Jakob Geipel
Forsker
Biografi
Jakob er forsker i skjæringspunktet mellom presisjonsjordbruk, fjernmåling og digital landbruksteknologi. Med doktorgrad i landbruksvitenskap og bakgrunn innen geomatikk og land- og fjernmåling, utvikler han sensor- og datadrevne metoder for en mer presis, effektiv og kunnskapsbasert planteproduksjon.
Forskningen hans kombinerer observasjoner fra satellitter, droner og bakkebaserte sensorer med multispektral og hyperspektral analyser, radiometrisk kalibrering, agronomisk modellering, maskinlæring og kunstig intelligens. Arbeidet er rettet mot å hente ut pålitelig og handlingsrelevant informasjon om biomasse, avling, plantekvalitet og næringsstatus, særlig i korn-, eng- og potetproduksjon.
Han leder utviklingen av digitale webtjenester og skalerbare dataprosesser, som omsetter forskningsmetoder og geodata til praktiske verktøy for presisjonsgjødsling, planteovervåking og beslutningsstøtte. En viktig retning i arbeidet er å integrere nye sensorteknologier, KI-baserte analyser og agronomisk kunnskap i robuste, digitale tjenester tilpasset skiftende brukerbehov i det norske landbruket.
Nøkkelord
Presisjonsjordbruk; fjernmåling; geomatikk; multispektral og hyperspektral analyse; radiometrisk kalibrering; satellitt- og drone-data; sensorsystemer; maskinlæring; kunstig intelligens; landbruksmodellering; planteovervåking; dataprosesser; digitale webtjenester; beslutningsstøtte.
Bakgrunn
2012-2016: Dr. sc. agr. (Ph.D.) in Agricultural Sciences, Institute of Crop Science, Department of Agronomy, University of Hohenheim, Germany
2009-2012: M.Sc. in Geoinformatics, Institute for Geoinformatics, University of Münster, Germany
2005-2009: Dipl.-Ing. (FH) in Surveying Engineering and Geoinformatics, University of Applied Sciences Würzburg-Schweinfurt, Germany
Sammendrag
Neural Radiance Fields (NeRF) have been widely adopted for reconstructing high-quality 3D scenes from 2D RGB images. However, achieving accurate 3D object segmentation within these reconstructed scenes remains challenging. Existing NeRF-based segmentation methods either rely on post-processing (SA3D), which produces noisy point clouds due to the absence of density field optimization, or employ joint training with additional segmentation heads (FruitNeRF), which can lead to suboptimal performance due to conflicting learning objectives. In this work, we propose InvNeRF-Seg (Input-substitution NeRF for Segmentation), a two-stage fine-tuning strategy for 3D object segmentation that preserves the original NeRF architecture and loss function entirely. We first train a standard NeRF on RGB images and then fine-tune it using 2D segmentation masks formatted as RGB-like inputs, without introducing any architectural modifications or additional loss functions. This input-substitution approach reshapes the density field to align with object regions while suppressing background density. We validate InvNeRF-Seg through comprehensive ablation studies examining the roles of density and color MLPs, loss function choices, and training strategies. Field density analysis reveals consistent semantic refinement: densities of object regions increase while background densities are suppressed. Experiments on synthetic fruit datasets and real-world soybean imagery demonstrate that InvNeRF-Seg produces cleaner 3D segmented point clouds compared to both SA3D and FruitNeRF, enabling more accurate downstream object counting. The method is further validated on a self-collected soybean dataset to demonstrate its applicability in real-world agricultural scenarios.
Sammendrag
Det er ikke registrert sammendrag
Forfattere
Jakob Geipel Therese With Berge Krzysztof Kusnierek Kristian Sæther Malin Larsen Græsdahl Ingeborg Hogne Kristian Rindal Thor Johannes RognebySammendrag
Det er ikke registrert sammendrag
Divisjon for matproduksjon og samfunn
Presis gjødsling og vekstregulering av norske grasfrøenger ved hjelp av sensorteknologi (SmartSeed)
Divisjon for bioteknologi og plantehelse
SOLUTIONS: New solutions for potato canopy desiccation, control of weeds and runners in field strawberries & weed control in apple orchards
Efficient measures for weed control and similar challenges are vital to avoid crop loss in agriculture. National supply of food, feed and other agricultural products depends on each farmer’s success managing their fields and orchards. The recent loss of the herbicide diquat, and the potential ban on glyphosate, - both important tools for farmers -, raise a demand for new measures for vegetation control. Efficient alternatives to herbicides are also important tools in Integrated Pest Management (IPM). Norwegian growers need to document compliance to IPM since 2015 to ensure minimum hazards to health and environment from pesticide use.
Divisjon for matproduksjon og samfunn
COPERNICUS - Jordbruk
Formålet med prosjektet er å ta i bruk satellitt-data fra Copernicus programmet for å utvikle rutiner og verktøy rettet inn mot jordbruksfaglige problemstillinger, og gjennom dette bidra med informasjon og råd til relevante aktører (bønder, rådgivere, jordbruksnæringa, kommuner, politikere og utdanningsinstitusjoner). Prosjektet skal dermed bidra til å forbedre dagens dyrkningspraksis, som gjennom en bedre utnyttelse av innsatsfaktorer som gjødsel og fôr også bidrar til å redusere klimaavtrykket til det norske jordbruket.
Divisjon for matproduksjon og samfunn
Techgraze – Integrating Advanced Technologies for Enhanced Grazing Practices in Norway
In Norway, a declining grazing pressure and farm abandonment have led to undesirable ecological and socio-economic outcomes. The TechGraze project aims to address these challenges by integrating Virtual Fencing (VF) and Remote Sensing (RS) technologies to enhance pasture-based livestock management.
Divisjon for matproduksjon og samfunn
Techgraze – Forbedret beitepraksis i Norge med bruk av avansert teknologi
Redusert beitetrykk og nedleggelse av gårdsbruk har ført til uønskede økologiske og sosioøkonomiske konsekvenser. TechGraze-prosjektet tar sikte på å møte disse utfordringene ved å integrere Virtual Fencing (VF) og Remote Sensing (RS)-teknologier for å forbedre beitebasert husdyrforvaltning.
Divisjon for bioteknologi og plantehelse
SOLUTIONS: Nye løsninger for nedvisning av potetris, bekjempelse av ugras og utløpere i jordbær og ugraskontroll i eplehager
Håndtering av ugress og andre plantevernutfordringer er viktig for å unngå avlingstap i landbruket. Tilbudet av norske rå-, mat- og fôrvarer påvirkes av at bonden lykkes med sin innsats i åker og frukthager. Et nylig forbud mot plantevernmiddelet dikvat og den usikre framtida til glyfosat – begge viktige innsatsfaktorer i norsk jord- og hagebruk – fordrer nye løsninger. Gode alternativ til ordinære plantevernmidler er dessuten velkomne som verktøy i integrert plantevern (IPV). Norske dyrkere er siden 2015 pålagt å følge IPV. Hensikten med IPV er blant annet redusert risiko ved bruk av plantevernmidler på helse og miljø.