Multifunktionale Biomaterialien

Foto: Foltan/ATB

KI gegen Unkräuter

Drohnenflug mit Kamera über ein Weizenfeld im Fieldlab for Digital Agriculture des ATB am Standort Marquardt (Foto: Schirrmann/ATB)

Mit Hilfe von künstlicher Intelligenz (KI) sollen Drohnen künftig präzise Informationen zum Auftreten von Unkräutern in Getreidebeständen liefern, um  durch mehr Präzision im Pflanzenschutz Umweltwirkungen zu reduzieren und die Biodiversität auf dem Feld zu verbessern. Das Projekt ‚weed-AI-seek‘ (Koordination ATB) zielt dabei auf ein intelligentes Monitoring- und Mapping-System, bei dem die Echtzeiterfassung der Unkrautverteilung in Getreidebeständen im Vordergrund steht. Das Projekt ‚BETTER-WEEDS‘ (Koordination JKI) setzt auf die Anwendung von KIs für ein umweltgerechtes Unkrautmanagement auf Basis einer wissensbasierten Standortanalyse.

Aus geringer Flughöhe erfasste hochauflösende Luftbilddaten sollen bereits während des Überflugs on board mit Hilfe von künstlicher Intelligenz ausgewertet werden, daran arbeiten Forschende im Projekt ‚weed-AI-seek‘. Eine zentrale Aufgabe besteht darin, trainierte und getestete KI-Modelle für die artspezifische Identifizierung von Unkräutern in Echtzeit soweit zu optimieren, dass sie direkt auf der Drohne eingesetzt werden können. Das System soll letztlich nicht nur zwischen der Kulturpflanze und unerwünschter Begleitflora unterscheiden können, sondern auch Unkrautarten mit hohem Konkurrenzdruck identifizieren und ihre Dichte sowie ihre Positionen im Feld verorten. Diese Daten liefern die Grundlage für Applikationskarten, die eine nachfolgende gezielte Bekämpfung bestimmter Unkräuter ermöglichen. Dadurch lassen sich Bekämpfungsmaßnahmen sowohl mit Blick auf die Mengen ausgebrachter Herbizide als auch hinsichtlich der Zusammensetzung der Wirkstoffe optimieren. 

Die Daten könnten künftig aber auch direkt und in Echtzeit an eine Pflanzenschutzspritze übermittelt werden, die selektiv das für die jeweilige Art passende Herbizid punktgenau ausbringen kann. „Solche mit mehreren Tanks ausgestattete Pflanzenschutzgeräte sind derzeit bereits in der Entwicklung“, erläutert ATB-Wissenschaftler Dr. Michael Pflanz, der aktuell im Projekt ‚BETTER-WEEDS‘ zur wissensbasierten Standortanalyse für ein umweltgerechtes Unkrautmanagement im integrierten Pflanzenbau forscht.

„Wir wollen weg von Breitbandherbiziden und nur noch solche Pflanzenarten gezielt bekämpfen, die bei der Feldkultur, beispielsweise Weizen, größere Ertragsverluste bewirken. Das ist zwar ein kleiner, aber wichtiger Schritt zum Erhalt von Biodiversität“, so Pflanz.

Landwirte sehen sich zunehmend mit gesellschaftlichen und politischen Forderungen nach einer ökologisch vertretbaren Bewirtschaftung der Ackerflächen konfrontiert, entscheiden sich aber aus ökonomischen Gründen häufig für eine konventionelle intensive Unkrautbekämpfung. Kostengünstige und zeiteffiziente Tools zur Erfassung verschiedener Unkrautarten und -dichten könnten hier Abhilfe schaffen.

„Uns interessiert die Frage, welche Unkrautart in welcher Kultur unter welchen Standortbedingungen den größten Konkurrenzdruck verursacht. Hier hilft uns KI, verlässliche Erkenntnisse zu generieren“, erläutert Michael Pflanz. „Im Fokus steht dabei vor allem die Förderung einer erhöhten Unkrautvielfalt bei einer gleichzeitigen Kontrolle konkurrenzstarker Unkrautarten.“ 

Das Projekt ‚BETTER-WEEDS‘ zielt daher auf eine autonome Erfassung, KI-basierte Identifikation und Auswertung der auf landwirtschaftlichen Flächen auftretenden Unkrautarten. Hieraus lassen sich georeferenzierte Verteilungskarten erstellen, die zudem standortspezifische Charakteristika der Flächen berücksichtigen.

