Entwicklung und Bewertung von Beikraut-Applikationskarten für den Einsatz von Robotern zur mechanischen Beikrautregulierung (EWIS2)
In diesem Projekt werden mittels Drohnenfotos in Sorghum und Mais Karten zum räumlichen Verteilungsmuster des Beikrautbesatzes entwickelt und validiert. Diese Karten bilden die Basis für teilflächenspezifischen mechanischen oder chemisch-synthetischen Pflanzenschutz, um durch reduzierte Bodenbearbeitung das Erosionspotential zu mindern und den Einsatz von Pflanzenschutzmitteln zu reduzieren. Essenzielle Schritte zum teilflächenspezifischen Einsatz von Hackrobotik auf landwirtschaftlichen Feldern werden aufgezeigt. Abschließend erfolgt auf Grundlage der Beikrautkartierung eine Wirtschaftlichkeitsbewertung für die verschiedenen Anwendungsmöglichkeiten teilflächenspezifischer Pflanzenschutzmaßnahmen.
Ziele des Projektes
Bereits im Forschungsprojekt Evaluierung und Weiterentwicklung moderner Verfahren der künstlichen Intelligenz zur automatischen Erkennung von Unkraut in Sorghum mit Hilfe von Drohnen (EWIS) konnten mit Hilfe moderner Verfahren der künstlichen Intelligenz akkurate Modelle zur automatisierten Erkennung von Beikräutern und Sorghum in Drohnenaufnahmen entwickelt werden. Mit diesem Projekt wurde ein wichtiger Grundbaustein für eine Vielzahl an weiteren Forschungsfragen und Anwendungen geschaffen.
Die im Projekt EWIS erhobenen und annotierten Daten sowie die entwickelten KI-Modelle eröffnen die Möglichkeit, neuartige Kl-basierte Open-Source-Software zur automatisierten Erstellung von kleinräumigen Beikrautkarten zu entwickeln. Auf Basis dieser Beikrautkarten werden im Projekt EWIS2 Applikationskarten zur teilflächenspezifischen Beikrautregulierung in Mais und Sorghum durch moderne Feldroboter erstellt. Die Zusammenarbeit zwischen den Standorten Straubing und Ruhstorf im Bereich der Digitalisierung wird vorangetrieben und Synergien werden genutzt. Durch intensiven Wissenstransfer wird ein interdisziplinärer Austausch erreicht.
Vorgehensweise
Folgende Arbeitspakete (AP) werden im Verbundprojekt bearbeitet:
AP 1: Optimierung der Datenerhebung mit Drohnen für die effiziente Erzeugung von hochaufgelösten Bestandesbildern und deren Annotation sowie Koordination des Projektverbunds (TFZ)
Für die erfolgreiche Umsetzung der Projektziele ist eine belastbare Datenbasis elementar. Daher soll die Drohnenbefliegung als Grundlage für die teilflächenspezifische Beikrautkontrolle so angepasst werden, dass möglichst automatisiert Bestandesaufnahmen optimaler Qualität erhoben werden. Der Fokus liegt dabei auf der Effizienzsteigerung durch Erhöhung der Bildqualität bei gleichzeitig erhöhter Flächenleistung. Dies ist ein wichtiger Schritt für die Skalierung der Technologie. Durch die Weiterentwicklung smarter Vormaskierungen sollen Annotation und Klassifizierung der Bilder effizienter und akkurater durchgeführt werden. Annotationen der Informationen in einem Bild sind nötig für das Training und die Evaluierung der KI-Methoden in AP 2. Der Einsatz einer Drohne mit RTK-Modul für genauen GPS Daten dient dazu, Bestandsaufnahmen mit einer exakten Georeferenzierung zu erheben. Es wird untersucht, wie groß der Einfluss dieser Technologie auf die in AP 2 generierten Beikrautkarten ist. Dafür können bereits vorhandene Daten aus EWIS als Referenz verwendet werden und es wird der Grenznutzen dieser Technik im Vergleich zu konventionellen Fotodrohnen geprüft. Der Projektverbund wird durch das TFZ koordiniert.
