KI-gesteuerter PhenoTruck erreicht 99 % Genauigkeit bei der Erkennung von Krankheiten in Weinbergen und Obstplantagen vor Ort

Forscher der Fraunhofer-Institute in Deutschland haben ein neues mobiles Laborsystem namens PhenoTruck® entwickelt, mit dem Quarantäneschädlinge und Pflanzenkrankheiten direkt in Weinbergen und Obstplantagen schnell identifiziert werden können. An dem Projekt mit dem Namen PhenoTruckAI sind Experten des Fraunhofer-Instituts für Fabrikbetrieb und -automatisierung (IFF), des Fraunhofer-Instituts für Biomedizinische Technik (IBMT) und des Agrarpartners DLR Rheinland-Pfalz beteiligt. Die Initiative wird aus Mitteln des Bundesministeriums für Ernährung und Landwirtschaft gefördert und von der Bundesanstalt für Landwirtschaft und Ernährung unterstützt.

Der PhenoTruck® wurde als Reaktion auf die wachsende Bedrohung durch klimabedingte Schädlinge entwickelt, die den Obst- und Weinbau in Deutschland zunehmend beeinträchtigen. Da der globale Handel und die steigenden Temperaturen neue Schädlinge in die Region bringen, haben sich die traditionellen Kontrollmethoden - die oft auf visuellen Bewertungen und Labortests beruhen - als zu langsam erwiesen, um Ausbrüche zu verhindern. Das neue System zielt darauf ab, diese Lücke zu schließen, indem es eine schnelle Vor-Ort-Diagnose ermöglicht, die es den Landwirten erlaubt, Maßnahmen zu ergreifen, bevor sich der Befall ausbreitet.

Das mobile Labor setzt mehrere fortschrittliche Technologien ein. Mit multispektralen Sensoren ausgestattete Drohnen scannen zunächst große Flächen von Nutzpflanzen, um Zonen zu identifizieren, die von Krankheiten oder Schädlingen befallen sein könnten. Diese Bereiche werden dann mit einer im Rahmen des Projekts entwickelten Feldbewertungs-App dokumentiert. Blätter, die Symptome aufweisen, werden gesammelt und im PhenoTruck® mit Hilfe von Hyperspektralkameras analysiert, die subtile Veränderungen der Blattfarbe erkennen können, die mit dem bloßen Auge nicht sichtbar sind.

Modelle der künstlichen Intelligenz verarbeiten die Bilddaten und unterscheiden mit hoher Genauigkeit zwischen verschiedenen Arten von Phytoplasma-Krankheiten. Den Forschern zufolge kann die Erkennungsrate bis zu 99 Prozent betragen, selbst wenn die Symptome der verschiedenen Krankheiten ähnlich sind. Dieses Maß an Präzision ist wichtig, da einige Krankheiten gemäß den Vorschriften der Europäischen Union sofort gemeldet und behandelt werden müssen.

Um Verdachtsfälle zu bestätigen, werden in dem mobilen Labor molekularbiologische Tests durchgeführt. Das Team verwendet einen LAMP-Schnelltest (Loop-mediated Isothermal Amplification), der innerhalb von etwa einer Stunde Ergebnisse liefert - viel schneller als herkömmliche PCR-Tests, bei denen Proben an ein Labor geschickt werden müssen. Diese Kombination aus KI-gestützter Vorselektion und molekularer Bestätigung vor Ort verkürzt die Zeit, die zur Identifizierung von Schadorganismen benötigt wird, erheblich.

Erste Versuche fanden in Weinbauregionen in Rheinland-Pfalz, Deutschland, und in Italien statt. Der Schwerpunkt lag dabei auf Rebenkrankheiten wie Flavescence dorée, Pfälzische Reblaus und Bois noir sowie auf weit verbreiteten Obstbaumkrankheiten wie Apfeltriebsucht und Birnenverfall. Diese Krankheiten können schwere wirtschaftliche Verluste verursachen, wenn sie nicht frühzeitig erkannt werden.

Das Projekt PhenoTruckAI begann im September 2021 und soll bis September 2025 laufen. Die Forscher hoffen, mit ihrer Arbeit den Grundstein für künftige Fortschritte bei der Überwachung der Pflanzengesundheit zu legen und die europäische Landwirtschaft vor neuen Bedrohungen im Zusammenhang mit dem Klimawandel zu schützen.

Die Projektpartner sind der Ansicht, dass die mobile Diagnostik zu einem Standardinstrument für Landwirte werden könnte, die mit immer komplexeren Schädlingsproblemen konfrontiert sind. Durch die schnelle und zuverlässige Identifizierung von Quarantäneschädlingen direkt auf dem Feld können Systeme wie PhenoTruck® dazu beitragen, Ernteverluste zu verringern und die grenzüberschreitende Ausbreitung von Schadorganismen zu begrenzen.