WeedAI – nicht-chemische Unkrautbekämpfung im Zuckerrübenanbau fördern
Moderner geht’s nicht – aber eventuell effektiver?
Bei der mechanischen Unkrautbekämpfung ist der erhöhte Nutzen innovativer Hacktechniken oft wenig bekannt. Das Projekt WeedAI entwickelt daher ein auf Künstlicher Intelligenz (KI) basiertes Bewertungsverfahren, um diese Wissenslücke zu schließen.
In der landwirtschaftlichen Praxis wächst das Interesse an der mechanischen Unkrautbekämpfung. Eine immer größer werdende Zahl an Herstellern entwickelt Systeme, die mithilfe innovativer Techniken wie Sensoren oder Kameras ein genaueres Hacken von Unkräutern zwischen den Kulturpflanzen ermöglichen sollen. Doch während die technischen Systeme zur Bekämpfung von Unkräutern zunehmen, fehlt es an Möglichkeiten ihre Effektivität zu beurteilen. Das Projekt WeedAI arbeitet daran, die Wirksamkeit von mechanischen Systemen zur Unkrautbekämpfung schnell und objektiv bewerten zu können.
Smarte Unterstützung für Hersteller und Landwirtschaftsbetriebe
Das Projekt WeedAI entwickelt eine Prüfmethodik, die durch Anwendung von KI in der Lage sein wird, Pflanzenbestände vor und nach einer mechanischen Unkrautbekämpfungsmaßnahme pflanzengenau zu sichten und zu beurteilen. So wird dann nicht nur autonom zwischen Unkraut und Kulturpflanze unterschieden, sondern auch die Arbeitsqualität bzw. der Bekämpfungserfolg der Maßnahme objektiv beurteilt.
Mit der Entwicklung dieses neuen Bewertungsverfahren für Landtechnik will WeedAI den Innovationsfortschritt im Unkrautmanagement beschleunigen. Maschinenhersteller erhalten so die Chance, ihre Techniken objektiv testen zu lassen und bekommen wichtige Hinweise für Optimierungen. Objektive Bewertungen zum Nutzen verschiedener möglicher mechanischer Verfahren erleichtern auch anstehende Investitionsentscheidungen von Landwirtinnen und Landwirten sowie Lohnunternehmern und Maschinenringen.
- Projektname: WeedAI (Entwicklung eines KI-basierten Expertensystems zur Beurteilung der Effektivität von Unkrautbekämpfungsmaßnahmen unter Berücksichtigung des Schadschwellenprinzips am Beispiel von sensorgeführten Hackmaschinen)
- Ziel: Effektivität von innovativen Unkrautbekämpfungsmaßnahmen schnell und objektiv bewerten
- Ansatz: Präzise Sichtung des Pflanzenbestandes vor und nach einer mechanischen Unkrautbekämpfung, um Maßnahmen besser beurteilen und optimieren zu können sowie den Einsatz chemischer Präparate weiter zu reduzieren
- Eingesetzte Künstliche Intelligenz: Computer Vision, DCNN-Verfahren zur instanzbasierten Segmentierung basierend auf Semi-Supervised bis hin zu Supervised Learning
- Hauptstandort: Bonn, Nordrhein-Westfalen
- Projektkoordination: Rheinische Friedrich-Wilhelms-Universität Bonn, Landwirtschaftliche Fakultät, Institut für Landtechnik
- Projektbeteiligte: Rheinische Friedrich-Wilhelms-Universität Bonn, Institut für Landtechnik; Rheinischer Rübenbauer-Verband e.V.
Adresse
KI-Projekt WeedAI
53115 Bonn, Nordrhein-Westfalen
