Optimierter Pflanzenbau mit intelligenter Schädlingsüberwachung
Bei der Schädlingsbekämpfung in der Landwirtschaft werden normalerweise Fallen manuell kontrolliert, die Anzahl der gefangenen Tiere aufgezeichnet und diese dann an einen Pflanzensachverständigen weitergegeben, der entsprechende Handlungsvorschläge gibt. Um die Kosten für eine derartige reise- und arbeitsintensive Methode zu senken (die außerdem noch anfällig für menschliches Versagen ist), wird der Vorgang normalerweise nur wöchentlich durchgeführt. Die Methode wurde vor Jahrzehnten entwickelt, als der Pflanzenschutz noch von Breitbandinsektiziden dominiert wurde – mit allen ihren negativen Folgen für die Umwelt. Landwirte brauchten eine gezieltere, evidenzbasierte und schnell umsetzbare Herangehensweise. Mit der Lösung des EU-finanzierten Projekts Trapview können Erzeuger aus der Ferne überwachen, wie viele Schadinsekten in die Pheromonfallen gegangen sind. Außerdem werden die Erzeuger in Echtzeit informiert, wenn aufgrund einer aktuell hohen Zahl von Schädlingen Insektizid aufgebracht werden muss. Die intelligente Falle Die Fallen von Traview können sich selbst reinigen, was eine hohe Fangleistung und damit qualitativ hochwertige Daten gewährleistet, und sie senden mindestens einmal pro Tag Bilder in die Cloud. Diese Bilder werden von maschinell lernenden Algorithmen verarbeitet und analysiert, um jedes abgebildete Insekt zu identifizieren. Um absolute Genauigkeit zu erzielen, hat das Team die neuronalen KI-Netze mit Zehntausenden Bildern von klar identifizierten Zielschädlingen trainiert. Projektkoordinator Matej Štefančič erklärt: „Obwohl unsere Fallen zuverlässige Daten liefern, ist es schwer, sie zu interpretieren oder eben Muster für Vorhersagen zu finden. Hier kommt das maschinelle Lernen ins Spiel, das mit einer Kombination aus älteren Daten und Daten aus verschiedenen anderen Quellen arbeitet.“ Zielinsekten werden mit einer Kennzeichnung als Schädling identifiziert und markiert – jeweils mit einem bestimmten prozentualen „Zuverlässigkeitsniveau“, das ausdrückt wie sicher die Identifizierung stimmt. Die Nutzer können nur die Ergebnisse sehen, die über einer bestimmten Grenze liegen. Das Modell von Trapview kombiniert dann die täglich gesammelten Daten aus den Insektenbildern mit lokalen Wetterdaten, historischen Trends und Prognosen, um eine Vorhersage der Schädlingsdynamik zu erstellen. „Dieser Ansatz ist hocheffizient und mit über 90 % Identifikationsgenauigkeit im Durchschnitt besser als der Mensch. Außerdem war die Vorhersagegenauigkeit mit über 80 % besser als alle anderen Methoden auf dem Markt“, so Štefančič. „Da unser Modell die Ergebnisse des Pflanzenschutzes während der laufenden Saison integrieren kann, geben uns die Prognosen einen deutlichen Wettbewerbsvorteil.“ Aus Einsätzen der Technik im Mittelmeerraum sowie in anderen Regionen (z. B. Australien und den Vereinigten Staaten) weiß man, dass eine geringe Gerätedichte in einem Netzwerk/Netz für abgegrenzte Gebiete ein klareres Ergebnis der Schadinsektenpopulationen liefert als eine große Anzahl an nur einem Ort. Breiter Einsatz für Lebensmittelsicherheit und Nachhaltigkeit Damit unsere Lebensmittel sicherer werden, muss es weniger Insektizidrückstände geben. Nur so werden die Lebensmittel gesünder und die Resistenz gegen Insektizide sinkt. Zudem lassen sich regulative Normen besser einhalten, wenn der Pflanzenschutz mit gut informierten und rechtzeitigen Entscheidungen funktioniert und einen Insektizideinsatz vermeidet, der nur auf dem Kalender oder Erfahrungswerten basiert. Dank Trapview sparen die Kunden Kosten für Anreise und Arbeit und bekommen gleichzeitig höhere Erträge mit qualitativ besseren Erzeugnissen. Momentan sind automatische Fallen von Trapview erfolgreich in über 40 Ländern auf sechs Kontinenten im Einsatz. Jetzt konzentriert sich das Team auf Schlüsselmärkte und -pflanzen mit der höchsten Chance auf breite Anwendung. Zusätzlich wollen sie die Technologie mit folgenden Funktionen weiterentwickeln: Prognose weiterer Schädlinge, effiziente Überwachung mehrerer Schädlinge gleichzeitig, Ausweitung der Bilderkennung und verarbeitenden KI auf eine größere Bandbreite von Schädlingen sowie noch höhere Genauigkeit. „In unserem Bereich sind wir Technologieführer, auf einem klaren Weg nach vorn und mit dem Ziel, die Position zu halten. Wir wollen unsere Trapview-Technologie in den meisten landwirtschaftlichen Betrieben mit Nutzpflanzenproduktion einführen, damit sich das Leben der Menschen verbessert und die Umwelt sich erholt“, sagt Štefančič.
Schlüsselbegriffe
Trapview, Schädling, Landwirtschaft, Lebensmittel, Insekten, Insektizid, Nutzpflanzen, Fallen, Ackerbau, künstliche Intelligenz, maschinelles Lernen