Geometrische und spektrale Erfassung von Bestandeseigen-schaften zur Phänotypisierung von Zuckerrüben und Weizen

Autor/in: Bohnenkamp, D., S. Paulus, A.-K. Mahlein
Jahr: 2020
Zeitschrift: Sugar Industry 145 (1)
Seite/n: 53–58, DOI: 10.36961/si23944.
Stichworte: Spektrale Sensorik, Machine Learning, UAV, Drohne, Zuckerrübe, Cercospora-Blattflecken, Weizen, Gelb-rost

Published in Projekt Veröffentlichungen, die keinem Projekt und keiner Abteilung zugeordnet sind / Abteilung Additional projects and publications

Abstract

Monitoring von Pflanzen mit nicht-destruktiver Sensorik ist ein etabliertes Werkzeug bei der Begutachtung und Beschreibung pflanzlicher Entwicklung und Leistungsfähigkeit. Diese Methoden werden im Labor- und Gewächshaus auf Organ-, Pflanzen-, und Kleinbestandebene eingesetzt. Hochdurchsatzverfahren sind ebenfalls etabliert. Die Übertragung dieser Techniken auf die Feldebene ermöglicht die Validierung von Resultaten aus kontrollierten Bedingungen und eine Integration in Prozesse des Anbaumanagements. Dazu müssen die Sensoren auf mobilen Trägerplattformen angebracht werden. Hierbei kommen neben manuell verschiebbaren Stativen auch radgestützte Versuchsträger (Roboter, Geräteträger und Traktoren) oder luftgestützte Plattformen (Drohnen, Hubschrauber, Flugzeuge, Satelliten) jeweils bemannt oder unbemannt zum Einsatz. Je nach Trägerplattform variiert der Messaufbau, der Abstand zwischen Sensor und Pflanze, der Durchsatz und somit die Auflösung bzw. die Möglichkeit, Details zu erkennen. Im folgenden Text werden Versuche mit drei unterschiedlichen experimentellen Trägerplattformen – (i) stativgebunden, (ii) auf einer mobilen Verfahreinheit mit Linearachse (Phytobike) und (iii) Drohne – dargestellt, um pflanzliche Parameter auf verschiedenen Skalenebenen im Feld zu untersuchen. Mit einer Drohne wurde in Zuckerrüben der Bedeckungsgrad quantifiziert, während mit Stativmessungen eine Unterscheidung zwischen gesunden und mit Cerco-spora beticola inokulierten Parzellen dargestellt wurde. Der geringste Abstand zwischen Pflanze und Sensor wird mit dem System Phytobike erreicht. Damit konnten auf Weizenblättern Gelbrostsymptome detektiert und quantifiziert werden.

FaLang translation system by Faboba