Mobiles Labor zur schnellen und sicheren Identifizierung von Quarantäneschaderregern in der Landwirtschaft (Projekt PhenoTruck^AI)

Verbreitung von Quarantäneschädlingen frühzeitig entdecken

Quarantäneschaderreger stellen für die europäische Landwirtschaft und insbesondere für den Wein- und Obstbau ein bedeutendes Problem dar. Begünstigt durch den Klimawandel breiten sich neue Schadorganismen in den Anbauregionen aus und gefährden Wirtschaft und Natur.

Da Quarantäneschädlinge und deren Überträger in den meisten Fällen schwer bekämpfbar sind, zielen alle Maßnahmen darauf ab, schon frühzeitig die Einwanderung und Verbreitung zu unterbinden. Dafür müssen erkrankte Pflanzen mittels effektiver Monitoringverfahren frühzeitig identifiziert werden. Nach aktuellem Stand müssen die zuständigen Pflanzenschutzdienste zeitaufwendige Feldbegehungen machen und Verdachtsproben zur genauen Analyse in ein Labor schicken. Diesen aufwendigen Prozess will das Entwicklungsteam im Projekt PhenoTruck^AI nun revolutionieren.

Mit einem mobilen Labor, dem PhenoTruck^®, wird die Identifizierung von Quarantäneschaderregern dorthin gebracht, wo sie gebraucht wird: direkt zum Erzeuger, an den Feldrand, in den Weinberg oder in die Obstplantage. Durch einen schnellen, flächendeckenden Nachweis von Erregern können Schäden gemildert und im besten Fall vermieden werden. Das Entwicklungsteam vom Fraunhofer IFF erprobt das mobile System zur Pflanzenüberwachung gemeinsam mit seinen Projektpartnern am konkreten Beispiel Phytoplasmosen im Obst- und Weinbau (Krankheiten ausgelöst durch Phytoplasmen).

Monitoring von Quarantäneschaderregern mit Spektralsensorik und künstlicher Intelligenz

Das Team vom Fraunhofer IFF bringt seine jahrelange Erfahrung im Einsatz von hyper- und multispektraler on-site Sensorik in der Landwirtschaft in das Projekt ein und realisiert ein digitales Monitoringsystem zur Erkennung eines Pathogenbefalls. Mittels Hyperspektralanalyse werden krankhafte Veränderungen der Pflanze frühzeitig identifiziert. Methoden des maschinellen Lernens sind dabei die Schlüsseltechnologie zur Analyse der gewonnen Spektraldaten. 

Das umgesetzte Monitoringverfahren erfolgt dabei zweistufig, erst aus der Luft und dann am Boden:

• Mittels Drohnen, die mit dieser Spektralsensorik ausgestattet werden, wird in Verdachtsregionen eine automatisierte Bestandsüberprüfung auf großen Flächen durchgeführt.
• In den Verdachtsregionen genommene Pflanzenproben werden in einem Feldeinsatz-Labor mittels molekular-biologischer Vor-Ort-Pathogenidentifizierung (LAMP) analysiert.

Verfahren der künstlichen Intelligenz (KI) ermöglichen es, die großflächig gesammelten Daten schnell und sicher zu analysieren. Die Analytik wird in ein mobiles geländegängiges Labor integriert.

Erwartete Projektergebnisse in PhenoTruck^AI

• funktionsfähiger PhenoTruck^® als Prototyp eines mobilen Labors
• effiziente Erkennung der durch Quarantäneschaderreger befallenen Weinreben oder Obstbäume mittels praxistauglicher drohnengestützter Multispektralsensorik direkt im Feld
• Machine-Learning-Modell für die robuste Echtzeitanalyse von Spektraldaten erstellt unter Nutzung von AutoML- und Transfer-Learning-Methoden