Die sich ergänzenden Ergebnisse beider Vorhaben werden dazu beitragen, durch mehr Präzision im Pflanzenschutz Umweltwirkungen zu reduzieren und die Biodiversität auf dem Feld zu verbessern. Beide Vorhaben sind im Frühjahr gestartet und werden aus Mitteln des Bundesministeriums für Ernährung und Landwirtschaft (BMEL) für eine Laufzeit von drei Jahren gefördert.

An dem vom ATB koordinierten Vorhaben „Entwicklung eines intelligenten UAV-gestützten Unkrautmonitoringsystems für den selektiven und teilflächenspezifischen Herbizideinsatz" (weed-AI-seek) sind als Partner beteiligt: die CiS-GmbH und die Hochschule Harz, Hochschule für angewandte Wissenschaften.

Das Verbundprojekt „Wissensbasierte Standortanalyse für ein umweltgerechtes Unkrautmanagement im integrierten Pflanzenbau" (BETTER-WEEDS) wird koordiniert vom Julius Kühn-Institut, (JKI), Institut für Pflanzenschutz in Ackerbau und Grünland. Partner im Projekt sind das ATB, MPI für Biogeochemie, die TU Ilmenau sowie Spleenlab GmbH.

Kontakt:

Dr. Michael Schirrmann – Abteilung Technik im Pflanzenbau, Projekt ‚weed-AI-seek‘
Tel.: 0331 5699-417, E-Mail:

Dr. Michael Pflanz – Abteilung Technik im Gartenbau, Projekt ‚BETTER-WEEDS‘     
Tel.: 0331 5699-629, E-Mail:

Helene Foltan  - Presse- und Öffentlichkeitsarbeit
Tel.: 0331 5699-820, E-Mail: presse@spam.atb-potsdam.de

Leibniz-Institut für Agrartechnik und Bioökonomie e.V. (ATB)
Max-Eyth-Allee 100, 14469 Potsdam

Kalenderdatei

Cookies

Wir verwenden Cookies. Einige von ihnen sind erforderlich, um Ihnen Inhalte und Funktionen bestmöglich anzubieten, andere helfen uns, unsere User anonymisiert besser zu verstehen (Matomo). Datenschutzerklärung

Notwendig erforderlich

Notwendige Cookies sind für die ordnungsgemäße Funktion der Website unbedingt erforderlich. Diese Kategorie enthält nur Cookies, die grundlegende Funktionen und Sicherheitsmerkmale der Website gewährleisten. Diese Cookies speichern keine persönlichen Informationen.

Cookie Dauer Beschreibung
PHPSESSID Session Speichert Ihre aktuelle Sitzung mit Bezug auf PHP-Anwendungen und gewährleistet so, dass alle Funktionen der Seite vollständig angezeigt werden können. Mit Schließen des Browsers wird das Cookie gelöscht.
bakery 24 Stunden Speichert Ihre Cookie-Einstellungen.
fe_typo_user Session Wird verwendet, um eine Session-ID zu identifizieren, wenn man sich am TYPO3-Frontend einloggt.
__Secure-typo3nonce_xxx Session Sicherheitsrelevant. Zur internen Verwendung durch Typo3.
Analyse

Über Cookies dieser Kategorie lernen wir aus dem Verhalten der Besucher auf unserer Website und können so relevante Informationen noch schneller erreichbar machen.

Cookie Dauer Beschreibung
_pk_id.xxx 13 Monate Matomo – User-ID (zur anonymen statistischen Auswertung der Besucherzugriffe; ermittelt, um welchen User es sich handelt)
_pk_ses.xxx 30 Minuten Matomo – Session-ID (zur anonymen statistischen Auswertung der Besucherzugriffe; ermittelt, um welche Sitzung es sich handelt)