VP6 & VP7: Lab-to-field Upscaling von Biologicals und KI-gestütztem Pathogen-Monitoring
Um eine ökologische und ökonomische Landwirtschaft zu verwirklichen, ist ein effizienter Ressourceneinsatz beim Pflanzenschutz notwendig. Die Erkennung von Pflanzenkrankheiten im Feld ist komplex, da Pilze auf oder im Pflanzengewebe wachsen und zu Beginn einer Infektion mit dem bloßen Auge nicht erkennbar sind (Hallmann et al. 2019). Die frühzeitige Erkennung ist essenziell, um durch schnelle und geeignete Gegenmaßnahmen Ertragsverluste zu minimieren.
Dazu zählt auch der Einsatz biologischer Antagonisten, mit dem Potential, chemische Pflanzenschutzmittel mittel- bis langfristig zu ersetzen und somit Rückstandsproblematiken oder der Entwicklung von Wirkstoffresistenzen zu begegnen. Dazu ist es notwendig die Pathogene im Pflanzenbestand, auch unter Einsatz von KI-basiertem Remote Sensing, frühzeitig zu quantifizieren und zeitnah Kontrollmaßnahmen einzuleiten. Für einen praxistauglichen Einsatz im Feld bedarf es jedoch weiterer Forschung für die Entwicklung neuer biologischer Antagonisten, die durch innovative Formulierungen die Wirksamkeit im Feld verbessern. Auch der richtige Applikationszeitpunkt sowie Anwendungsart und -ort haben einen großen Einfluss auf die Wirksamkeit einer biologischen Bekämpfung (Bejarano & Puopolo, 2020).
Das Ziel des gemeinsamen Forschungsvorhabens für die zweite Förderung besteht darin, die erfolgreiche Anwendung spezifisch formulierter biologischer Bekämpfungsmittel mithilfe eines KI-gestützten Pathogenmonitorings, für die Weiterentwicklung eines innovativen Pflanzenschutzsystems in NocsPS-Anbausystemen zu nutzen. Dieses soll die frühzeitige Erkennung von Stressfaktoren und Einleitung entsprechender Gegenmaßnahmen ermöglichen.
Um eine höhere Flexibilität und Effektivität der biologischen Antagonisten zu erzielen, ist geplant, unterschiedliche Applikationsverfahren (Blattbehandlung, Bodenanwendung, Saatgutbeizung) zu vergleichen und diverse Formulierungen zu erproben.
Das Arbeitsprogramm der Fachgebiete Phytopathologie und Künstliche Intelligenz in der Agrartechnik gliedert sich in zwei übergeordnete Arbeitspakete:
WP1: Etablierung von Präparaten mit biologischen Antagonisten zur Bekämpfung der Ährenfusariose und Weißstängeligkeit
- Aufklärung weiterer indirekten und direkten Wirkungsweisen biologischer Antagonisten, sowie deren Performance unter Feldbedingungen (Regen, UV-Strahlung)
- Optimierung der Applikationsverfahren und -orte mittels KI-basierter Analyse
WP2: Entwicklung von Methoden für eine KI-basierte Pflanzenpathogenerkennung in Soja und Weizen
- Aufbau einer automatisierten Datenerfassung von multi-modalen Spektralaufnahmen unter kontrollierten Bedingungen für das Training robuster Deep Learning-Modelle
- Herausarbeiten des kontinuierlichen Optimierungsbedarfs, um geeignete Anpassungen aus dem sich rasant entwickelnden Stand der KI-Forschung fortlaufend mit einfließen zu lassen.
- Erforschung der Transferierbarkeit der entwickelten KI-Modelle von der Laborskala, über im Gewächshaus simulierte auf reale Feldbedingungen für die Sicherstellung der Praxistauglichkeit.