Blattkrankheiten

Ein besonders wichtiger Bereich ist in der Digitalisierung der Landwirtschaft ist die Erkennung und Analyse von Krankheiten. Eine möglichst frühe und genaue Erkennung und Diagnose sind Schlüsselfaktoren zur Vermeidung von Ernteverlusten. Drohnen mit Multispektralkameras haben sich als nützlich erwiesen, um die Erkennung und Überwachung der Entwicklung von Pflanzenkrankheiten zu verbessern.
Drohnen überfliegen das Feld und nehmen Bilder im sichtbaren und Nahinfrarotbereich auf. Diese Bilder werden anschließend zur Auswertung an das Analysegerät übermittelt. Dort sind die aufbereiteten Daten für den Anwender sichtbar und verständlich. Sie geben Aufschluss über potenzielle Risiken und optimierte Handlungsoptionen. Ein weiteres Instrument zur Vorbeugung erheblicher Schäden ist der Einsatz von maschinellen Lernmethoden. Diese sind ein leistungsfähiges Instrument zum Verständnis der Prozesse, die im Verlauf der Krankheit auftreten.
Aus diesem Grund steht in Farmerspace die Etablierung einer standardisierten Routine für Feldmessungen im Vordergrund, gekoppelt mit der Möglichkeit einer Datenanalyse, die an den Rüben- und Weizenanbau angepasst und von jedem Bediener leicht anzuwenden ist. Um dies zu erreichen, wurde im Jahr 2020 auf einem Feldversuch der Einfluss von Umweltbedingungen sowie die generische Prädisposition gegen die Cercospora-Blattfleckenkrankheit in Zuckerrüben mit Hilfe eines multispektralen Kamerasystems über die Zeit der Vegetationsperiode überwacht. Die Flugmission ermöglichte es Bilder mit einer Bodenauflösung im Subzentimeterbereich aufzunehmen, die eine Erkennung einzelner Blattflecken auf den Bildern erlaubte.
Der Feldversuch hat das Ziel präzise Vorhersagen über das Auftreten von Pflanzenkrankheiten treffen zu können. Dazu werden die Wechselwirkungen zwischen Zuckerrübe und dem durch die Krankheit verursachten Pflanzenstress auf die jeweiligen Wachstumsphasen erforscht. Die Überwachung von Klima- und Umweltfaktoren werden in den Versuchsfeldern mit spezifisch verteilten und georeferenzierten Sensoren in Echtzeit gemessen. Dies liefert sehr wichtige Informationen über den zeitlichen Verlauf der Erkrankung.