Präzise Erkennung von Pilzkrankheiten bei Zuckerrüben
Forscher der Universität Hohenheim entwickeln in Zusammenarbeit mit Bosch und Cubert ein System zur Erkennung von Pflanzenkrankheiten. Ziel ist ein Prototyp, der Pilzkrankheiten bei Zuckerrüben identifiziert und Behandlungsbedarfe berechnet. Das Bundesministerium für Ernährung und Landwirtschaft fördert den Hohenheimer Projektanteil von „Smart Spraying“ (MartA) über drei Jahre mit 375.000 Euro.
Die Pilzkrankheit Cercospora befällt primär die Blätter von Zuckerrüben und beeinträchtigt deren Fähigkeit zur Photosynthese. Dies führt zu einer reduzierten Zuckereinlagerung und kann je nach Region und Witterung Ernteausfälle von 30 bis 50 Prozent verursachen. Ein Indikator für den Befall ist die Gelbfärbung der Blätter im Krankheitsverlauf.
Sensorik und Software zur Krankheitserkennung und Behandlungsplanung
Im Projekt „Smart Spraying“ (MartA) erfassen Sensoren von Cubert und Bosch die Zuckerrübenbestände. Die Bildverarbeitung von Bosch identifiziert kritische Blattflecken präziser als das menschliche Auge. Anschließend bewertet eine Software der Universität Hohenheim den Einfluss der Befallsstärke auf den Ernteertrag.
Auf diese Weise können wir klären: Gibt es Krankheitsfälle? Wie entwickelt sich die Krankheit? Mit wie viel Ertragsausfall muss der Landwirt rechnen, wenn er keine Spritzmittel einsetzt und wie viel müsste er ausgeben, wenn er das Feld behandeln will.
erläutert Prof. Dr. Simone Graeff-Hönninger von der Arbeitsgruppe „Anbausysteme und Modellierung“ der Universität Hohenheim. Das System bietet nicht nur eine Entscheidungshilfe, sondern erstellt auch Applikationskarten. Diese Karten zeigen an, wo eine Behandlung erforderlich ist und wo nicht. Die Informationen können direkt an die Steuerung von Spritzfahrzeugen übermittelt werden, um eine räumlich differenzierte und zeitlich optimierte Behandlung zu ermöglichen.
Kombinierte Krankheitserkennung und Behandlung zur Reduzierung des Spritzmitteleinsatzes
Ein weiterer Entwicklungsschritt ist die Kombination von Krankheitserkennung und Behandlung in einem Arbeitsgang. Landwirtschaftliche Maschinen könnten zukünftig befallene Pflanzen identifizieren und direkt mit dem passenden Pflanzenschutzmittel besprühen. Dieser schnelle und lokal begrenzte Einsatz soll den Verbrauch von Spritzmitteln minimieren und so die Umwelt schonen.
Die Agrarwissenschaftlerin Prof. Dr. Graeff-Hönninger berichtet, dass sich das Forschungsprojekt zunächst auf einen Prototyp für Zuckerrüben und Winterweizen konzentriert. Das zugrundeliegende Modell sei jedoch auf weitere Kulturpflanzen übertragbar.
Herausforderungen bei der Umsetzung unter Praxisbedingungen
Die größte Herausforderung bei der Entwicklung der Cubert-Sensoren und Bosch-Algorithmen liegt in der präzisen Interpretation der Befallsmuster auf den Blättern.
Zum einen sind nicht alle krank aussehenden Blätter tatsächlich befallen – manchmal fehlt einfach nur Wasser oder Dünger.
erläutert Dr. Helmut Schomburg, Projektleiter bei Bosch. Auch die genaue Diagnose einer Krankheit sei komplex. Die Forscher nutzen die Erkenntnis, dass Blätter je nach Gesundheitszustand Licht unterschiedlich reflektieren.
Vereinfacht gesprochen, leuchtet jede Blattkrankheit unterschiedlich hell.
veranschaulicht Dr. Schomburg. Diese Unterschiede wurden mittels Blattaufnahmen von Spektralkameras analysiert, die selbst geringe Abweichungen erfassen. Die Entwicklung erfolgte schrittweise: von Laborversuchen über Gewächshausversuche unter kontrollierten Bedingungen bis hin zu Praxisversuchen auf dem Ihinger Hof der Universität Hohenheim.
Potenzial zur Ausweitung auf weitere Kulturpflanzen
Für die Software nutzt Prof. Dr. Graeff-Hönninger ein Pflanzenwachstumsmodell. Basierend auf Open-Source-Programmen, die das Pflanzenwachstum in Abhängigkeit von Boden, Temperatur und Niederschlag berechnen, wurde dieses Modell zunächst auf Zuckerrüben angepasst. Anschließend wurde ein Modul zur Simulation der Pilzkrankheit Cercospora entwickelt. Die Software wird zudem um die Simulation von Pilzbefall bei Weizen erweitert, wobei drei Krankheiten – Septoria, Gelbrost und DTR – berücksichtigt werden. Das Forschungsteam ist überzeugt, dass der Ansatz zukünftig auf weitere landwirtschaftliche Kulturpflanzen angewendet werden kann.
Hintergrund: Projekt MartA
Das Projekt „MartA“ steht für „Ressourceneffizienter Pflanzenschutz durch einen datenbasierten Multiskalenansatz für die Verfahrenskette: Krankheitserkennung – Entscheidungsunterstützung – bedarfsgerechte Pflanzenschutzmittel-Applikation“. Projektpartner sind die Universität Hohenheim sowie die Firmen Bosch und Cubert. Die Amazonen-Werke und xarvio Digital Farming Solutions von BASF agieren als assoziierte Partner. Die Förderung erfolgt durch das Bundesministerium für Ernährung und Landwirtschaft (BMEL). Das Projekt startete im Frühjahr 2016 und endet im Oktober 2019.