Automatisierte und KI-gestützte Peronospora-Befallsprognose zur Weiterentwicklung des integrierten Pflanzenschutzes im bayerischen Hopfenanbau (PeroHop4.0)
PeroHop4.0 ist ein Verbundforschungsprojekt von LfL, TUM und HSWT, das institutsübergreifend Kompetenzen bündelt, um mit modernen Technologien einen Mehrwert für die landwirtschaftliche Praxis zu schaffen. Der vom Projektpartner LfL betriebene „Peronospora-Warndienst“ ist seit 40 Jahren eine zentrale Säule des Integrierten Pflanzenschutzes der Dauerkultur Hopfen für einen zielgerichteten und bedarfsgerechten Einsatz von Pflanzenschutzmittel (PSM) zur Kontrolle des Falschen Mehltaus (Pseudoperonospora humuli). Angesichts der zunehmenden Herausforderungen für die bayerische Hopfenproduktion ist eine Modernisierung des Dienstes, u.a. eine Automatisierung der Sporenauswertung und eine flächenspezifische Prognose dringend nötig, um eine ressourcenschonende und effiziente Pflanzenschutz- und Bewirtschaftungsstrategie im Hopfenanbau zu gewährleisten und zukunftsfähig zu gestalten.
Zielsetzung
Ziel des Projektes ist die Modernisierung des „Peronospora-Warndienst“ durch den Einsatz von Digitalmikroskopie, automatisierten Sporenfallen und Künstlicher Intelligenz (KI). Dies soll die Qualität und Effizienz steigern sowie langfristig sichern. Der aktuelle Warndienst ist mit hohem manuellem Aufwand verbunden und bietet keine Prognose. Die Kombination moderner Technologien mit bestehender Expertise und langjährigem Datenbestand der LfL ermöglicht eine Automatisierung, bessere regionale Auflösung und kurzfristige Befallsprognosen und so eine langfristige Sicherung und Weiterentwicklung des Dienstes.
Vorgehensweise
Im ersten Schritt sollen mittels KI-basierter Bildverarbeitung Zoosporangien von Pseudoperonospora humuli anhand digital-mikroskopischer Aufnahmen zuverlässig identifiziert und automatisiert ausgezählt werden. Dies verringert den personellen Aufwand, erhöht die Zuverlässigkeit und Objektivität und sichert langjähriges Expertenwissen. Im Folgeschritt wird eine vollständige Automatisierung des Warndienstes mittels KI-gestützter automatisierter Sporenfallen angestrebt. Dazu werden am Markt verfügbare Echtzeit-Sporenfallen adaptiert und ein KI-Modell zur automatisierten Auswertung entwickelt, so dass kein manueller Aufwand für die Probenahme mehr erforderlich ist. Diese Automatisierung ermöglicht eine deutliche Reduktion des personellen Aufwands und damit eine kürzere Reaktionszeit sowie eine bessere Skalierbarkeit. Zusätzlich soll ein Prognosemodell auf Basis historischer Daten und weiterer agronomischer Parameter entwickelt werden, um den Befallsdruck sortenspezifisch und gebietsspezifisch für die Folgetage vorherzusagen. So entsteht ein flächenbezogenes Frühwarnsystem, das gezieltere Applikationen ermöglicht und den PSM-Einsatz reduziert, da flächenspezifischere Warnhinweise statt wie bisher für die gesamte Hallertau ausgesprochen werden können.
