KI und Computer Vision zur Analyse von Weinbergen zur Optimierung von Pflanzenschutzbehandlungen

Einleitung

Technologische Innovation ist in der Landwirtschaft zunehmend präsent, und das Teilprojekt AgroTwin, das mit 60.000 € vom Horizon-Europe-Projekt ICAERUS gefördert wird, ist dafür ein perfektes Beispiel. ICAERUS ist ein Projekt, das sich mit der Erforschung des Potenzials von Drohnen als Mehrzweckwerkzeuge für Landwirtschaft, Umweltmonitoring und ländliche Dienstleistungen befasst. Ziel des Teilprojekts AgroTwin war die Entwicklung und Erprobung eines Entscheidungsunterstützungssystems (DSS), das auf fortschrittlichen KI- und Computer-Vision-Algorithmen basiert, um Pflanzenschutzbehandlungen zu optimieren – unter Einsatz von Consumer-Drohnen wie der DJI Phantom 3 Professional (Abb. 1).

Abb.1: Vorbereitung des Flugs der DJI Phantom 3 Professional im Testweinberg.

Ein Entscheidungsunterstützungssystem für nachhaltige Landwirtschaft

Die Bilderfassung und die Algorithmentests wurden auf einem etwa 1,2 ha großen Sangiovese-Weinberg der regionalen Güter von Cesa (AR) durchgeführt (Abb. 2). Dieser wurde in 2 Parzellen ähnlicher Größe und vegetativer Wüchsigkeit unterteilt: eine für die variable Dosierung von Pflanzenschutzmitteln auf Grundlage der Ergebnisse unseres DSS (Test) und die andere für feste Dosen (Kontrolle), bei der die betriebsüblichen Standarddosen ausgebracht wurden.

Zur Erfassung der sichtbaren (RGB-)Bilder des Weinbergs verwendeten wir eine einfach zu bedienende und weit verbreitete Drohne, die DJI Phantom 3 Professional. Diese Bilder wurden zur Erzeugung von 3D-Punktwolken genutzt, mit denen wir den digitalen Zwilling (Digital Twin) des Weinbergs in drei verschiedenen phänologischen Stadien erstellen konnten.

Bei jedem Flug wurde das digitale Modell mithilfe proprietärer Algorithmen präzise analysiert, um die wichtigsten biometrischen Parameter einzelner Reben von Interesse zu extrahieren. Anhand dieser Daten erstellte das DSS individuelle Applikationskarten für Behandlungen mit variabler Ausbringmenge (VRT) und verbesserte so die Effizienz der Pflanzenschutzmittelausbringung.

Abb.2: Lage des Testweinbergs und Aufteilung der beiden Parzellen (Test, Kontrolle).

Fortschrittliche Algorithmen für die Analyse biometrischer Parameter

Einer der innovativsten Aspekte von AgroTwin war die Entwicklung fortschrittlicher KI- und Computer-Vision-Algorithmen zur Analyse der Rebenbiometrie. Diese Algorithmen, angewendet auf die von der Drohne erzeugten 3D-Punktwolken, ermöglichten eine präzise Analyse der wichtigsten Parameter von Interesse, wie Dicke, Höhe und Laubwandvolumen der einzelnen Reben von Interesse, mit einer durchschnittlichen Fehlerspanne von unter 10 % im Vergleich zu manuellen Messungen (Abb. 3, 4).

Abb.3: Entwicklung einer Testrebe über die verschiedenen phänologischen Stadien (Dicke (m), Höhe (m), Volumen (m³)).

Abb.4: Manuelle Messungen im Feld.

Durch die Nutzung dieser biometrischen Parameter konnten die Algorithmen einen sehr wichtigen Wüchsigkeitsindex erstellen, den LAI (Leaf Area Index), sowie den LWA (Leaf Wall Area) und das TRV (Tree Row Volume) generieren, die Aufschluss über Fläche und Volumen des Laubs im Weinberg geben. Durch Interpolation einer geeigneten Anzahl von Probepflanzen erzeugten die Algorithmen automatisch Wüchsigkeitskarten (LAI) und Applikationskarten für Pflanzenschutzbehandlungen (Abb. 5).

Abb.5: Wüchsigkeitskarten (LAI) und Applikationskarten (Liter/Hektar) für Pflanzenschutzbehandlungen in jedem phänologischen Stadium.

Sensitivitätsanalyse zur Verbesserung der Datenerfassung

Eine weitere entscheidende Phase des Projekts war die Sensitivitätsanalyse, um die besten Flugparameter für die Drohnenerhebungen zu finden, die den besten Kompromiss zwischen Datenqualität und Flugzeit bieten. Diese Studie ermöglichte es, die besten Flugkonfigurationen zu identifizieren, um die höchste Genauigkeit bei der Schätzung der Laubwandparameter im Vergleich zu manuellen Messungen zu gewährleisten. Die beste Konfiguration, mit Fehlern von unter 10 % im Vergleich zu manuellen Messungen, erwies sich als eine Flughöhe von 30 Metern mit 85 % Überlappung (Overlap) zwischen den Fotos und kombinierten Kamerawinkeln (nadir und 30°), was die Genauigkeit der erfassten Daten deutlich verbesserte.

Umwelt- und wirtschaftliche Vorteile

Zur Bewertung der Menge und Qualität der Ablagerung von Pflanzenschutzmitteln auf dem Laub der Reben in den beiden verschiedenen Zonen wurde ein international standardisiertes Verfahren (ISO 22522) sowie ein lebensmittelechter Tracer (Tartrazin) verwendet. Hauptziel war der Vergleich der Effizienz der beiden Behandlungsarten. Die Erhebungen zur Wirksamkeit der Behandlungen wurden von der Abteilung für Agrartechnik (DAGRI) der Universität Florenz durchgeführt.

Abb.6: Bei dem Verfahren wurden drei repräsentative Reben in Zonen mit niedriger, mittlerer und hoher Wüchsigkeit beprobt, wobei wasserempfindliche Papiere und Nylon-Kollektoren in drei verschiedenen Laubhöhen angebracht wurden (H1 oberhalb der Laubwand, H2 mittig im Laub, H3 an der Spitze).

Die Ergebnisse zeigten, dass die durchschnittliche Bedeckung in der VRT-Parzelle 35 % betrug, geringfügig über dem optimalen Schwellenwert (30 %); die Laubwände der Reben wurden jedoch entsprechend ihrer tatsächlichen Biomasse bedeckt, während die Kontrollparzelle eine durchschnittliche Bedeckung von 39 % aufwies, ohne die tatsächliche Biomasse im Feld zu berücksichtigen. Schließlich wurden in den getesteten Parzellen keine Krankheiten festgestellt, und zum Zeitpunkt der Bewertung ergaben sich keine signifikanten Unterschiede bei Ertrag und Qualität der Trauben. Was die Dosierung betrifft, so wurde dank des VRT-Ansatzes eine durchschnittliche Reduzierung des Pflanzenschutzmittel- und Wasserverbrauchs um 35 % erreicht, mit einem Spitzenwert von 41 % während der mittleren phänologischen Phase. Diese Einsparungen können sich in einer Verringerung der Umweltbelastung durch diese Produkte niederschlagen und so zum Erhalt der Biodiversität im Weinberg sowie zur Begrenzung der Verschmutzung von Grundwasser und Luft beitragen.

Schlussfolgerungen

Das Projekt AgroTwin stellt einen Fortschritt in der Präzisionslandwirtschaft dar, indem es Bilddaten zur Unterstützung agronomischer Entscheidungsprozesse nutzt. Dank dieses Projekts wurde ein DSS-Prototyp auf Basis von Drohnenbildern entwickelt. Zudem wurde untersucht, inwieweit die Integration von Drohnen und fortschrittlichen Algorithmen die ökologische und wirtschaftliche Nachhaltigkeit landwirtschaftlicher Betriebe verbessern kann.

Das Projekt konnte zeigen, wie der Einsatz einer Drohne, die einfache RGB-Fotos aufnimmt, digitale Modelle von ausreichender Qualität erzeugen kann, um eine Kultur im Feld zu analysieren und Applikationskarten zu erhalten, die für die wichtigsten Arbeitsschritte einsetzbar sind – etwa bei der Ausbringung von Pflanzenschutzmitteln oder bei der selektiven Ernte auf Grundlage der vegetativen Wüchsigkeit – und so wertvolle Ressourcen zu sparen und die Produktionsprozesse zu verbessern.

Dank der erheblichen Einsparungen bei Pflanzenschutzmitteln und Wasser sowie der besseren Verteilung im Feld positioniert sich das entwickelte DSS als ein innovatives und nachhaltiges agronomisches Werkzeug, das es ermöglicht, die Grundsätze der Präzisionslandwirtschaft durch die Nutzung digitaler Kopien des Weinbergs zu verfolgen. In einer zunehmend auf Nachhaltigkeit ausgerichteten Branche kann diese Technologie Landwirten eine praktische, wirtschaftliche und zukunftsweisende Lösung bieten, um die aktuellen Herausforderungen der modernen Landwirtschaft zu bewältigen.

Entdecken Sie, wie Sie Behandlungen mit der App iAgro oder dem Dienst iDrone optimieren können!