KI und Computer Vision für die Analyse von Weinbergen zur Optimierung von Pflanzenschutzbehandlungen

Einführung

Technologische Innovationen sind in der Welt der Landwirtschaft zunehmend präsent, und das Teilprojekt AgroTwinfinanziert mit 60k€ aus dem Horizont Europa ICAERUSist ein perfektes Beispiel dafür.
ICAERUS ist ein Projekt, das sich auf die Erkundung der Potenzial von Drohnen als Mehrzweckinstrument für Landwirtschaft, Umweltüberwachung und ländliche Dienstleistungen.
Das Ziel des Teilprojekts AgroTwin war die Entwicklung und der Test eines Entscheidungsunterstützungssystem (DSS) basierend auf fortschrittlichen Algorithmen der KI und Computer Vision für die Optimierung von Pflanzenschutzbehandlungen durch den Einsatz von Drohnen auf Verbraucherniveau, wie z.B. der DJI Phantom 3 Professional (Abb. 1).

Abb.1: Flugvorbereitung des DJI Phantom 3 Professional im Testweinberg.

Ein Entscheidungshilfesystem für nachhaltige Landwirtschaft

Die Bilderfassung und das Testen des Algorithmus wurden durchgeführt auf einem etwa 1,2 ha großen Sangiovese-Weinberg auf dem regionalen Weingut Cesa (AR) (Abb. 2). Letztere wurde unterteilt in 2 Parzellen von ähnlicher Größe und Wuchskraft, eine für die variable Dosierung von Pflanzenschutzmitteln auf der Grundlage der Ergebnisse unserer DSS (Test) und die andere für feste Dosierungen (Kontrolle), wo die Standarddosen des Betriebs angewendet wurden.

Für die Aufnahme der sichtbaren (RGB) Bilder des Weinbergs verwendeten wir eine einfach zu bedienende und weit verbreitete Drohne, die DJI Phantom 3 Professional. Diese Bilder wurden verwendet, um 3D-Punktwolken zu erzeugen, mit denen wir den digitalen Zwilling des Weinbergs in drei verschiedenen phänologischen Stadien erstellen konnten.

Bei jedem Flug wurde das digitale Modell mit Hilfe proprietärer Algorithmen genau analysiert, um die wichtigsten biometrischen Parameter der einzelnen Rebstöcke von Interesse zu extrahieren. Anhand dieser Daten erstellte das DSS maßgeschneiderte Rezeptkarten für Behandlungen mit variabler Dosierung (VRT) und verbesserte so die Effizienz des Pestizideinsatzes.

Abb.2: Lage des zu testenden Weinbergs und Unterteilung der beiden Parzellen (Test, Kontrolle).

Fortgeschrittene Algorithmen für die Analyse biometrischer Parameter

Einer der innovativsten Aspekte von AgroTwin war die Entwicklung von fortschrittlichen KI- und Computer-Vision-Algorithmen zur Analyse der biometrischen Daten von Rebstöcken. Diese Algorithmen, die auf die von der Drohne erzeugten 3D-Punktwolken angewandt wurden, ermöglichten eine genaue Analyse der wichtigsten Parameter wie Dicke, Höhe und Volumen des Kronendachs einzelner interessanter Pflanzen mit einer durchschnittlichen Fehlermarge von weniger als 10% im Vergleich zu manuellen Messungen (Abb. 3, 4).

Abb.3: Entwicklung in den verschiedenen phänologischen Phasen einer Testrebe (Dicke (m), Höhe (m), Volumen (m3)).

Abb.4: Manuelle Messungen auf dem Feld.

Durch die Verwendung dieser biometrischen Parameter ermöglichten es die Algorithmen, einen sehr wichtigen Vitalitätsindex zu erstellen, den LAI (Blattflächenindex) sowie die Generierung der LWA (Leaf Wall Area) und TRV (Tree Row Volume), die Aufschluss über die Fläche und das Volumen der Weinbergskrone geben.
Durch die Interpolation einer geeigneten Anzahl von Musterpflanzen generierten die Algorithmen automatisch Karten der vegetativen Vitalität (LAI) und Rezeptkarten für phytosanitäre Behandlungen (Abb. 5).

Abb.5: Wuchskraftkarten (LAI) und Rezeptkarten (Liter/Hektar) für Pflanzenschutzbehandlungen für jede phänologische Phase.

