Österreichische Forscher testen Drohnensystem, um Rebenkrankheiten früher zu erkennen

Ein Forschungsteam in Österreich nutzt Drohnen, multispektrale Sensoren und künstliche Intelligenz, um Rebenkrankheiten früher und präziser zu erkennen und Winzern so zu helfen, zu handeln, bevor sich Infektionen über ganze Weinberge ausbreiten.

JOANNEUM RESEARCH teilte am Dienstag mit, dass seine Einheit DIGITAL im Rahmen eines Projekts namens VinoMon an dem System arbeitet, das auf automatisiertes Monitoring von Rebenkrankheiten in großem Maßstab ausgerichtet ist. Die Arbeit wird gemeinsam mit den Partnern biohelp, twins und dem Agro Innovation Lab durchgeführt; die Feldversuche laufen in der Südsteiermark.

Das Projekt richtet sich gegen Krankheiten, die in der Weinproduktion erhebliche Ernteverluste verursachen können, darunter Goldgelbe Vergilbung, Stolbur und ESCA. JOANNEUM RESEARCH erklärte, Goldgelbe Vergilbung sei besonders dringend, weil sie sich innerhalb von Weinbergen ausbreiten könne und unter anderem durch die Amerikanische Rebzikade übertragen werde.

Ziel ist es, kranke Reben so früh wie möglich zu erkennen und ihren genauen Standort bis hin zu einzelnen Pflanzen zu bestimmen. Das könnte Winzern und Behörden eine bessere Grundlage geben, um zu entscheiden, wann und wo eingegriffen werden soll.

Die derzeitigen Weinbergsbegehungen sind arbeitsintensiv und erfassen meist nur begrenzte Teile einer Anbaufläche. Die Forscher sagen, ein automatisiertes System könnte deutlich größere Flächen mit weniger Zeit- und Personalaufwand überwachen und zugleich zeigen, wo erste Krankheitssymptome auftreten.

Bei den aktuellen Tests fliegt eine Drohne in geringer Höhe über die Weinberge und nimmt Bilder der Reben auf. Diese Bilder bilden den Kern des in Entwicklung befindlichen Systems. Anschließend prüfen die Forscher das Material, markieren verdächtige oder kranke Pflanzenteile und nutzen diese gelabelten Bilder, um ein KI-Modell zu trainieren, das gesunde von ungesunden Blättern unterscheiden kann.

Stefanie Onsori-Wechtitsch, eine am Projekt beteiligte KI-Spezialistin, sagte, Ziel sei es, dass das System kranke Blätter von gesunden unterscheidet und betroffene Bereiche eines Weinbergs in Luftbildern möglichst genau verortet.

Nach Angaben von JOANNEUM RESEARCH verbindet die Arbeit mehrere technische Elemente: eine UAV-basierte Bildgebungsplattform, multispektrale Sensorik, automatisierte 3D-Flugwegplanung, pflanzenorientierte KI-Methoden, 5G-Kommunikation und Werkzeuge zur Darstellung der Ergebnisse auf digitalen Karten. Die Daten sollen über ein geografisches Informationssystem bereitgestellt werden, damit Nutzer sehen können, wo sich Symptome konzentrieren.

Projektleiter Peter Schallauer sagte, Winzer und Behörden sollten letztlich auf Daten auf Rebstockenebene zugreifen und sie als Grundlage für Bekämpfungsmaßnahmen nutzen können. Der praktische Wert dieses Ansatzes liegt ebenso in der Geschwindigkeit wie in der Genauigkeit. Wenn die Technologie Problemzonen früh markiert, könnten Eingriffe lokaler erfolgen, statt breit über einen Weinberg hinweg angewendet zu werden.

Das ist über die Pflanzenforschung hinaus wichtig, weil Weinberge die Rohstoffbasis des Weingeschäfts sind. Eine frühere Erkennung auf der Ebene einzelner Reben könnte Weinproduzenten helfen, Ernteverluste zu begrenzen, den Bedarf an umfassenderen Behandlungen über ganze Parzellen hinweg zu verringern und den Krankheitsdruck mit gezielteren Maßnahmen zu steuern. Der Effekt hinge davon ab, wie gut das System im kommerziellen Einsatz funktioniert und wie breit es angenommen wird, doch der Ansatz weist auf einen Weg hin, Erträge zu schützen und zugleich möglicherweise unnötige phytosanitäre Behandlungen zu verringern.

Das System befindet sich noch in der Entwicklung, und JOANNEUM RESEARCH stellte es als Forschung und nicht als fertiges kommerzielles Werkzeug vor. Ein zentraler Teil dieser Arbeit ist der Aufbau der für maschinelles Lernen benötigten Bilddatenbasis. Dem Ausgangsmaterial zufolge werden Hunderte von Bildern zur Schulung der KI verwendet, wobei jedes Bild analysiert und annotiert wird, um die Fähigkeit des Modells zu verbessern, Krankheitssymptome unter Feldbedingungen zu erkennen.

Multispektrale Bildgebung ist für diesen Ansatz zentral, weil sie Informationen jenseits des sichtbaren Bereichs der Standardfotografie erfassen kann. Das kann es erleichtern, Stress- oder Krankheitssignale zu erkennen, die bei einem routinemäßigen Gang durch den Weinberg für das menschliche Auge noch nicht offensichtlich sind. In Kombination mit geplanten Flugrouten und automatisierter Analyse versuchen die Forscher, diese Signale in nutzbare Karten für Entscheidungen zu übersetzen.

Das Team sagt außerdem, das Projekt solle langfristig selektivere Reaktionen unterstützen, darunter eine Verringerung großflächiger Pflanzenschutzmaßnahmen und eine bessere Unterstützung biologischer Bekämpfungsoptionen. Dafür wären eine zuverlässige Erkennung und die Gewissheit erforderlich, dass das System Krankheitssymptome unter realen Bedingungen im Weinberg von anderen Stressursachen der Pflanzen wie Wetter, Nährstoffmangel oder mechanischen Schäden unterscheiden kann.

JOANNEUM RESEARCH teilte mit, dass das VinoMon-Projekt von Januar 2025 bis Oktober 2027 läuft. Es wird über die Austria Wirtschaftsservice bzw. die Österreichische Forschungsförderungsgesellschaft FFG durch das österreichische Bundesministerium für Finanzen finanziert.