosten.

Lösungsansätze

Die Sanierung soll roboterbasiert und örtlich gezielt erfolgen. Das Schadbild wird vorgängig durch Drohnenaufnahmen erhoben und ausgewertet. Der Roboter ist ein multifunktionales, hangtaugliches Gerät, welches mit verschiedenen, austauschbaren Modulen ausgerüstet ist. Er kann:

• Mäuse mit der Topcatfalle bekämpfen: Gänge aufspüren, Loch öffnen, Fallen platzieren, stellen, leeren und neu richten

Mein Motto: Wer träumen kann, kommt weiter…

Messung der Gefühlswelt von Mensch, Tier und Pflanzen an der Phaenomenamit immersiver KI in einer grünen Naturoase.

https://vimeo.com/926585721?share=copy

Wir erarbeiten anhand ausgewählter Produkte einen Prototypen für eine Webapplikation. Diese ermöglicht die Kennzeichnung Step-by-Step ohne gravierende Lücken und Fehler zu erstellen. Die Applikation besteht aus einer Eingabemaske mit Drop-Down-Menüs oder mit leeren Eingabefeldern. Zusätzlich werden bei leeren Feldern Informationen und Links geliefert. Sie helfen beim korrekten Ausfüllen.

Diese Applikation ist kostengünstig. Denn wer bis jetzt mit der Kennzeichnung überfordert war, musste auf kostenpflichtige Beratungen zurückgreifen oder machte auf "gut Glück" eine Kennzeichnung und hatte bei Lebensmittelkontrollen ein schlechtes Gefühl. Bei Standaktionen, wie Weihnachtsverkäufe von Schulklassen, fehlte die korrekte Kennzeichnung oft. Mit einem einfachen Tool könnte sich das ändern.

• Schweizer Nahrwertdatenbank bereinigt Allergen ergänzt.csv

Lösung

Challenge

Mit Leib und Seele stellen Direktvermarktungsbetriebe oder kleine Manufakturen feine und immer wieder neue Regionalprodukte her. Spätestens bei der Zusammenstellung der Etikette erfahren sie dann mehr Frust als Lust.

Welche Angaben müssen auf der Etikette stehen? In welcher Reihenfolge sollen Zutaten aufgeführt sein? Was sind Allergene? Was ist ein Detailpreis? Als Ausgang der Challenge soll ein Creator-Tool entstehen, in welchem bei der Eingabe diverser Angaben und der Zutaten in eine Maske ein fertiger Etikettenvorschlag entsteht. Ziel davon ist, dass keine wesentlichen Angaben vergessen gehen und korrekt gekennzeichnet wird. Die Nährwertkennzeichnung entfällt bei der handwerklichen Herstellung zur direkten Abgabe an den Konsumenten. Deshalb würde die Nährwertkennzeichnung vorerst ausgeklammert werden.

Das Problem

Wer Lebensmittel herstellt ist verpflichtet, diese korrekt herzustellen und zu kennzeichnen. Trotz einer hohen Anzahl korrekt gekennzeichneter Regionalprodukten, kommt es immer wieder zu Beanstandungen seitens des Amts für Verbraucherschutz. Eine Etikette von Dritten erstellen zulassen, ist oft zu kostspielig für kleine Produktionseinheiten. Neue kreierte Produkte sind am fehleranfälligsten und benötigen meistens in enorm kurzer Zeit eine Etikette. Daher suchen die Betriebe nach einem effizienten, einfachen Hilfsmittel.

Die Challenge

Es wird ein Tool programmiert, in welchem sich die entsprechende Lebensmittelkategorie, die Zutaten eines Produkts sowie alle anderen erforderlichen Angaben wie Preis und Produzenten-Adresse eintragen lassen.

Bsp. Kategorie: Joghurt / Zutaten: Milch, Zucker, Milchpulver, Erdbeeren

Im Programm hinterlegt sind die Anforderungen aufgrund der spezifischen Verordnungen. Bsp. Joghurt: Verordnung betreffend Lebensmittel tierischer Herkunft. Ebenfalls hinterlegt sind jene Anforderungen aus den übergeordneten Verordnungen:

• LGV (Lebensmittel- und Gebrauchsgegenstände-Verordnung)
• HyV (Hygieneverordnung)
• LIV (Verordnung betreffend die Information über Lebensmittel)
• Preisbekanntgabeverordnung

Am Ende der Eingabe erhalten die Direktvermarktungsbetriebe einen Etikettenvorschlag, der sich noch Ergänzen /Abändern lässt, bevor die Vorlage in ein Etikettendruckprogramm eingespeist wird.

