Dr. Nikolaos Tsoulias

Organisationseinheit(en):Institut für Technik Professur für Technik

Kontaktdaten:
Tel.: +49 6722 502 371
E-Mail: Nikolaos.Tsoulias(at)hs-gm.de

Postanschrift:Von-Lade-Straße 1
D-65366 Geisenheim

Besucheranschrift: Gebäude 6003
Raum 213
Brentanostraße 9
65366 Geisenheim

Dr. Nikos Tsoulias, Senior Researcher und Dozent an der Hochschule Geisenheim University, hat 2021 einen Doktortitel in Agrartechnik an der Agraruniversität Athen (Griechenland) erlangt. Er erhielt seinen Master of Science in Precision Farming (2016) an der Harper Adams University (Vereinigtes Königreich), vollständig finanziert von CNH Industrial, und hat einen Bachelor in Landwirtschaft sowie einen integrierten Master of Science in Agrartechnik von der Agraruniversität Athen (Griechenland).

Derzeit arbeitet er am Department of Agricultural Engineering der Hochschule Geisenheim University, wo er Vorlesungen in Präzisionslandwirtschaft, Phänotypisierung, digitale Zwillinge, landwirtschaftliche Maschinen und Robotik in der Gartenbau- und Weinbauindustrie hält. Seit Beginn seiner beruflichen Laufbahn arbeitet er als Forscher und legt einen starken Fokus auf die Zusammenarbeit mit der Industrie und Forschung. Er ist ein Experte für Maschinenvision und optische Sensoren im Agrar- und Lebensmittelsektor.

Dr. Nikos Tsoulias ist Autor von über 30 begutachteten wissenschaftlichen Artikeln. Er hielt einen Vortrag mit dem Titel „Bridging Digital Shadows with Physiological Models and Field Applications“ auf der EHC 24 in Bukarest, organisiert von der ISHS. Er ist auf die Entwicklung von Techniken zur Echtzeit-Detektion im Bereich Maschinenvision und Pflanzensensierung spezialisiert. Zu seinen Forschungsinteressen gehören die Phänotypisierung von Obst und Bäumen, 3D-Daten, Photonik in der Landwirtschaft, IoT-Systeme, unbemannte Boden- und Luftfahrzeuge, Maschinenautomatisierung, Präzisionsgartenbau/Weinbau und digitale Zwillinge. Kürzlich war er in mehrere europäische Projekte wie Oenotrace und SHEET involviert, die vom ICT-AGRI-FOOD Co-Fund finanziert wurden, sowie in nationale Projekte wie ISObot, DIWAKOPTER, AquaC+ und Primefruit.

Poss B., Tsoulias N., Heiß A., Paraforos D. (2024): Vergleich zwischen luft- und bodengeführten Laser-Scannern zur Bestimmung der Laubwandhöhe im Weinbau. Bonn S. 371 - 376.
978-3-88579-738-8

Psiroukis V., Papadopoulos G., Kasimati A., Tsoulias N., Fountas S. (2023): Cotton Growth Modelling Using UAS-Derived DSM and RGB Imagery. Remote Sensing 15 (5) DOI: 10.3390/rs15051214

Tsoulias N., Saha K.K., Zude-Sasse M. (2023): In-situ fruit analysis by means of LiDAR 3D point cloud of normalized difference vegetation index (NDVI). Computers and Electronics in Agriculture 205 DOI: 10.1016/j.compag.2022.107611

Tsoulias N., Jörissen S., Nüchter A. (2022): An approach for monitoring temperature on fruit surface by means of thermal point cloud. MethodsX 9 DOI: 10.1016/j.mex.2022.101712

Penzel M., Tsoulias N. (2022): Annual shoot growth on apple trees with variable canopy leaf area and crop load in response to LiDAR scanned leaf area to fruit ratio**. International Agrophysics 36 (3) S. 173 - 180. DOI: 10.31545/intagr/150761

Penzel M., Tsoulias N., Saha K.K., Handtke N., Gubin E., Zude-Sasse M. (2022): Cherry tree growth in response to varying soil apparent electrical conductivity. International Society for Horticultural Science (ISHS) S. 289 - 296. DOI: 10.17660/ActaHortic.2023.1366.34

