Skip to main content Skip to main navigation

Projekt

CognitiveWeeding

Selektives Unkraut- und Beikrautmanagement mit Hilfe Künstlicher Intelligenz

Selektives Unkraut- und Beikrautmanagement mit Hilfe Künstlicher Intelligenz

  • Laufzeit:

Die den Ackerbau begleitende Spontanvegetation (allg. als Unkraut bzw. Beikraut bezeichnet) führt bei unterlassener Regulierung u.U. zu großen Ertragsverlusten. Allerdings sind von den ca. 350 spontan auf Ackerflächen auftretenden Pflanzenarten nur etwa 20 als Problempflanzen, also als Unkräuter, anzusehen, deren Bekämpfung notwendig ist. Das Schadpotenzial bestimmter Unkräuter entsteht erst im Kontext von Bewirtschaftungsform und Kulturart. Unabhängig davon weisen die meisten im Acker spontan auftretenden Pflanzenarten ertragsbezogen kein oder ein vernachlässigbares Risiko auf und werden im Projektkontext als Beikraut bezeichnet. Diesem eher geringen pflanzenbaulichen Schadpotenzial steht eine teilweise starke Gefährdung zahlreicher Ackerwildkräuter sowie deren fundamentale Bedeutung für den Erhalt der Biodiversität in Agrarökosystemen gegenüber. Zahlreiche Untersuchungen belegen, dass Un- bzw. Beikräuter wichtige Nektar- oder Futterpflanzen sowie Lebensraum für verschiedene Insekten und Vögel darstellen.

Ziel des Forschungsvorhabens CognitiveWeeding ist es, einen Lösungsansatz mit einer veränderten Sichtweise auf die Ackerbegleitflora und der damit einhergehenden Unkrautregulierung zu entwickeln. Unter der Berücksichtigung der Ertragssicherheit stehen dabei Biodiversitätserhalt und -steigerung im ökologischen und konventionellen Pflanzenbau im Zentrum. Die Betrachtungsweise geht über die aktuelle Anbauperiode und Fruchtfolge hinaus. Die Ackerbegleitflora wird in Unkraut und Beikraut differenziert, wobei als Unkraut eine unerwünschte und problematische Pflanze im Bestand und als Beikraut eine wirtschaftlich unkritische und ggf. schützenswerte Pflanze in Koexistenz mit der Kulturpflanze bezeichnet wird. Diese Klassifizierung erfolgt unter Berücksichtigung des betriebsspezifischen Pflanzenbaus sowie der vorgegebenen Standort- und Witterungsbedingungen im Rahmen der Fruchtfolge und der Auswirkung für die Biodiversität auf der jeweiligen (Teil-)Fläche.

Um das Projektziel zu erreichen, werden drohnen-/bodengestützte Sensorsysteme zur Pflanzenerkennung getestet, weiterentwickelt und validiert. Die Klassifizierung der detektierten Pflanzen in Unkraut oder Beikraut ist der erste Schritt im KI-System. Die erkannten Pflanzen werden anhand hinterlegter pflanzenbaulicher und naturschutzfachlicher Regeln sowie weiterer Faktoren bewertet und Vorschläge für eine Entscheidungsfindung unterbreitet. Dabei ist abzuwägen, in welchem Maße und zu welchem Zeitpunkt Beikräuter toleriert und zur Steigerung der Biodiversität nicht reguliert werden.

Das KI-basierte Entscheidungssystem wird im Projekt prototypisch für ausgewählte Kulturen und deren häufigste Bei- und Unkräuter entwickelt und auf Versuchsflächen erprobt.

Partner

  • Hochschule Osnabrück
  • Amazonen-Werke H. Dreyer GmbH & Co. KG
  • Universität Osnabrück
  • Farming Revolution

Fördergeber

BMUV - Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz

67KI21001B

BMUV - Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz

Publikationen zum Projekt

Mark Niemeyer; Marian Renz; Maren Pukrop; David Hagemann; Tim Zurheide; Daniel Di Marco; Markus Höferlin; Philipp Stark; Florian Rahe; Matthias Igelbrink; Mario Jenz; Thomas Jarmer; Dieter Trautz; Stefan Stiene; Joachim Hertzberg

In: KI - Künstliche Intelligenz, German Journal on Artificial Intelligence - Organ des Fachbereiches "Künstliche Intelligenz" der Gesellschaft für Informatik e.V. (KI), Vol. 37, Pages 1-7, Springer, 1/2024.

Zur Publikation

Marian Renz; Mark Niemeyer; Joachim Hertzberg

In: Referate der 43. GIL-Jahrestagung. Gesellschaft für Informatik in der Land-, Forst- und Ernährungswirtschaft (GIL-2023), Resiliente Agri-Food-Systeme, February 13-14, Osnabrück, Germany, Pages 207-218, Vol. P-330, ISBN 978-3-88579-724-1, Köllen Druck+Verlag GmbH, Bonn, 2/2023.

Zur Publikation

Mark Niemeyer; Marian Renz; Joachim Hertzberg

In: KI 2023. German Conference on Artificial Intelligence (KI-2023), 46th, September 27-29, Berlin, Germany, Springer, 2023.

Zur Publikation