Whitepaper des X-KIT Cluster Pflanzenschutz
Das vorliegende Whitepaper ist im vom Bundesministerium für Ernährung und Landwirtschaft (BMEL) geförderten und der Bundesanstalt für Landwirtschaft und Ernährung (BLE) als Projektträger begleiteten Vernetzungs- und Transferprojekt X-KIT entstanden. Ziel des Projektes ist eine übergreifende Vernetzung und Unterstützung für die vom BMEL geförderten KI-Projekte zur Ernährungs- und Landwirtschaft sowie für den ländlichen Raum zu ermöglichen, sodass Synergieeffekte möglichst umfänglich genutzt und unkoordinierte Parallelentwicklungen und inkompatible Lösungen vermieden werden. Somit soll das Potenzial der Digitalisierung für die Ernährungs- und Landwirtschaft, gesundheitlichen Ernährung, sowie dem ländlichen Räumen bestmöglich ausgeschöpft werden. Zu diesem Zweck wurden in dem Projekt themenspezifische Cluster für eine gezieltere Vernetzung der Projekte und die Ermöglichung von Synergieeffekten aufgebaut. Der nachfolgende Bericht beschreibt die Projektergebnisse im fachlichen Cluster Pflanzenschutz.
Im X-KIT Cluster Pflanzenschutz sind fünf Projekte vertreten, die im Folgenden vorgestellt werden: Durch die Integration von artspezifischen Eigenschaften in Managemententscheidungen wird im Projekt BETTER-WEEDS der Einsatz von Herbiziden auf kleinsten Teilflächen zwischen Nutzen und Schaden von Unkräutern abgewogen. Forschung zur Unkrauterkennung im Anwendungsbereich Vertical Farming wird im Projekt KIdetect betrieben. Der PhenoTruck® ist ein mobiles Labor zur Erkennung von Schaderregern im Wein- und Obstbau, welches die Stärken von molekularen Verfahren, hyperspektrale Labormessungen und multispektrale Drohnenflüge direkt vor Ort am Feldrand kombiniert. Die Projekte WeedAI und Weed-AI-Seek entwickeln beide Lösungen zur Unkrauterkennung via Drohne. Das Ziel von WeedAI ist dabei die Evaluation von Unkrautbekämpfungsmaßnahmen anhand von Drohnenbildern mit dem Ziel Prüfnormen für Geräte zur Unkrautbekämpfung zu entwickeln. Dahingegen werden Applikationskarten für das Herbizidmanagement in der Präzisionslandwirtschaft im Projekt Weed-AI-Seek erstellt.
Letzte Änderung: