Krankheits- und Stresserkennung in Erdbeeren mittels Computer Vision 

In Deutschland werden jedes Jahr etwa 130 000 t Erdbeeren geerntet. Der Befall der Erdbeerpflanzen durch Viren, Bakterien und Pilze führt zu erheblichen Kosten, erstens durch den Ausfall der Pflanzen und zweitens durch Ausgaben für Pflanzenschutzmittel. Unter den Pilzen gehören Erdbeermehltau (Sphaerotheca macularis), Grauschimmel (Botrytis cinerea) und Wurzelfäule (Phytophthora spec.) zu den relevantesten Erregern. Eine frühe Erkennung von Pilzerkrankungen kann eine Ausbreitung der Infektion verhindern und eine Investition in schadhafte Pflanzen und die Menge an eingesetzten Pflanzenschutzmitteln reduzieren. 

Oft werden die Symptome eines Befalls erst spät erkannt, wenn die Infektionen schon weit fortgeschritten ist und größere Bestände bereits infiziert sind. Eine Alternative kann die Auswertung von multi- oder hyperspektralen Kamera-Daten sein, die Informationen auch im Infrarot-Bereich liefern. Bei der Analyse dieser Daten können Machine Learning Systeme objektiv, schnell und reproduzierbar Zusammenhänge zwischen optischen Merkmalen des Blattwerks und einer Infektion der Wurzel finden.  

Im Rahmen dieses Projekts werden gemeinsam mit einem Industriepartner in einem praxisnahen Feldversuchsaufbau die grundsätzlichen Potenziale von multi- und hyperspektraler Sensortechnologie für die Früherkennung von Krankheits- und Schädlingsbefall in Erdbeer-Stellagen untersucht. Mithilfe eines teilmobilen Kamerawagens, der sich auf Schienen über die Erdbeer-Stellagen im Folientunnel bewegt werden in regelmäßigen Abständen Bilder mit zentimetergenauer Lokalisierung im sichtbaren und Nahinfrarot-Bereich mit multi- und hyperspektraler Auflösung aufgenommen. Diese Bilder und die dazugehörigen Bonitur-Daten zu den jeweiligen Krankheitsbefällen dienen als Trainingsmaterial für KI-Algorithmen, die einerseits die Krankheiten selbst erkennen und lokalisieren und zum anderen insbesondere unter Einbezug der Hyperspektralinformation den biotischen Stress aufgrund des Infektionsdruck bereits frühzeitig erfassen.  

Durch eine erfolgreiche Kombination von spektralen Informationen und Machine Learning könnte ein Erdbeerbestand schnell, non-invasiv und kostengünstig auf Pilzbefall untersucht werden. Zeitreihenanalysen mit Hyperspektralkameras ermöglichen außerdem frühzeitige Infektionsgeschehen und erlauben einen rechtzeitigen Eingriff und somit eine Reduktion des Schadens und Pflanzenschutzmitteleinsatz und somit auch der Kosten und des Umwelteinflusses.  

Diese Technologie kann im Idealfall auch auf andere Kulturpflanzen im Folientunnel übertragen werden. Gewächshäuser bieten im Allgemeinen die Möglichkeit sowohl durch fest installierte Monitoring Systeme wie Kamerawägen oder flexible Systeme, wie zum Beispiel Roboter neben Ernte und Pflege-Maßnahmen auch die Pflanzengesundheit zu analysieren und somit auch Hotspots eines Krankheits- oder Schädlingsbefalls rechtzeitig zu erkennen und lokalisieren.