KI-gestützte Peronospora-Prognose modernisiert den Hopfenanbau

PeroHop4.0, ein Forschungsprojekt von HSWT (Teilprojektleitung Prof. Dr. Florian Haselbeck, Projektbearbeitung Lina-Liv Willruth), LfL und TUM, bündelt technologisches Know-how, um den Pflanzenschutz im Hopfenanbau effizienter zu gestalten. Der Peronospora-Warndienst der LfL bildet seit vier Jahrzehnten eine tragende Säule des integrierten Pflanzenschutzes. Er unterstützt Betriebe, Pflanzenschutzmittel gezielt und bedarfsgerecht gegen den Falschen Mehltau einzusetzen. Da es derzeit sehr arbeitsaufwendig und nicht regionalisiert ist, ist eine Modernisierung dringend erforderlich.

KI-basierte Bildanalyse und neue Sporenfallen

Im ersten Schritt entwickelt das Projekt KI-Modelle, die Zoosporangien des Erregers Pseudoperonospora humuli auf digital-mikroskopischen Bildern automatisch zu erkennen und auszuzählen. Damit wird Fachwissen konserviert, Fehlerquellen minimiert und der Aufwand reduziert. Anschließend soll der Warndienst vollständig automatisiert werden, indem Echtzeit-Sporenfallen adaptiert und KI-gestützte Auswertungen etabliert werden. Ergänzend entsteht ein Prognosemodell, das historische Daten und agronomische Parameter wie Wetter und Topographie nutzt, um Vorhersagen zu treffen und präzisere Warnungen auszugeben.

Automatisierung und präzisere Prognosen

Ziel des Projekts ist es, den bestehenden Warndienst durch moderne Technologien grundlegend zu erweitern und zu automatisieren. Dazu gehören Digitalmikroskopie, KI-basierte Auswertungsverfahren und der Einsatz automatisierter Sporenfallen. Diese sollen die bisher manuell erfolgenden Schritte stark vereinfachen und eine regionale, kurzfristige Prognose ermöglichen. Durch die Verbindung langjähriger Expertenkenntnisse und umfangreicher Datensätze der LfL mit neuen technischen Verfahren soll die Qualität des Dienstes langfristig gesichert und seine Effizienz deutlich gesteigert werden.

• Zurück zur Übersicht