Methoden zur Erkennung des Kartoffelkäfers (Leptinotarsa decemlineata (Say)) mit Multispektral- und Farbbildkamera-Sensoren

Author:

Dammer Karl-HeinzORCID

Abstract

ZusammenfassungZu Beginn einer Massenvermehrung des Kartoffelkäfers sind in der Regel nur eine begrenzte Anzahl Kartoffelpflanzen im Feld befallen (Befallsherde). Bei einer schaderregerbezogenen gezielten Insektizidspritzung würden in Abhängigkeit von Bekämpfungsschwellen nur diese Befallsherde behandelt, was zu einer erheblichen Reduzierung des Insektizideinsatzes führen könnte. Voraussetzung ist ein lückenloses Monitoring des gesamten Feldes. Durch den Betrieb von Kamerasensoren am Traktor z. B. während Pflegemaßnahmen oder an unbemannten Fluggeräten (UAVs) könnte eine schnelle Erfassung ermöglicht werden. Die Vielzahl der dabei anfallenden Bilder muss mit geeigneten Bildverarbeitungsmethoden zeitnah, idealerweise in Echtzeit (real-time) ausgewertet werden, wobei eine hochgenaue Erkennung der verschiedenen Entwicklungsstadien des Käfers in den aufgenommenen Bildern im Vordergrund steht.Im Beitrag wird die Methodik des Einsatzes einer Multispektralkamera sowie dreier handelsüblicher Farbbildkameras (RGB) für die Aufnahme von Boden- bzw. Luftbildern und die Ergebnisse von Feldtests zur Erkennung der jeweiligen Entwicklungsstadien des Kartoffelkäfers abhängig vom Wachstum der Kartoffelpflanzen vorgestellt. Während die Klassifizierung von Kartoffelkäferlarven in den Traktor-basierten multispektralen Bilder in Echtzeit während des Betriebes des Sensors erfolgte, wurden die RGB-Bilder mit Hilfe eines künstlichen neuronalen Netzes nach der Bildaufnahme ausgewertet.Eigelege und das erste Larvenstadium befinden sich an der Blattunterseite. Mit einem kamerabestückten Vertikalsensor, mit dem schräg nach oben Aufnahmen generiert wurden sowie mittels UAV-Bildern, ließen sich diese Stadien in den RGB-Bildern nachweisen. Ein Monitoring unterhalb der Pflanzenoberfläche bietet dem Landwirt einen Zeitvorteil bei der Bekämpfungsentscheidung (z. B. Planung Technikeinsatz, Beschaffung Insektizide).Im Beitrag werden Beispielsbilder sowie ein möglicher Praxiseinsatz der vorgestellten sensorbasierten Monitoringmethoden oberhalb und unterhalb der Pflanzenoberfläche aufgezeigt und diskutiert.

Funder

Bundesministerium für Bildung und Forschung

Leibniz-Institut für Agrartechnik und Bioökonomie e.V. (ATB)

Publisher

Springer Science and Business Media LLC

Subject

General Agricultural and Biological Sciences

Reference29 articles.

1. Anonym (2022a) Datenblatt PSM – CORAGEN. https://apps2.bvl.bund.de/psm/jsp/DatenBlatt.jsp?kennr=026336-00. Zugegriffen: 5. Sept. 2022

2. Anonym (2022b) Amazone / Neuheiten, Amazonen-Werke H. Dreyer SE & Co. KG. https://amazone.de/de-de/agritechnica/neuheiten-details/amazone-ux-smartsprayer-997530. Zugegriffen: 26. Juni 2022

3. Anonym (2022c) Strategie gegen den Kartoffelkäfer. Bayerisches Staatsministerium für Ernährung, Landwirtschaft und Forsten (StMELF), Publikationen, Termine. https://www.lfl.bayern.de/ips/blattfruechte/072515/index.php. Zugegriffen: 26. Juni 2022

4. Anonym (2022d) KI für alle. Komplettpaket macht die Technologie anwendertauglich. IDS Imaging Development Systems GmbH. https://de.ids-imaging.com/technical-articles-details/ids-nxt-ai-for-all.html. Zugegriffen: 26. Juni 2022

5. Baufeld P, Schaarschmidt R (2020) Der Japankäfer (Popillia japonica) – ein Schädling mit großem pflanzengesundheitlichen Risikopotential für Deutschland und Europa. J Kulturpflanz 72:440–446. https://doi.org/10.5073/JFK.2020.08.15

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3