Evaluierung und Weiterentwicklung moderner Verfahren der künstlichen Intelligenz zur automatischen Erkennung von Unkraut in Sorghum mit Hilfe von Drohnen (EWIS)

Ausgangssituation und Ziele des Verbundprojektes

Neuartige Technologien, verknüpft mit intelligenter Software, eröffnen große Potentiale im Bereich der Effizienzsteigerung in der Landwirtschaft. Durch den integrierten Pflanzenschutz, der aus biologischer Bekämpfung, Wirtspflanzenresistenz und angepassten Anbaupraktiken besteht, wird der Einsatz von Pflanzenschutzmitteln auf ein Minimum reduziert. Dies kann eine optimale Lösung für die Zukunft der Landwirtschaft darstellen, da es Erträge sichert, Kosten senkt, umweltfreundlich und nachhaltig ist. Kürzlich wurde die Reduzierung des Einsatzes von Pflanzenschutzmitteln um 50 % bis zum Jahr 2028 als Ziel der Bayerischen Staatsregierung im Maßnahmenpaket zugunsten der Artenvielfalt und Naturschönheiten in Bayern festgelegt. Die Strategie für die Umsetzung ist eine Kombination aus biologischem Landbau, Beratung und Digitalisierung.

In diesem Projekt sollen innovative Ansätze der smarten Digitalisierung zur automatischen Unkrauterkennung mittels Fernerkundung auf landwirtschaftlichen Nutzflächen untersucht und entwickelt werden. Dabei wird Sorghum als Nachwachsender Rohstoff zur Untersuchung der Forschungsfragen verwendet. Sorghum dient als Energiepflanze und wird vor allem für die Biogasproduktion angebaut. Gerade unter den extremen Witterungsbedingungen der letzten Jahre mit heißen und trockenen Sommern konnte Sorghum den aktuellen klimatischen Veränderungen trotzen. Die hohe Biomasseleistung und die große Sortenvarietät in Verbindung mit seiner Trockenheitstoleranz und Nährstoffeffizienz machen Sorghum zu einer vielversprechenden Rohstoffpflanze. Laut den INVEKOS-Daten wurde Sorghum in 2018 auf ca.1.500 ha angebaut, was die Bedeutsamkeit als Nachwachsender Rohstoff verdeutlicht.

Mit Hilfe von modernsten Verfahren der künstlichen Intelligenz (KI) und des maschinellen Lernens (z. B. künstliche neuronale Netze/Deep Learning) sollen drohnenbasierte Bildaufnahmen der Anbauflächen analysiert werden. Ziel dieses Projekts ist es, nicht nur etablierte Kl-Verfahren zu untersuchen und deren Anwendbarkeit zu evaluieren, sondern auch neuartige Methoden zu entwickeln, welche mit möglichst hoher Genauigkeit Unkraut- und Ungrasflächen im Bestand erkennen und lokalisieren können. ln einem zweiten Schritt soll dieses Verfahren auf Mais übertragen werden. Die entwickelten KI-Verfahren könnten in Zukunft dabei helfen, effizientere und zielorientiertere mechanische Unkrautbekämpfung (z. B. durch Hackroboter) durchzuführen und somit den Einsatz von Pflanzenschutzmitteln zu reduzieren.

Publikationen

Ajekwe, R.; Grieb, M.; Genze, N.; Grimm, D. (2021): Beikrauterkennung mit Drohnen und künstlicher Intelligenz. Schule und Beratung 2021 (8-10), S.12-15.
| Volltext

Neuartige Technologien, verknüpft mit intelligenter Bildauswertung, eröffnen große Poten- ziale im Bereich der Effizienzsteigerung in der Landwirtschaft. Mit Hilfe von modernsten Ver- fahren des maschinellen Lernens (z. B. künstliche neuronale Netze) sollen drohnenbasierte Bildaufnahmen von Sorghum-Anbauflächen automatisch analysiert und Beikraut erkannt werden. Sorghum wird in Bayern als Energiepflanze vor allem für die Biogasproduktion an- gebaut. Die hohe Biomasseleistung und die große Sortenvarietät in Verbindung mit seiner Trockenheitstoleranz und Nährstoffeffizienz machen Sorghum zu einer vielversprechenden Rohstoffpflanze.