Taranis
Taranis
Technische Spezifikation
Technologiereifegrad
TRL 9
Farm Scale-Typen
Big scale
Produktionssysteme
Offenes Feld
Techniktypen
Entscheidungshilfe Techniken, Monitoring Techniken
Anwendungsbereiche
Bakterien, Pilze, Insekten, Weeds
Name der Firma
Taranis
Herkunftsland
Vereinigte Staaten
Contact Person
info@taranis.ag
Besondere Anforderung
Notwendigkeit einer besonderen Agrarlandschaft
Benötigen Sie spezielle Ausbildung

Beschreibung

Digitale Agronomielösung zum Erkennen, Analysieren und Behandeln früher Anzeichen von Pflanzenschädlingen, um fundierte Entscheidungen zu treffen, Kosten zu senken und den Ertrag zu maximieren.  Erkennen Sie die ersten Anzeichen von Schadinsekten mithilfe von Bildern mit Submillimeter-Auflösung, um eine präzise Identifizierung zu ermöglichen.  Frühzeitige Erkennung und Identifizierung von Läsionen, Flecken oder abnormalem Pflanzenverhalten.  Verwaltung aller Felder auf einer einzigen intelligenten Plattform - Bilder, Analysen, Erkenntnisse, Berichte und feldübergreifende Vergleiche.  Präzises Spritzen in der Landwirtschaft mit variablen Zonen - Planung, Quantifizierung und Export von Vorschlägen.  Scheint Drohnen und Satellitenbilder zu nutzen.  Die SmartScout-Technologie ist in Deutschland, Österreich, der Schweiz und Bulgarien verfügbar.  Cloud-Lösungen sind weltweit verfügbar.

Für mehr Informationen
Verwendete Pflanzen
  • Getreide
  • Raps
  • Kartoffel
  • Reis
  • Sojabohne
  • Zuckerrohr
  • Zuckerrüben
  • Weizen
  • Gerste
Kulturen möglich
  • Alle
Verwendete Länder
  • Australien
  • Brasilien
  • Vereinigte Staaten
  • Latin America
Spezies
  • Verschiedene Arten
Kommentar zur technischen Anforderung

Taranis bietet Bildgebung auf der Grundlage seiner proprietären Technologien UHR & AI2. UHR wird verwendet, um gefährdete Gebiete zu priorisieren. Taranis UHR erfasst multispektrale Bilder von Feldern mit einer Bildverarbeitungseinheit mit einer Auflösung von 8-12 cm. Basierend auf den Prioritäten von UHR wird AI2 eingesetzt, um Probleme der Pflanzenbestände anhand von Bildern mit einer Auflösung von 0,1 mm pro Pixel zu analysieren. Jedes Bild wird von einer Deep-Learning-Engine analysiert, um die Pflanzengesundheit und -qualität zu bewerten. Diese nutzt mathematische Modelle und Hardware-Plattformen in der Cloud und wurde von über 60 Experten trainiert, die mehr als 1.000.000 Beispiele für Pflanzengesundheitsprobleme lieferten.

Kostendetails

Die Preisgestaltung hängt vom Standort ab.

Fallbeispiele/ Zusätzliche Informationen

Fallbeispiel: https://youtu.be/-BjF9Udjee0

Abgedeckte Anbaufläche

Taranis verfügt über ein Netz von mehr als 60 Leichtflugzeugen, die jeweils eine Fläche von 50.000 Hektar pro Tag abdecken können.

Unterstützung

Kostenlose Demo verfügbar. Ganzjähriger Service und Support.

Arbeitsweise

Cloud-basiert. App auf Smartphone und als Webservice verfügbar.

Genauigkeit

Dank der Bildauflösung im Submillimeterbereich ist es möglich, zwischen verschiedenen Arten von Insektenschäden, Läsionen, verschiedenen Nährstoffmängeln, Unkrautarten und mehr zu unterscheiden.

Schlüsselwörter
  • Crop monitoring
Media-Dateien
Youtube Videos