Die Einzelpflanzenerkennung von Zuckerrüben ist eine wichtige Dienstleistung für Pflanzenzüchter, da sie insbesondere im Versuchswesen aussagekräftige Erkenntnisse über die Qualität von Zuckerrüben liefert. Dabei werden nicht nur die Anzahl der Pflanzen pro Parzelle berücksichtigt, sondern auch Aspekte wie Größe, Form und Farbe der Zuckerrüben. Mit neuester Technik wie Drohnen-, Satelliten- und Smartphone-Bildern können bildgestützte Bonituren erstellt werden. Pheno-Inspect liefert mithilfe KI-gestützter Algorithmen Erkenntnisse über Merkmale wie Bedeckungsgrad, Reihenabstand, Pflanzenabstand und inhomogene Verteilung innerhalb der Parzelle und begleitet die Zuckerrüben vom Aufgang über die Vereinzelung bis hin zur Ernte. Über die gesamte Saison werden Prognosen über relevante Parameter wie Anzahl, Größe und Blattbedeckung pro Parzelle mit direktem Bezug zum Versuchsplan erstellt. Während der Saison können zudem Krankheiten sowie Stressfaktoren auftreten, die das Endergebnis durch versuchsunabhängige Effekte beeinflussen können. Diese Effekte werden erfasst und können zusätzlich bei der Auswertung der Bonitur berücksichtigt werden. Die Zählung von Zuckerrüben in jeder Wachstumsphase ist ein entscheidender Faktor für die Bewertung der Pflanzenentwicklung und Qualität.

Bei der Zuckerrübe ermöglicht eine sehr frühe Bestimmung der Auflaufrate bei BBCH 10-12 wichtige Rückschlüsse auf die Performance von Sorten unter lokalen Bedingungen sowie in der Pflanzenproduktion. Ein rascher Überblick über mögliche Probleme beim Auflauf erlaubt daher ein frühes Eingreifen. Zuckerrüben sind vergleichsweise einfach einzeln zu erkennen und können bei Pheno-Inspect robust bis zum Reihenschluss bei BBCH 20-30 durchgeführt werden. 

Das obige Bild zeigt das Ergebnis einer KI-Bildanalyse in einem Zuckerrübenfeld. Einzelne Zuckerrüben(grün) können von Unkräutern unterschieden werden.

Neben der Zählung von Zuckerrüben führt Pheno-Inspect auch eine Größenbestimmung durch. Die Erfassung der Variation in Anzahl, Größe und räumlicher Verteilung der Pflanzen liefert wertvolle Daten für die landwirtschaftliche Forschung und Pflanzenproduktion. Diese Informationen tragen zu einem besseren Verständnis des Wachstums von Zuckerrüben bei und erhöhen die Effizienz.

Später in der Saison können auch Stress- und Krankheitssymptome mit unserer KI analysiert werden. Klicken Sie hier, um weitere Informationen zur Erkennung von Stress und Krankheiten bei Zuckerrüben zu erhalten.

In der modernen Landwirtschaft und Pflanzenzüchtung spielt die genaue Erfassung und Analyse von Pflanzendaten eine entscheidende Rolle. Methoden wie das Pflanzenzählen, die Größenbestimmung und die Analyse der Variation innerhalb von Pflanzenpopulationen sind unerlässlich, um fundierte Erkenntnisse über den Zustand und die Leistung von Kulturen zu gewinnen. Diese Techniken liefern wertvolle Informationen, die nicht nur für die Verbesserung von Sorten und Anbaumethoden wichtig sind, sondern auch zur Optimierung von Erträgen und zur Minimierung von Umwelteinflüssen beitragen

Das Zählen von Pflanzen ermöglicht es, die Anzahl der Pflanzen pro Flächeneinheit genau zu erfassen. Diese Information ist entscheidend, um die Saatgutqualität, die Keimrate und das Wachstumspotenzial einer Kultur zu beurteilen. Darüber hinaus liefert die Größenbestimmung von Pflanzen wichtige Hinweise auf deren Gesundheitszustand und Entwicklung. Sie hilft, Wachstumstrends zu erkennen und notwendige Anpassungen in der Bewirtschaftung vorzunehmen.

Die Analyse der Variation innerhalb einer Pflanzenpopulation ist ebenso bedeutsam. Sie gibt Aufschluss über die Homogenität und Heterogenität einer Kultur, was für die Züchtungsforschung und die Auswahl robuster Sorten von großer Bedeutung ist. Inhomogenitäten können auf unterschiedliche Wachstumsbedingungen, Krankheitsbefall oder andere Stressfaktoren hinweisen, die gezielt angegangen werden müssen. 

