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: Entwicklung eines KI-basierten Expertensystems zur Beurteilung der Effektivität von Unkrautbekämpfungsmaßnahmen unter Berücksichtigung des Schadschwellenprinzips am Beispiel von sensorgeführten Hackmaschinen - Teilprojekt A (WeedAI)
Projekt
Förderkennzeichen: 28DK121A20
Laufzeit: 19.04.2021
- 18.10.2024
Fördersumme: 498.053 Euro
Forschungszweck: Experimentelle Forschung
Stichworte: Ackerbau, Pflanzenschutz, Pflanzengesundheit, Datensammlung, Integrierter Pflanzenschutz, Präzise Landwirtschaft, Nachhaltigkeit, Unkraut/Beikraut, Zuckerrübe, Künstliche Intelligenz, Landtechnik
Aus der Grundlagenforschung stammende Verfahren der Pflanzenerkennung (Deep Learning, KI) sollen für Anwendungen in der Landwirtschaft weiterentwickelt werden. Über bildanalytische Verfahren soll sowohl zwischen Kultur- und Unkrautpflanzen, als auch zwischen den Unkrautarten differenziert werden. Unter Berücksichtigung des Schadschwellenprinzips lassen sich die potenzielle Schadwirkung bzw. Bekämpfungswürdigkeit abschätzen, die Arbeitsqualität / der Bekämpfungserfolg von (sensorgeführten) Hackmaschinen im Bestand (Reihenerkennung und –steuerung) und Effektivität derer Werkzeuge bestimmen. Sensorgeführte Hackmaschinen sollen Fahrer entlasten, Flächenleistung steigern und auch effektiver Unkräuter bekämpfen. Dementsprechend sind Neuentwicklungen in Industrie und Forschung ein hoch aktuelles Thema. Über den tatsächlichen Nutzen ist aber aus wissenschaftlicher Sicht wenig bekannt, dieser ist jedoch für Landwirte, Lohnunternehmer und Maschinenringen kaufentscheidend. Um diese Wissenslücke zu schließen, soll unter anderem in Verbindung mit den oben beschriebenen bildanalytischen Verfahren eine reproduzierbare, möglichst objektive Prüfmethodik entwickelt werden. Nutzer von Maschinenhacken und Maschinenhersteller erhalten die Möglichkeit, ihre Techniken (Fertigprodukte oder Prototypen) zu testen und weiterzuentwickeln. Eine erleichterte automatisierte Bonitur von Unkrautbekämpfungsstrategien unterstützt zudem wesentlich das Versuchswesen. Es ergeben sich somit drei Ziele:1.Weiterentwicklung der vorhandenen Deep-Learning Verfahren und Algorithmen für die Beurteilung vorhandener Kulturpflanzen, Unkrautflora und deren Entwicklung nach Pflanzenschutzmaßnahmen. 2. Entwicklung eines reproduzierbaren Testverfahrens alternativer Pflanzenschutzmethoden unter Nutzung der oben beschriebenen Pflanzenerkennung. 3. Anwendung der Pflanzenerkennung und Testmethodik zur Beurteilung des Unkrautstatus und der sensorgeführten Hackmaschinen.
Abschnittsübersicht
Fachgebiete
- Pflanzenbau
- Pflanzenschutz