Daten / Links:

• OpenAI (könnte optional auch dienen)
• blv.admin.ch - Verordnungsstruktur_Lebensmittelrecht_2017
• blv.admin.ch - Verordnungen-lmr-namen-sr-nr
• SR 942.211 - Verordnung vom 11. Dezember 1978 über die Bekanntgabe von Preisen (Preisbekanntgabeverordnung, PBV) (admin.ch)
• 2021-blv-datierungsleitfaden.pdf
• mhdplus-flyer-d-def-1.pdf
• allergene-korrekt-kennzeichnen.pdf
• merkblatt-01-kennzeichnung-eines-vorverpackten-lebensmittels.pdf

Falls der Nährwert auch eingebaut werden möchte:

Es besteht bereits ein Excel basiertes Berechnungstool. Eventuell könnte dieses in das neue Tool eingebaut werden.

• Home - The Swiss Food Composition Database (naehrwertdaten.ch)
• www.naehrwertrechner.de
• anleitung-naehrwertrechner-1.pdf
• naehrwertrechner-1.xlsm
• https://www.foodrepo.org/

Mögliche Weiterentwicklung:

• API-Anbindung an eine oder mehrere Datenbanken mit Nahrungsmitteln (Rohstoffe plus allenfalls nach Rohstoffen aufgeschlüsselte verarbeitete Produkte, bspw. Nährwertdatenbank vom BLV oder CH-Version von Open Food Facts) für Auswahl unter Zutatenliste
• Automatisierte Berechnung der Prozentangaben von Zutaten gemäss Eingabe in Masseinheit (bspw. Gramm oder Deziliter)
• Hinterlegte Allergenliste mit automatischer Erkennung (statt Feld, das man ankreuzen muss, falls eine Zutat als Allergen ausgewiesen werden muss)
• Einfache Anpassung bei aktualisierten gesetzlichen Vorgaben
• Einstellungen für nutzerspezifische Gestaltung der Etikette (Schriftart, Farbe), solange im Rahmen der Vorgaben der Lebensmittelverordnung

Was benötigen wir für die Realisierung:

• Verantwortliche Stelle für die Weiterentwicklung (Tätschmeister für inhaltliche und technische Weiterentwicklung)
• Testpersonen, die Prototyp ausprobieren und Rückmeldung geben, ob Felder und Info-Hinweise so "brauchbar" sind
• Ort fürs Hosting (aktuell github, kann auch hier weiter mit github-Actions betrieben werden)
• Ressourcen für inhaltliche und technische Weiterentwicklung und Unterhalt (verbunden mit Punkt 1)

Prototyp

https://jarheadcore.github.io/open-farming-hackdays-label-creator

Die Ausgangslage: Invasive gebietsfremde Arten nehmen in der Schweiz stetig zu. Heute werden 89 Pflanzen als invasive Neophyten eingestuft. Invasive Neophyten können die Biodiversität gefährden, die landwirtschaftliche Produktion beeinträchtigen und die Gesundheit von Mensch und Tier gefährden. Ein effizientes Neophytenmanagement ist deshalb von grosser Bedeutung, insbesondere auch im Hinblick auf den Klimawandel und die fortschreitende Globalisierung.

Das Problem: Ein flächendeckendes Neophytenmanagement ist sehr kosten- und arbeitsintensiv. Zudem ist das Neophytenmanagement eine Gemeinschaftsaufgabe. Jedoch können nicht alle GrundeigentümerInnen und Akteure die nötigen Arbeitskräfte und Ressourcen mobilisieren, um ein flächendeckendes Neophytenmanagement zu gewährleisten. Dies kann zu Frustrationen und Konflikten führen, gerade in der Landwirtschaft, wo es Schwellenwerte für gewisse invasive Neophyten gibt. Solche Konflikte kann es beispielsweise zwischen Nachbarn geben, aber auch zwischen grossen Akteuren wie beispielsweise der Verkehrsinfrastruktur und LandwirtInnen. Hier fehlt es an Koordination und Kommunikation. Ziel ist es deshalb, ein Instrument für ein ressourceneffizientes Neophytenmanagement zu schaffen, das die Koordination und Kommunikation zwischen verschiedenen Akteuren fördert.

Idee: Es soll eine Plattform geschaffen werden, die ein partizipatives Neophytenmanagement fördert. Die Plattform könnte Freiwilligeneinsätze koordinieren und LandwirtInnen ermöglichen, Hilfe bei der Bekämpfung von invasiven Neophyten anzufordern. Weiter könnte eine Plattform auch den Austausch von Erfahrungen und Informationsmaterial ermöglichen, die Kommunikation zwischen grossen Akteuren fördern und vieles mehr...