Die Integration dieser Methoden in moderne landwirtschaftliche Praktiken und Forschung, unterstützt durch fortschrittliche Technologien wie Drohnen und KI-basierte Algorithmen, revolutioniert die Pflanzenzüchtung, Agrarforschung und Pflanzenproduktion. Sie ermöglicht es, präzisere und effizientere Entscheidungen zu treffen, die zur nachhaltigen Steigerung der landwirtschaftlichen Produktivität und zur Erhaltung der Umwelt beitragen. 

Bei Feldversuchen, sei es für die Pflanzenzüchtung, die Saatgut- und Sortenbewertung, Pflanzenschutz oder Düngung, ist es unerlässlich, die phänotypischen Merkmale der Pflanzen im Feld mit hoher Präzision und Zuverlässigkeit zu erfassen. Die genaue Erfassung dieser Parameter ist die Basis für eine erfolgreiche Bewertung des Versuches und der daraus folgenden Beratung. Feldversuche werden typischerweise unterteilt in Exakt- und Streifenversuche. In beiden Fällen werden die relevanten Versuchsparameter und phänotypische Kenngrößen mittels genau koordinierter und getimter Feld- und Pflanzenbonituren erfasst. Das Zählen von Einzelpflanzen, das Bonitieren von Unkräutern und die fachgerechte Beurteilung von Pflanzenkrankheiten, ist äußerst zeit- und damit auch kostenintensiv. Dadurch werden selbst bei den „kleineren“ Versuchsparzellen im Exaktversuch oft nur Stichproben bonitiert, da für eine flächendeckende Bewertung häufig kein Personal zur Verfügung steht. Daraus resultiert ein nicht ausgeschöpftes Aussagepotential der erhobenen Parameter. Dies gilt insbesondre für Streifenversuche, bei denen Standort- und weitere Effekte rechnerisch nur bedingt berücksichtigt werden können.  Damit bleibt die Datenerfassung und -auswertung unter den bereits heute technisch verfügbaren Möglichkeiten.

Pheno-Inspect bietet innovative Produkte zur bildbasierten Auswertung der relevanten Parameter. Zuerst werden Bilddaten der Versuche mit einfach zu bedienenden Drohnen oder Smartphones aufgenommen. Danach erfassen die „digitalen Experten“ von Pheno-Inspect, d.h. auf künstlicher Intelligenz basierende Bildverarbeitungsalgorithmen, jede einzelne Pflanze und extrahieren relevante phänotypischen Kenngrößen für das gesamte Prüfglied. Die Bildanalyse ist vollständig georeferenziert. Die Parameter werden direkt unter Berücksichtigung von Parzellen und/oder Teilflächen aus dem Versuchsplan ausgewertet und können bequem über mehrere Standorte und Zeitpunkte statistisch aufbereitet werden. Die Bildverarbeitungstechnologie kann sehr effizient für Versuchszwecke, unabhängig von Kulturart oder Fragestellung und prinzipiell auch für Fragestellungen im gesamten Pflanzenbau verwendet werden.

Digitale Bonituren spielen eine entscheidende Rolle in der modernen Landwirtschaft und Pflanzenforschung. Sie ermöglichen eine präzise und effiziente Bewertung von Pflanzen und Feldversuchen, die für die Saatgut- und Sortenentwicklung, Pflanzenschutz und Düngungsstrategien unerlässlich ist. Traditionelle Methoden der Pflanzenbeurteilung sind oft zeit- und arbeitsintensiv und können nur begrenzte Datenmengen liefern. Hier bietet die Digitalisierung einen bahnbrechenden Fortschritt. Mit Technologien wie Drohnen, Smartphones und fortschrittlicher Bildverarbeitung, basierend auf künstlicher Intelligenz, kann jede Pflanze einzeln erfasst und bewertet werden. Dies ermöglicht eine umfassende und präzise Analyse großer Feldflächen und verbessert somit die Qualität und Aussagekraft der Feldversuche erheblich.

Die Nutzung digitaler Bonituren hat mehrere Vorteile: Sie steigert die Effizienz durch Automatisierung der Datenerfassung, erhöht die Genauigkeit der Daten und ermöglicht eine georeferenzierte und detaillierte Auswertung von Versuchsparzellen. Diese Techniken sind für eine Vielzahl von Kulturen und Fragestellungen anwendbar und eröffnen neue Möglichkeiten in der Pflanzenforschung und Landwirtschaft. Unsere webbasierte Lösung für die automatische Auswertung von Exakt- und Streifenversuchen ist ein Beispiel für die Leistungsfähigkeit digitaler Bonituren. Sie bietet eine benutzerfreundliche, integrierte Plattform, die sich nahtlos in bestehende Arbeitsabläufe einfügen lässt und umfassende Analysen über verschiedene Standorte und Zeitpunkte ermöglicht. Mit digitalen Bonituren treiben wir die Innovation in der Pflanzenforschung und Landwirtschaft voran, um nachhaltigere und effizientere Anbaustrategien zu entwickeln.

Nach oben scrollen