Projekt

ZIM Kartoffelfäule

Entwicklung eines bildbasierten Überwachungssystems großer Kartoffelanbauflächen mit intelligenter Entscheidungslogik für eine rechtzeitige Diagnose der Phytophthora infestans

Entwicklung eines bildbasierten Überwachungssystems großer Kartoffelanbauflächen mit intelligenter Entscheidungslogik für eine rechtzeitige Diagnose der Phytophthora infestans

  • Laufzeit:

In Deutschland und vielen anderen Ländern, trägt der Anbau von Kartoffelpflanzen einen Großteil zur Nahrungsmittelversorgung bei. Die Kraut- und Knollenfäule ist hierbei weltweit die größte Bedrohung für den Anbau von Kartoffeln. Die jährlich auftretende Krankheit könnte große Teile oder auch die gesamte Ernte vernichten. Dramatische Folgen, wie etwa die Hungersnot Ende der 40er-Jahre des 19. Jhd. in Irland, können heutzutage zwar durch den Einsatz von Fungiziden vermieden werden, allerdings ist deren umfangreicher Einsatz sowohl für die Umwelt als auch finanziell eine Belastung. Das in diesem Projekt entwickelte Feldbeobachtungssystem soll den Fungizideinsatz optimieren und somit die Menge der einzusetzenden Mittel um bis zu 45% reduzieren.

Phytophthora infestans ist der Erreger der Kraut- und Knollenfäule, der relevantesten Pilzerkrankung bei Kartoffeln, und sorgt weltweit für Ernteeinbußen von etwa 20 Prozent. Eine einzige befallene Pflanze kann bis zu 500.000 qm Fläche innerhalb weniger Tage infizieren. Geplant ist die Entwicklung eines bildbasierten Systems, welches durch eine dauerhafte Überwachung und einer intelligenten Entscheidungslogik den optimalen Pflanzenschutzmitteleinsatz bei Kartoffelpflanzen bestimmt. Die vorgesehene Lösung soll eine Software für ein autonomes System (Multicopter) sein, welches Sensordaten einer Multispektralkamera verwendet. Die Datenauswertung erfolgt dann auf einer Bodenstation, die mittels GPU (CUDA) beschleunigten Algorithmen, wie Bilddatenverarbeitung, Spektralanalyse, Merkmalsextraktion und Entscheidungslogik eine zuverlässige und schnelle Entscheidung über den Befall einer Kartoffelpflanze mit phytophthora infestans trifft. Darauf basierend wird eine Empfehlung für den optimalen Fungizideinsatz generiert, und so eine Einsparung von 30-45% der Fungizide und der damit verbundenen Kosten erstmals realisiert.

Partner

ARGUS monitoring

Fördergeber

Bundesministerium für Wirtschaft und Energie

ZF4235505GR7

Bundesministerium für Wirtschaft und Energie
AiF Projekt GmbH

AiF Projekt GmbH

Projektbilder

Datenakquise mit Drohne (microdrones MD4-1000 mit MicaSense RedEdge)

Nahaufnahme Versuchsfeld

Beispielbild Versuchsfeld aus Drohnensicht, Farbbild auf Basis der RGB ähnlichen Spektralbilder.

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence