Hyperspektralanalyse

Früherkennung von Obst-Krankheiten mit Sensoren

10. August 2020, 15:38 Uhr   |  Hagen Lang

Früherkennung von Obst-Krankheiten mit Sensoren
© Uwe Knauer/Fraunhofer IFF

Mit einer Drohne verschaffen sich die Wissenschaftler einen Überblick über die gesamte Obstanlage. Zukünftig sollen die rankheitssymptome direkt anhand der spektralen Signatur aus Drohnen- oder Satellitenbildern ermittelt werden.

Durch Bakterien verursachte Obstkrankheiten wie Apfeltriebsucht können zum Ausfall von Ernten führen. Um deren Frühindikator (Rotfärbung durch Chlorophyllabbau) effizient zu diagnostizieren, entwickeln Forscher ein Hyperspektralanalyse nutzendes, Drohnen- und Satelliten-gestütztes System.

Auf Krankheitsbefall reagieren die Obstbäume mit einer vorzeitigen Rotfärbung, verursacht durch einen Chlorophyllabbau. Bislang kann dieser nur durch eine teure Inaugenscheinnahme jedes einzelnen Baumes und gegebenenfalls eine molekulare Analyse diagnostiziert werden. Hervorgerufen wird die Krankheit durch sogenannte Phytoplasmen, zellwandlose Bakterien, die durch Insekten übertragen werden.

Apfeltriebsucht
© Wolfgang Jarausch/AlPlanta

Mit Apfeltriebsucht infizierter Baum, der die Symptome Rotlaubigkeit und Kleinfrüchtigkeit zeigt.

Mit einem Verfahren namens Hyperspektralanalyse könnte der Chlorophyllabbau schon im Sommer erkannt und die Krankheitsausbreitung frühzeitig eingedämmt werden. „Bei diesem Verfahren wird Licht in Wellenlängen zerlegt. Weist eine Pflanze bei einer Blattprobe im Labor Symptome auf, so zeigt sich dies in bestimmten Wellenlängenbereichen deutlicher und früher als allein im sichtbaren Bereich. Bei einer kranken Pflanze wird mehr rotes als grünes oder blaues Licht reflektiert«, erläutert Dr. Uwe Knauer, Wissenschaftler am Fraunhofer IFF und Experte für maschinelles Lernen sowie der Analyse von Spektraldaten. 

Dies konnte in der ersten Projektphase durch Tests im Labor bereits erfolgreich nachgewiesen werden. Forscher des Fraunhofer-Instituts für Fabrikbetrieb und -automatisierung IFF in Magdeburg entwickeln gemeinsam mit dem Institut für Pflanzenforschung AlPlanta aus Neustadt an der Weinstraße und der Firma Spatial Business Integration GmbH aus Darmstadt das System, dass Spektraldaten künftig von Drohnen und Satelliten erhalten soll.

Vermessung von Blattproben
© Uwe Knauer/Fraunhofer IFF

Vermessung von Blattproben mit Hyperspektralkameras im Labor. Die Auswertung der Bilddaten durch maschinelles Lernen erlaubt Rückschlüsse auf zur Symptomerkennung besonders wichtige Wellenlängen. Sie ermöglicht so die Entwicklung von angepassten optischen Analyseverfahren für den Praxiseinsatz.

„Wir wollen die Hyperspektralaufnahmen und die Satellitenbilder kombinieren, um ein Früherkennungssystem aus der Luft zu etablieren. Mit der an einer Drohne befestigten Hyperspektralkamera erkunden wir eher kleinere Flächen wie eine einzelne Plantage«, erklärt Knauer. An der Drohne ist neben der Hyperspektralkamera ein Rechner montiert, der die Messdaten aufzeichnet und auf die Server überträgt. Die Aufnahmen werden mit geographischen Informationen verknüpft und kartiert. Das Ergebnis ist eine hyperspektrale Karte mit geographischen Koordinaten.

Zur Erkennung der Krankhaften Veränderungen mittels spektraler Analysen nutzen die Projektpartner Verfahren des maschinellen Lernens. Sie trainieren und kombinieren verschiedene statistische Modelle und neuronale Netze mit Hilfe der Ergebnisdaten aus der visuellen Inaugenscheinnahme und der molekularen Analyse. Die so entwickelten Algorithmen ermöglichen dann eine spezifische Detektion von Apfeltriebsucht und Birnenverfall. 

Im Herbst werden Testflüge mit der Hyperspektraldrohne unternommen sowie die Sensorik und die Modellierungsverfahren optimiert. Zum Ende des bis 2022 von der Landwirtschaftlichen Rentenbank geförderten Projekts soll die Frühdetektion Kunden als Dienstleistung zur Verfügung gestellt werden.

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Verwandte Artikel

Fraunhofer IFF (Institut für Fabrikbetrieb und -automatisierung)