Tsoulias N., Xanthopoulos G., Fountas S., Zude-Sasse M. (2022): Effects of soil ECa and LiDAR-derived leaf area on yield and fruit quality in apple production. Biosystems Engineering 223 S. 182 - 199. DOI: 10.1016/j.biosystemseng.2022.03.007

Tsoulias N., Herppich W.B., Fountas S., Zude-Sasse M. (2022): Estimating the spatial variability of water needs using the soil ECa, rooting depth, and fruit developmental stage in sweet cherry orchard. International Society for Horticultural Science (ISHS) S. 103 - 110. DOI: 10.17660/ActaHortic.2022.1335.12

Saha K.K., Tsoulias N., Weltzien C., Zude-Sasse M. (2022): Estimation of Vegetative Growth in Strawberry Plants Using Mobile LiDAR Laser Scanner. Horticulturae 8 (2) DOI: 10.3390/horticulturae8020090

Zapata N.T., Tsoulias N., Saha K.K., Zude-Sasse M. (2022): Fourier analysis of LiDAR scanned 3D point cloud data for surface reconstruction and fruit size estimation. S. 197 - 202. DOI: 10.1109/METROAGRIFOR55389.2022.9964881

Mostafa H., Saha K.K., Tsoulias N., Zude-Sasse M. (2022): Using LiDAR technique and modified Community Land Model for calculating water interception of cherry tree canopy. Agricultural Water Management 272 DOI: 10.1016/j.agwat.2022.107816

Tsoulias N., Fountas S., Zude-Sasse M. (2021): Estimating the canopy volume using a 2D LiDAR in apple trees. International Society for Horticultural Science (ISHS) S. 437 - 444. DOI: 10.17660/ActaHortic.2021.1327.58

Saha K.K., Tsoulias N., Zude-Sasse M. (2021): Estimation of leaf area of sweet cherry trees trained as spindle using ground based 2D mobile LiDAR system. International Society for Horticultural Science (ISHS) S. 429 - 436. DOI: 10.17660/ActaHortic.2021.1327.57

Penzel M., Herppich W.B., Weltzien C., Tsoulias N., Zude-Sasse M. (2021): Modeling of Individual Fruit-Bearing Capacity of Trees Is Aimed at Optimizing Fruit Quality of Malus x domestica Borkh. 'Gala'. Frontiers in Plant Science 12 DOI: 10.3389/fpls.2021.669909

Zude-Sasse M., Akbari E., Tsoulias N., Psiroukis V., Fountas S., Ehsani R. (2021): Sensing in Precision Horticulture. 978-3-030-78431-7

Saha K.K., Tsoulias N., Zude-Sasse M. (2020): Bewertung der Messunsicherheit bei der Analyse von Obstbäumen mit mobilem 2D-Laserscanner. Landtechnik 75 (4) S. 270 - 277. DOI: 10.15150/lt.2020.3251

Penzel M., Lakso A.N., Tsoulias N., Zude-Sasse M. (2020): Carbon consumption of developing fruit and the fruit bearing capacity of individual RoHo 3615 and Pinova apple trees. International Agrophysics 34 (4) S. 409 - 423. DOI: 10.31545/intagr/127540

Tsoulias N., Xanthopoulos G., Fountas S., Zude M. (2020): In-situ detection of apple fruit using a 2D LiDAR laser scanner. S. 278 - 282. DOI: 10.1109/metroagrifor50201.2020.9277629

Penzel M., Tsoulias N., Herppich W.B., Weltzien C., Zude-Sasse M. (2020): Mapping the fruit bearing capacity in a commercial apple (Malus x domestica BORKH.) orchard. S. 283 - 287. DOI: 10.1109/metroagrifor50201.2020.9277563

Tsoulias N., Gebbers R., Zude-Sasse M. (2020): Using data on soil ECa, soil water properties, and response of tree root system for spatial water balancing in an apple orchard. Precision Agriculture 21 S. 522 - 548. DOI: 10.1007/s11119-019-09680-8

Tsoulias N., Paraforos D.S., Fountas S., Zude-Sasse M. (2019): Calculating the water deficit spatially using LiDAR laser scanner in an apple orchard. S. 115 - 121. DOI: 10.3920/978-90-8686-888-9_13
978-90-8686-337-2

Saha K.K., Tsoulias N., Zude-Sasse M. (2019): Removing ground points from 3D point cloud in apple orchard. Potsdam Leibniz-Institut für Agrartechnik und Bioökonomie e.V. Bornimer Agrartechnische Berichte 102 S. 76 - 83.

