KI-basierte Erkennung von Virosen in Saatkartoffeln

Das vorliegende Projekt verfolgt das Ziel, Viruserkrankungen bei Saatkartoffeln durch den Einsatz von Drohnen und modernen maschinellen Lernverfahren effizient zu erkennen und im Feld präzise zu lokalisieren. Des Weiteren soll damit der Befallsgrad festgestellt werden, um entscheiden zu können ob eine Bekämpfung nötig ist oder nicht. Die manuelle Inspektion von Feldern ist sowohl zeitaufwendig als auch fehleranfällig, da das gesamte Feld begangen und untersucht werden muss. Aus diesem Grund könnte der Einsatz von Convolutional Neural Networks (CNNs) zur Analyse von Luftaufnahmen eine vielversprechende Alternative darstellen, um Pflanzen mit Virosen schneller zu finden und gezielt bekämpfen zu können.

Im Rahmen des Projekts soll ein CNN trainiert werden, welches in der Lage ist, Virosen an Kartoffelpflanzen zu erkennen und infizierte Bereiche auf Luftbildern zu identifizieren. Drohnen liefern die benötigten Luftbilder, die anschließend vom Modell analysiert werden, um eine präzise Lokalisierung der infizierten Pflanzen zu ermöglichen.

Ziel ist es, eine datenbasierte Methode zu entwickeln, die es Landwirten ermöglicht, Virusinfektionen frühzeitig zu erkennen, wodurch eine ressourcenschonende und effiziente Bekämpfung im Sinne der Präzisionslandwirtschaft erreicht wird.

Dieses Projekt konzentriert sich darauf herauszufinden, ob befallene Kartoffelpflanzen mithilfe der Bilderkennung detektiert und lokalisiert werden können. In zukünftigen Projekten könnte die Entwicklung automatisierter Bekämpfungsstrategien in Betracht gezogen werden, um den Arbeitsaufwand weiter zu reduzieren und die Effizienz der Pflanzenschutzmaßnahmen zu erhöhen.

Die Veranstaltung findet im Rahmen des European Digital Innovation Hub Programms statt und wird von der Europäischen Kommission, dem Bundesministerium für Arbeit und Wirtschaft sowie der FFG gefördert.