Präsentation Gruppe 11

Source Code

https://vimeo.com/926588879

Wir haben ein PDF-Dokument zur Visuellen Kontrolle. Aus dieser Bonitur z.B. Frostspanner heraus, soll der Kontrollblock ausgefüllt werden. Mit der anschliessenden Berechnung der Schadschwelle und Datum soll, gegen den festgestellten Schädling und die entsprechende Kultur Behandlungsvorschläge gemacht werden. Diese sollen den Optimalen Zeitpunkt z.B. Vorblüte mit der entsprechenden Aufwandmenge angegeben werden. Dazu leicht verständlich z.B. Bienentox und weitere Auflagen, am besten in leicht verständlichen Pictogrammen mit Hinweisen zur Wirkstoffmenge (ggf. aufsummiert), Wirkstoffkombi und Mischtabellen Voll und Teil, Nebenwirkung, Bio & IP. Durch die Verknüpfung mit dem Spritzmittelrechner, sollen Parzelle (Laubwand und Fläche) PSMittel, Name, W-Nr, Menge und Datum vor Generierung einer automatischen Email der vorgenommenen Behandlung zur Eintragung in PS-Dokumentation

Jedes Jahr führt die Fachstelle im Gemüsebau von KW 18 bis ca. KW 43 ein Schädlingsmonitoring für diverse Schädlinge durch. Dafür stehen im ganzen Kanton Fallen welche jeweils wöchentlich kontrolliert werden. Für die meisten Schädlinge gibt es zur Zeit keine Prognosemodelle oder diese sind zu ungenau.

Lösungsansatz: Mit den vorhandenen Daten soll mittels KI und Machine Learning ein Prototyp für ein Prognose- oder Tendenzmodell erstellt werden.

• Schädlingsmonitoringdaten (Kt. AG)
• Klimadaten

Challenge

Ausgangslage

Im März ‘22 haben Emmi und Migros den „KlimaTisch“ ins Leben gerufen. Motivation: Lebens-mittel-Industrie und -Handel wollen ihre Scope 3-Emissionen reduzieren um die Ziele gemäss der Science Based Targets initaitive (SBTi) zu erreichen. SBTi ist ein internationaler Standard, gemäss welchem sich ein wesentlicher Teil der internationa-len und CH-Industrie verpflichtet hat, seine CO2-Emissionen zu reduzieren, um die Ziele des Klimagesetzes zu erreichen. SBTi verlangt von den Betrieben, auch die Scope 3-Emissionen entlang der gesamten Wertschöpfungskette zu reduzieren. Dies inkludiert die vorgelagerte Lieferkette und auch die Kundschaft von Unternehmen. Am KlimaTisch sitzen zahlreiche relevante Akteure aus dem CH-Detailhandel, der CH-Verarbeitungsindustrie und der CH-Landwirtschaft.

Ziel / Idee: Konzipierung BPK

Der KlimaTisch hat sich darauf geeinigt, dass eine „Branchenplattform Klimaschutz“ (BPK) die Umsetzung der Klimaschutzmassnahmen verwalten soll. Die BPK wurde bisher jedoch noch nicht konzipiert, sondern nur andiskutiert. Klar sind bisher nur die prinzipiellen Ziele. Ein ele-mentares Ziel ist, dass das System mit möglichst wenig administrativem Aufwand funktio-niert, um den Aufwand und die Kosten für alle Beteiligten möglichst tief zu halten. Deshalb soll mit Modellen und bestehenden, verfügbaren Daten gearbeitet werden. (z.B. Agis-DB des Bun-des) Diese Challenge will folgende Themen konzipieren und möglichst visuell beschreiben:

• Datenströme: Woher kommen die Daten, was tun wir damit?
• Finanzströme: Wer bezahlt wieviel, wer erhält wieviel, wie funktionieren die Mechanismen?

• Konzept eines Business-Plans für die BPK
• CO2-Gutschriften: Wie funktionieren die? Wer kann sich wann wieviel davon anrechnen las-sen?
• Welche IT-Tools brauchen wir?
• Visualisierung der Nutzung der Dienstleistung der BPK aus Sicht Landwirtschaft («customer-journey», Beschreibung der IT-Anwendung)

Guideline für die Konzipierung sind die Protokolle des KlimaTisches und die bestehende, vom Klima-Tisch verabschiedete Beschreibung («Onepager»). Ziel ist letztlich, dass der KlimaTisch aufgrund dieser Vorarbeit rasch in eine Umsetzungsphase über-gehen kann.