Penzel M., Tsoulias N., Lakso A.N., Zude-Sasse M. (2019): Spatial variability of the individual tree's fruit bearing capacity in commercial orchards of 'RoHo 3615' and 'Pinova' apple. International Society for Horticultural Science (ISHS) S. 125 - 132. DOI: 10.17660/ActaHortic.2021.1314.17

Tsoulias N., Paraforos D., Brandes N., Fountas S., Zude-Sasse M. (2018): Calculating the Water Deficit of Apple Orchard by Means of Spatially Resolved Approach. Montreal,Quebec

Tsoulias N., Zude-Sasse M. (2018): Calculating the water deficit of cherry orchard by means of spatially resolved approach. DOI: 10.13031/aim.201800906

Brandes N., Tsoulias N., Zude-Sasse M. (2018): Ermittlung des kultur-und standortangepassten Wasserbedarfs unter Berücksichtigung der Fruchtentwicklungsphasen bei Kulturheidelbeere (Vaccinium corymbosum L.). Landtechnik 73 (6) S. 179 - 187. DOI: 10.15150/lt.2018.3195

Optimiertes Management von Feldrobotern durch intelligente Prozessführung und standardisierte Interoperabilitäts-Mechanismen

Projektanfang: 01.11.2024
Projektende: 31.10.2027
Förderer: Bundesministerium für Ernährung und Landwirtschaft

Autonome Feldroboter haben ein enormes Potenzial zur Ökologisierung des Pflanzenbaus und Mitigation des Fachkräftemangels. Obwohl diese Systeme mittlerweile marktreif sind, bestehen nach wie vor große Herausforderungen, vor allem in Bezug auf das Zusammenspiel mit dem Maschinenmanagement, der Prozessführung sowie der Interaktion zwischen Roboter und Anbaugerät. Das Ziel von ISObot ist die Entwicklung eines Gesamtsystems für die Optimierung des operativen Managements von Feldrobotern durch verbesserte Interoperabilität auf unterschiedlichen Ebenen sowie eine automatisierte Prozessführung. Ausgangsbasis sind kommerzielle Roboter-Anbaugerät Kombinationen und ein webbasiertes Maschinenmanagementsystem. Für die Unkrautregulierung im Weinbau wird eine Prozessregelung entwickelt, welche mithilfe von Sensoren und intelligenten Algorithmen den Arbeitsprozess überwacht, aktiv steuert und die Arbeitsqualität dokumentiert. Ein weiterer Anwendungsfall im Ackerbau wird sich mit dem Monitoring des Hackprozesses und der Erfassung von Prozessparametern befassen. In beiden Fällen werden die Roboter über ein IoT-System mit dem Maschinenmanagement verknüpft, um über nutzerfreundliche Interfaces prozessrelevante Informationen zu visualisieren und für die weitere agronomische Verwendung bereitzustellen. Schließlich werden Ansätze entwickelt, um die Kommunikation zwischen den beteiligten Teilsystemen, vor Allem auf Basis des ISO 11783 (ISOBUS) Standards, in eine automatisiert maschinenlesbare Form zu bringen und so auf unterschiedlichen Ebenen ein Höchstmaß an Interoperabilität ohne manuellen Zusatzaufwand zu gewährleisten. Über Disseminationsund Transferaktivitäten wird im Projekt ein Austausch mit der landwirtschaftlichen Praxis hergestellt. Außerdem sollen Empfehlungen für weitere Normierungsbestrebungen zur verbesserten Interoperabilität der elektronischen Kommunikation in der Agrartechnik abgeleitet werden können.

Dr. Nikolaos Tsoulias

Cookie Einstellungen