Sensitivitätsanalyse zur Verbesserung der Datenerfassung

Eine weitere entscheidende Phase des Projekts war die Sensitivitätsanalyse, um die besten Flugparameter der Drohnenvermessungen zu finden, die den besten Kompromiss zwischen Datenqualität und Flugzeit bieten. Diese Studie ermöglichte es, die besten Flugkonfigurationenzu ermitteln , die im Vergleich zu manuellen Messungen die beste Genauigkeit bei der Schätzung der Parameter der Rebkronen gewährleisten.
Die beste Konfiguration mit Fehlern von weniger als 10% im Vergleich zu manuellen Messungen erwies sich als 30 Meter Flughöhe, mit 85% Überlappung zwischen den Fotos und mit kombinierten Kamerawinkeln (nadiral und 30°), was die Genauigkeit der gesammelten Daten deutlich verbesserte.

Ökologische und wirtschaftliche Vorteile

Ein international standardisiertes Verfahren (ISO 22522) und ein Lebensmittel-Tracer (Tartrazin) wurden verwendet, um die Quantität und Qualität der Pestizidablagerung auf den Rebkronen in den beiden verschiedenen Gebieten zu bewerten. Das Hauptziel bestand darin, die Effizienz der beiden Behandlungsarten zu vergleichen. Die Messungen zur Wirksamkeit der Behandlungen wurden von der Abteilung für Landwirtschaftsmechanik (DAGRI) der Universität Florenz durchgeführt.

Abb.6: Das Verfahren umfasste die Beprobung von drei repräsentativen Rebstöcken in den Bereichen geringer, mittlerer und hoher Wuchsstärke unter Verwendung von wassersensitiven Karten und Nylonsammlern, die in drei verschiedenen Baumkronenhöhen positioniert wurden (H1 oberhalb des Kordons, H2 in der Mitte der Baumkrone, H3 an der Spitze).

Die Ergebnisse zeigten, dass die durchschnittliche Bedeckung in der VRT-Parzelle 35% betrug und damit etwas über dem optimalen Schwellenwert (30%) lag, aber die Baumkronen der Reben wurden entsprechend ihrer tatsächlichen Biomasse bedeckt, während die Kontrollparzelle eine durchschnittliche Bedeckung von 39% aufwies, ohne Berücksichtigung der tatsächlichen Biomasse auf dem Feld. Schließlich wurden in den getesteten Parzellen keine Krankheiten festgestellt und zum Zeitpunkt der Auswertung wurden keine signifikanten Unterschiede bei Ertrag und Qualität der Trauben festgestellt.
Was die Dosis betrifft, wurde dank des VRT-Ansatzes eine durchschnittliche Reduzierung des Pestizid- und Wasserverbrauchs um 35% erreicht, mit einem Spitzenwert von 41% während der mittleren phänologischen Phase. Diese Einsparungen können übersetzt werden in eine Verringerung der Auswirkungen der Produkte auf die Umweltund verbessern so die Erhaltung der Artenvielfalt im Weinberg und begrenzen die Verschmutzung von Grundwasser und Luft.

Schlussfolgerungen

Das AgroTwin-Projekt stellt einen Schritt nach vorn in der Präzisionslandwirtschaft dar, indem es Bilder für die agronomische Entscheidungshilfe nutzt. Dank ihm wurde es entwickelt einen Prototyp eines DSS aus Drohnenbildern. Außerdem, das Ausmaß, in dem die Integration von Drohnen und fortschrittlichen Algorithmen die ökologische und ökonomische Nachhaltigkeit von landwirtschaftlichen Betrieben verbessern kann.

Das Projekt demonstrierte, wie mit einer Drohne, die einfache RGB-Fotos aufnimmt, digitale Modelle von ausreichender Qualität erstellt werden können, um eine Ernte auf dem Feld zu analysieren und eine Verschreibungskarten, die für die wichtigsten Operationen verwendet werden könnenwie z.B. bei der Verteilung von Pflanzenschutzmitteln oder bei der selektiven Ernte auf der Grundlage der Wuchskraft, wodurch wertvolle Ressourcen gespart und Produktionsprozesse verbessert werden. sparen Sie wertvolle Ressourcen und verbessern die Produktionsprozesse.

Dank der erheblichen Einsparungen bei Pestiziden und Wasser und der verbesserten Umverteilung auf dem Feld positioniert sich das entwickelte DSS als innovatives und nachhaltiges agronomisches Werkzeug, das es ermöglicht, die Vorgaben der Präzisionslandwirtschaft durch die Nutzung digitaler Kopien des Weinbergs zu verfolgen.
In einem zunehmend auf Nachhaltigkeit ausgerichteten Sektor kann diese Technologie den Landwirten eine praktische, kostengünstige und innovative Lösung für die aktuellen Herausforderungen der modernen Landwirtschaft bieten .

Finden Sie heraus, wie Sie Ihre Behandlungen mit der App optimieren können iAgro oder mit der iDrone!