Projekte in den Förderprogrammen des BMEL, betreut durch den Projektträger BLE (PT BLE)
Ergebnis der Suche
| Titel: | Verbundprojekt: Sensorgestützte online Detektion von Krankheiten im Getreide (FungiDetect) - Teilprojekt 3 |
|---|---|
| Titel (englisch): | Collaborative project: Sensor-based online detection of diseases in cereals - subproject 3 |
| Beschreibung (dt.): | Ziel des Projektes ist die Entwicklung eines sensorgestützten praxistauglichen Verfahrens zur frühen Erkennung von Gelbrostnestern in Winterweizen. Optische Fahrzeug- und UAV-getragene Sensoren sollen getestet werden.Für eine krankheitsbezogene Bekämpfungsentscheidung ist neben der Detektion des Krankheitsnestes auch die Information über verschiedene Pflanzenparameter wie Pflanzenoberfläche oder Pflanzenhöhe notwendig. Dies dient zur Beurteilung der lokalen Zielfläche, die von der Spritzflüssigkeit benetzt werden muss und der Beurteilung der Ertragserwartung.Es werden im Verbundprojekt mehrere Sensoren eingesetzt, die erhebliche Datenmengen ortsspezifischerfassen.Diese Datenmengen müssen für den Landwirt für eine Bekämpfungsentscheidung aufbereitet und für eine spätere Anwendung bereitgestellt werden. Dazu wird ein Datenauswertungs- und Managementsystem auf der Basis von 'Agroport' der Firma AgriCon entwickelt. In Feldversuchen werden in den drei aufeinanderfolgenden Projektjahren punktuell künstliche Infektionen mit einer Sporensuspension des Weizengelbrostes durchgeführt. Die Farbveränderungen an der Bestandesoberfläche (horizontal) wird mit Hilfe einer RGB-Farbbildkamera und einer Multispektralkamera fahrzeuggestützt sowie mit einer RGB-Kamera UAV-gestützt erfasst.Aus den Bilddaten soll ein Klassifizierungsalgorithmus entwickelt werden, der die erkrankten Flächen erkennt. Um die vertikale Farbinformation innerhalb desGetreidebestandes zu erfassen,wird ein RGB-Vertikalsensor, der an ein Trägerfahrzeug installiert ist, getestet. Ein neuer Prototyp eines R/IR-Vertikalsensors wird entwickelt, der zusätzlich die Reflexion im infraroten Wellenlängenbereich misst. Im Prototyp 'Agroport Fusion' der Firma AgriCon sollen die Messwerte der verschiedenen Sensoren eingelesen, verwalten undinteraktiv ausgewertet werden, um zukünftig den Landwirt bei der Bekämpfungsentscheidung zu unterstützen. |
| Beschreibung (engl.): | Aim of the project is the development of a suitable technology for the early detection of yellow rust patches in wheat. Optical vehicle- and UAV-carried sensors will be tested. For a disease related control decision by the farmer beside the information of the disease also information of various plant parameters like crop surface and plant height are necessary. This is important for the assessment of the target area for the spray liquid and the yield expectation. The used sensors produce huge amount of georeferenced data. This data have to be analyzed for supporting control decisions of the farmer and have to manage for later usage. A data management system based on the existing system 'Agroport' of the company AgriCon will be developed. In field trials in three consecutive years selective artificial infection will be conductedwith a spore suspension of yellow rust in wheat. Changes in color at the surface of the crop stand (horizontal) will be measured by a RGB-color camera and a multispectral camera attached to a vehicle and a RGB-color camera attached to a UAV. From the image data a classification algorithm for detecting the disease patches are developed. For measuring the vertical changes in color a RGB vertical sensor carried bya vehicle will be tested. A new prototype of an R/IR vertical sensor is developed which measures the reflection in the infrared wavelength. In the prototype 'Agroport Fusion' of the company Agri Con the sensor data will be imported, managed, and interactively analyzed for future decision support of the farmer for disease control. |
| Ergebnis (dt.): | "In vom Projektpartner ATB durchgeführten Feldversuchen waren auf den UAV Luftbildern (15 m) nur solche Gelbrostnester visuell erkennbar, die sich deutlich von dem gesunden Pflanzenbestand farblich absetzten. Mit den optischen traktorgestützten Nahbereichssensoren sowie mit UAV Luftbildern ließen sich mit Gelbrost infizierte und gesunde Parzellen (9 m x 9 m) rechtzeitig voneinander unterscheiden, um in der Praxis den Befall mit einer Fungizidbehandlung zu kontrollieren. Die Farbbilder waren mit etwa 2 m nah genug, um mit einer geeigneten Bildverarbeitung die in einer Reihe angeordneten Uredosporenlager klassifizieren zu können. Die Daten der einzelnen Sensoren wurden zusammen mit der GPS-Position in das vom Projektpartner Agricon entwickelte Managementsystem „Agriport Fusion“ importiert und für eine Bekämpfungsentscheidung durch den Landwirt aufbereitet. Durch den Projektpartner TOSS erfolgte die Entwicklung eines optischen rot/Infrarot Vertikalsensors mit dem es möglich war den Gesundheitszustand unter der Bestandesoberfläche zwischen infizierten und gesunden Parzellen höhenabhängig (älteres und jüngeres Gewebe) zu unterscheiden." |
| Ergebnis (engl.): | "In the field trials conducted by the copartner ATB in the UAV-images (15 m above ground) only those stripe rust patches were visible which are clearly distinct from the neighboring healthy crop area according to the color. Using spectral features with the optical close-range sensors and also with the aerial UAV-images differences between infected and control plots (9 m x 9 m) were detected early enough to control the disease in practice. The close-range color images were sufficiently proximal (2 m above ground) to classify the uredospore layers which were arranged in a line using spectral and spatial features. The data coming from the sensors were imported together with the GPS position in the prototype “Agriport Fusion” developed by the copartner Agricon. The huge data sets were processed regarding to decision-making for fungicide use by the farmer. The copartner TOSS developed an optical red/infrared vertical sensor. It was possible to detect height dependent (younger and older crop tissue) health status differences inside the crop canopy between the infected and healthy plots using." |
| Laufzeit: | Beginn: 01.08.2016 / Ende: 31.07.2020 |
| Ausf. Einrichtung: | TOSS Intelligente Meßtechnik und Automatisierung GmbH, Potsdam |
| Themenfelder: | Pflanzenschutz, Pflanzengesundheit, crop protection, plant health |
| Förderprogramme: | Programm zur Innovationsförderung des Bundesministeriums für Ernährung und Landwirtschaft |
| Schlagworte: | Landtechnik, agricultural engineering, Präzise Landwirtschaft, precision farming, Digitalisierung, Digitale Welt, digital world, Weizen, wheat |
| Förderkennzeichen: | 2815705815 |
| Dokument zum Download: | Kein Dokument vorhanden! |
Kontakt: |
Benutzen Sie unser Kontaktformular
oder E-Mail an innovation@ble.de |
Erweiterte Suche
Hier gibt es die Möglichkeit, nach Stichworten, Themenfeldern, Projektstatus, Förderprogrammen, Laufzeiten und Einrichtungen zu suchen:
