TUM-Startup entwickelt KI-gestützte Kartoffelsortiermaschine

Karevo, ein Spin-off der Technischen Universität München (TUM), hat eine maschinell lernbasierte Anlage zur automatisierten Kartoffelsortierung entwickelt, die bis zu zehn Tonnen Kartoffeln pro Stunde verarbeiten kann.

Das System nutzt optische Erkennung und ein trainiertes KI-Modell, das eine Genauigkeit von 95 Prozent bei der Identifizierung von Defekten und Fremdkörpern erreicht. Das Modell, das mit über 100.000 Bildern trainiert wurde, kann sieben Arten von Kartoffeldefekten erkennen, darunter Fäulnis, Risse und Drahtwurmschäden.

Ein wesentliches Merkmal des Systems ist seine Fähigkeit, auch ungewaschene Kartoffeln zu sortieren. Laut Karevo-Mitbegründer Benedikt Keßler haben viele andere Erkennungsmethoden Schwierigkeiten mit ungewaschenen Kartoffeln, da deren Erscheinungsbild je nach Bodenbeschaffenheit, Region und Lagerbedingungen stark variieren kann. Das KI-Modell lässt sich schnell an die spezifischen Bedingungen jedes Betriebs anpassen.

Das Unternehmen richtet sich mit seiner Maschine gezielt an kleine und familiengeführte landwirtschaftliche Betriebe. Viele bestehende Lösungen seien zu groß, teuer oder wartungsintensiv für kleinere Betriebe. Karevos System ist kleiner, erschwinglicher und modular aufgebaut, was die Integration und Wartung erleichtert.