WEEDAI - Entwicklung eines KI-basierten Expertensystems zur Beurteilung der Effektivität von Unkrautbekämpfungsmaßnahmen unter Berücksichtigung des Schadschwellenprinzips am Beispiel von sensorgeführten Hackmaschinen

Abstract

Die Bewertung von Unkrautbekämpfungsmaßnahmen erfordert neben der Anlage umfangreicher Feldversuche insbesondere einen immensen Arbeitsaufwand hinsichtlich manueller Bonitur. Dies stellt ein Hindernis für relevante Akteure dar und bremst die Entwicklung neuer, umweltfreundlicherer Pflanzenschutzstrategien. Im Projekt WeedAI wurde ein KI-basiertes System entwickelt, welches Versuche vollumfänglich statt stichprobenbasiert analysiert, und somit zeitsparende, objektive und präzise Auswertungen ermöglicht. Anhand praxisnaher Untersuchungen mithilfe moderner Sensorhacke und (Spot-)Sprayer wurde an der Entwicklung von Prüfnormen für neue Systeme gearbeitet. Technischer Kern des Projekts war die Entwicklung eines Modells zur Pflanzenerkennung, basierend auf RGB-Bildern einer marktüblichen Drohne. Durch starke Diversifizierung der mehrfach überflogenen Flächen konnte ein breites Spektrum an Umweltbedingungen, Unkrautarten und Wachstumsstadien integriert werden. WeedAI erlaubt präzise Vorhersagen über die Position und Größe einzelner Zuckerrüben und Unkräuter, auch auf Feldern welche dem Modell zuvor nicht bekannt sind. Von zentraler Bedeutung hierfür war neben Datendiversifikation auch deren Qualität, sichergestellt durch die Nutzung von hochwertiger Drohne und Kamera, bei niedriger Flughöhe. Die Integration einer neuartigen Datenverarbeitungspipeline trägt darüber hinaus zur Präzisionssteigerung bei, indem sie inhaltliche Redundanzen der Einzelbildaufnahmen ausschöpft. Diese beinhaltet auch die Verwendung einer modernen, Transformer-basierten Instance Segmentation Architektur. Um deren Training notwendigen enormen Annotationsaufwand zu verringern, wurde die Methode Panoptic One-Click Segmentation entwickelt und getestet. Mit dieser können vorhandene Instance Segmentation Datensätze ohne teure Maskenannotation erweitert werden, durch deutlich einfachere Klick-Labels. Ein weiterer Hauptbestandteil des Projektes war die Erweiterung eines Teststandards für Sensorhacken. Anhand eines neuen Ansatzes über die Anlage definierte AB-Sinuslinien kann die Arbeitsqualität und Führungsgenauigkeit von Sensorhacken inklusiv der Berechnung der effektiv mechanisch bekämpfbaren Fläche ermittelt werden. Statistisch determinierte Größen werden zur Charakterisierung verschiedener Hacken oder deren Einstellung zur Verfügung gestellt. Somit existieren nun ein objektiver Test und Technikvergleich, der den Anforderungen einer Prüfnorm entspricht.