top of page

15.04.2021

Krankheiten im Fokus, Teil II: Wie können Pflanzenkrankheiten erkannt werden?

Airfarm_logo_official_icon_only.png

TERRASHARP

Themen

Düngung Herbizid Fungizid Europa Energie Energiepflanzen Ackerbau Digitalisierung, Arbeitswirtschaft und Prozesstechnik Pflanzenernährung Smart Farming Nachhaltige Landwirtschaft Technik Technik in der Pflanzenproduktion

partner4_edited.png

Wenn wir auf unseren vorherigen Artikel über Krankheiten zurückkommen, können wir bestätigen, dass die Prävention eine große Rolle spielt. Sobald die Pflanze Symptome zeigt, ist es entscheidend, kranke Pflanzen zu identifizieren, damit sofort Maßnahmen ergriffen werden können.

Während der Vegetationsperiode 2018 sammelte TERRASHARP eine Reihe von wichtigen Datenpunkten. Durch die Datensammlung konnten Algorithmen programmiert werden, die kranke Pflanzen identifizieren konnten.

Schritt 1. Erhebungen von Pflanzenkrankheiten

Die Erhebungsphase fand zu den Zeiten statt, in denen diese beiden Krankheiten ihre Symptome am stärksten zeigten. Die kranken Pflanzen wurden in einigen Teilen des Weinbergs mit Markern physisch gekennzeichnet. Die Marker wurden so markiert, dass sie auf Luftbildern sichtbar waren und ihre geografischen Koordinaten angegeben wurden. Anschließend wurden hochauflösende multispektrale Bilder mit einer DJI Inspire2-Multirotor-Drohne aufgenommen, die mit einem Sentera Double Multispectral 4k-Sensor ausgestattet ist, der in den Bändern ROT, GRÜN, BLAU, NEAR INFRARED und RED-EDGE aufnimmt. Nachdem die Orthomosaike entstanden waren, begann TERRASHARP mit dem Testen verschiedener Ansätze zur Erkennung kranker Pflanzen. Daher wurde ein Ansatz verwendet, der mehrere Faktoren berücksichtigen kann.

Phase 2. Algorithmus-Entwicklung

Wir haben einen Algorithmus entwickelt, der die Ausgaben der einzelnen Indizes bewerten und gewichten kann. Der Algorithmus ermöglichte es uns, ein genaues Ergebnis für die Erkennung von Krankheiten zu liefern.

Der Algorithmus wurde an einer Reihe von Luftbildern von kranken Weinbergen getestet. Ein idealer Test, um die Anpassungsfähigkeit und Zuverlässigkeit der Umfrage unter verschiedenen Bedingungen zu bewerten.

Die Ergebnisse waren sofort sehr vielversprechend, auch wenn sie noch verfeinert werden müssen. Die Genauigkeit liegt bei 87 %. Die meisten Fehler konzentrierten sich auf die falsch-positive Seite. Das bedeutet, dass fast alle kranken Pflanzen gemeldet werden und nur einige wenige, die gesund erscheinen, einbezogen werden. Für die Vegetationsperiode 2019 sind weitere Testaktivitäten geplant und auch für die Zukunft sind mehrere geplant.

TERRASHARP wird weitere Tests nicht nur in Italien, sondern auch in Europa durchführen, um den Algorithmus vollständig zu evaluieren und ihn durch Ground Truthing zu validieren.

Bleiben Sie bei uns und erfahren Sie mehr über Technologielösungen, Entscheidungssysteme und iot-Technologien, um die Produktivität zu steigern und mehr Kontrolle über das Feld zu haben!

Gute Arbeit und einen schönen Tag!

TerraSharp Team

bottom of page