AP 2: Entwicklung und Validierung einer KI zur automatisierten Generierung von kleinräumigen Beikraut Applikationskarten (HSWT)
Für die Erstellung der Beikrautkarten wird in einem ersten Schritt das von der Drohne aufgenommene Bild in kleinere Bildausschnitte zerlegt, um die Aufnahmen mit Hilfe von künstlichen Neuronalen Netzen effizient verarbeiten zu können. Nach diesem Vorverarbeitungsschritt sind die KI-Modelle in der Lage, Segmentationsmasken für diese Bildausschnitte zu erstellen, welche die Position der einzelnen Pflanzen sowie deren Klasse (Beikraut oder Sorghum/Mais) angeben (Genze et al. 2022, Under Review). In diesem AP wird untersucht, welche Art der Annotation für die Erstellung von Applikationskarten nötig ist, insbesondere um die Adaption der KI auf andere Kulturarten erleichtern. Des Weiteren wird die KI angepasst und erweitert, um genaue GPS basierte Vorhersagen zu erstellen. Dies ist nötig, um in einem weiteren Schritt Beikraut-Applikationskarten generieren zu können. Hierfür werden u. a. die in AP 1 zusätzlich gewonnen Bildaufnahmen verwendet. Um die Beikrautkarte zu visualisieren und dem Nutzer möglichst intuitiv zur Verfügung zu stellen, soll eine prototypische responsive browserbasierte Anwendung entwickelt und getestet werden.
AP 3: Integration der Applikationskarten in Feldrobotik (TFZ, HSWT, LfL)
Für die praktische Umsetzung der in AP 2 erstellten Applikationskarten ist eine erfolgreiche Integration in bestehende Robotikplattformen entscheidend. Entsprechend der Funktionsweise wird ein optimales Verfahren ent wickelt, um den Roboter hocheffizient auf dem Feld einzusetzen. Anhand einer verbesserten Routenplanung kann zu Beikraut-Hotspots navigiert und dort reguliert werden, um zeitaufwändige Leerfahrten des Roboters zu minimieren. Auch das Potential einer optimierten Fahrspurplanung wird bewertet. Die bisher verfügbare Feldrobotik besitzt verschiedene, meist begrenzte Möglichkeiten der Fahrspurplanung. Zunächst müssen die für eine Realisierung relevanten Schnittstellenproblematiken bei marktverfügbarer Hackrobotik und Sicherheitsaspekte im autonomen Betrieb aufgezeigt und zu adressiert werden.
AP 4: Umweltökonomische Systembewertung (LfL)
Für eine Bewertung des Gesamtsystems mit Blick auf Umweltwirkung und Wirtschaftlichkeit wird das Verfahren im Feldversuch mit etablierten Methoden der Beikrautregulierung verglichen. Die Wirtschaftlichkeitsbewertung erfolgt auf Basis der generierten Beikrautkartierung und wird für die beiden möglichen Anwendungsbereiche mechanische bzw. chemisch-synthetische Beikrautregulierung kalkuliert. Um die Bandbreiten der Beikrautverteilung auf landwirtschaftlichen Flächen zuverlässig abzubilden, erfolgt die Wirtschaftlichkeitsbetrachtung auf Grundlage der Beikraut-Kartierung von mehreren Schlägen. Eine nur teilflächenspezifische mechanische Beikrautregulierung vermindert die Erosionsgefahr an Hängen und reduziert den Zielkonflikt des Verfahrens. Für die umweltökonomische Bewertung wird auf Basis eines Erosionsschätzungsmodells das Potential der Erosionsvermeidung durch teilflächenspezifische mechanische Beikrautregulierung quantifiziert.
AP 5: Wissenstransfer und Öffentlichkeitsarbeit (TFZ, HSWT, LfL)
Der Wissenstransfer wird über die komplette Projektlaufzeit hinweg durchgeführt. Vor allem in Fachzeitschriften und internationalen Journals sollen Publikationen veröffentlicht werden. Um die Erkenntnisse aus dem Projekt der landwirtschaftlichen Zielgruppe näherzubringen, ist geplant, den Einsatz von Drohnen und Hackrobotern im Feld im Rahmen der jährlich stattfindenden Versuchsführungen des TFZ live zu zeigen. Dies bietet die Möglichkeit, mit Landwirten in den direkten Austausch zu treten.
