Die Maschine soll nicht nur den Reifegrad des Gemüses erkennen, ohne das Weiße zu sehen. Auch die Größe muss sie erkennen, ohne den Kohlkopf zu wiegen. Dafür entwickeln und erforschen die Wissenschaftler des IFF die nötige Sensorik und Software. Die gewonnenen Daten müssen analysiert und so aufbereitet werden, dass die Maschine einen klaren Hinweis erhält: ernten oder stehenlassen. »Wir nutzen einen Effekt, den wir in Voruntersuchungen entdeckt haben: Die Blätter von einem reifen Blumenkohl setzen sich biochemisch anders zusammen als die, von einem unreifen Kopf«, erklärt Prof. Udo Seiffert, Leiter der Abteilung »Biosystems Engineering« am IFF.
An die Erntemaschine montierte Hyperspektralkameras nehmen die Blätter der Kohlköpfe auf. Im Gegensatz zu normalen Kameras misst die Hyperspektralkamera in einem definierten Wellenlängenbereich, der über den Bereich des menschlichen Sehens hinausgeht. Er umfasst auch das infrarote und das ultraviolette Licht. Anhand der Intensität des reflektierten Lichts bei den verschiedenen aufgenommenen Wellenlängen können die Forscher über ein mathematisches Modell auf die biochemische Zusammensetzung der Blätter schließen und damit auf den Reifegrad des Kohls.
Für die Forscher ist jedoch nicht die genaue biochemische Zusammensetzung der Blätter interessant. Die Maschine soll nur eine entsprechende Ja-Nein-Anweisung für die Ernte erhalten. Das mathematische Modell, das die Aufnahmen der Kamera in eben diese Anweisung übersetzt, basiert auf Algorithmen, die aus dem maschinellen Lernen stammen. Die Forscher trainieren das System anhand von Beispielen. Sie zeigen der Kamera verschiedene Blumenkohlköpfe, die gleichzeitig von einem menschlichen Experten begutachtet werden. Nach einer solchen Trainingsphase kann das System dann auch bei unbekannten Kohlköpfen selbstständig entscheiden, welcher Blumenkohl geerntet werden soll.
Während die Wissenschaftler des Fraunhofer IFF sich um die Sensorik und die Datenanalyse kümmern, widmet sich ai-solution der Ernteeinheit, die später die Kohlköpfe ernten soll. Dafür rüsten sie ihren Spargelernter »Spargelpanther« auf, damit er auch für andere Gemüsesorten verwendet werden kann. Neben ai-solution sind noch fünf weitere Partner an der Entwicklung beteiligt: die Gottfried-Wilhelm-Leibniz-Universität Hannover, Steig, Beutelmann Gemüseanbau, König Sondermaschinenbau GmbH und Inokon.