Gelbrosterkennung im Winterweizen

Ziel des Projektes ist die Entwicklung neuer KI-basierter Methoden für landwirtschaftliche Fragestellungen wie die Optimierung des Pflanzenschutzmittelaufwandes oder der eingesetzten Düngermengen durch Mechanismen der Früherkennung. Die gewonnen Daten und Erkenntnisse sollen dann in Cloudanwendungen über offene Schnittstellen Endanwendern oder Entwicklern zugänglich gemacht werden.

Um diesen Zielen näher zu kommen, unterstützt das Team des IPZ - in enger Zusammenarbeit mit dem Heinrich-Hertz-Institut der Fraunhofer Gesellschaft - auch im letzten Projektjahr die Untersuchungen. Dies geschieht mit Hilfe von Topf- und Feldversuchen, welche als Grundlage für multispektrale Aufnahmen dienen. Der Aufnahmezeitraum für die Gelbrostfrüherkennung erstreckte sich von Mitte Mai bis Mitte Juni. In diesem Zeitraum wurden im täglichen Rhythmus mittels einer Stativkamera mehrere Dutzend Einzelaufnahmen von einem eigens angelegten Topfversuch erzeugt. Parallel wurden von einem 2.000 m² großen Praxisversuch mit einer Drohne weitere multispektrale Aufnahmen generiert.

Training von KI-Algorithmen

Hintergrund dieser Aufnahmen ist die Schaffung einer Datengrundlage zum Training von KI-Algorithmen inklusive zusätzlicher Erkenntnisse zur Krankheitsdynamik. Damit dies gelingt, wurden zusätzlich im Feld- und Topfversuch zahlreiche Bonituren vom Boden aus durchgeführt und Markierungen gesetzt, sodass die wertvollen Boniturdaten mit den Sensoraufnahmen verknüpft werden können.

Mit fortschreitender Saison wird ab Juli der Untersuchungsfokus von Winterweizen zu Zuckerrüben wechseln. Hier soll dann getestet werden, ob KI-Algorithmen auch bei der Früherkennung der Cercospora-Blattflecken helfen können.   

Ole Spickermann,
DLG-Fachzentrum Landwirtschaft, Projektreferent Digitale Landwirtschaft
o.spickermann@dlg.org