Auf unserer Webseite verwenden wir Cookies, die unter „Cookie-Einstellungen anpassen“ näher beschrieben werden. Notwendige Cookies werden für grundlegende Funktionen der Webseite benötigt, um eine optimale Nutzung zu ermöglichen. Dadurch ist gewährleistet, dass die Webseite einwandfrei funktioniert. Darüber hinaus können Sie Cookies für Statistikzwecke zulassen. Diese ermöglichen es uns, die Webseite stetig zu verbessern und Ihr Nutzererlebnis zu optimieren. Ihre Einwilligung zur Nutzung der Statistik-Cookies ist freiwillig und kann in der Datenschutzerklärung dieser Webseite unter „Cookie-Einstellungen“ jederzeit widerrufen werden.
Verbundprojekt: Blattlaus-Identifikation durch Künstliche Intelligenz - Teilprojekt A (AI2)
Projekt
Förderkennzeichen: 28DK106A20
Laufzeit: 01.05.2021
- 31.08.2024
Fördersumme: 364.036 Euro
Forschungszweck: Angewandte Forschung
Stichworte: Umwelt- und Naturschutz, Digitalisierung, Digitale Welt, Pflanzenschutz, Pflanzengesundheit, Präzise Landwirtschaft, Künstliche Intelligenz, Tierische Schaderreger, Monitoring
Blattläuse gehören in Deutschland zu den bedeutendsten Schadinsekten ackerbaulicher Kulturen deren Bedeutung in den letzten Jahren weiter zugenommen hat. Um eine optimale Bekämpfung durchführen ist es wichtig, deren zeitliches und räumliches Auftreten zu kennen und einzelne Arten korrekt zu identifizieren. Diese Identifizierung anhand morphologischen Merkmalen ist äußerst zeit- und kostenaufwendig und bedarf aufgrund der Komplexität hoher Expertise, welche stetig schwindet. In der Praxis des Schadinsektenmonitorings entstehen so bei den Pflanzenschutzdiensten in den Hochzeiten der Zuflugphasen oft personelle Engpässe. Dieses Projekt hat zum Ziel auf Basis von Deep Learning und dem Einsatz künstlicher Intelligenz Tools für die automatisierte Erkennung und Klassifizierung von Blattläusen aus Massenfängen, wie Saugfallen oder Gelbschalen, zu entwickeln. Eine KI bietet für das Schädlingsmonitoring weitreichende Vorteile: 1) signifikante Reduktion der Bearbeitungszeit, weitestgehend unabhängig von Personal, 2) standardisierte Ergebnisse ohne individuellen Personenfehler, 3) Nutzung der KI an mehreren Standorten, z.B. allen Pflanzenschutzdiensten, 4) schnellere Detektion invasiver Schadinsekten dank zeitnaher Probenbearbeitung. All diese Aspekte erlauben zukünftig eine Ausweitung des Monitorings und somit u.a. eine weitere Verbesserung von Warnhinweisen.
Abschnittsübersicht
Fachgebiete
- Pflanzenschutz
Rahmenprogramm
Förderprogramm
Ausführende Einrichtung
Julius Kühn-Institut, Bundesforschungsinstitut für Kulturpflanzen (JKI)