KI zur Erkennung von Pflanzenkrankheiten
Zusammenwirken von KI und BrainTech-Technologie
Künstliche Intelligenz (KI) kann auch in der Landwirtschaft gute Dienste leisten: Eine Innovation, die erstmals in Brasilien getestet und angewandt wurde, kombiniert die BrainTech-Technologie des israelischen Unternehmens InnerEye mit KI, um Krankheiten in Sojakulturen zu erkennen.
Bei dem landwirtschaftlichen Projekt in Brasilien handelt es sich um eine Zusammenarbeit zwischen der brasilianischen Agrarforschungsgesellschaft Embrapa und den beiden Unternehmen Macnica und InnerEye. Im Rahmen des Projekts werden BrainTech-Geräte eingesetzt, die neuronale Signale von Landwirtschaftsexperten erfassen, um das KI-System zu schulen und den Kennzeichnungsprozess für Pflanzenkrankheiten zu optimieren.
Kombination von BrainTech und KI für die Landwirtschaft
Das wesentliche Element dieses Projekts ist die BrainTech-Technologie, die von dem in Israel ansässigen Unternehmen InnerEye entwickelt wurde. BrainTech-Tools machen sich die Leistung von Elektroenzephalogramm-Signalen (EEG) zunutze und spiegeln die kognitiven Prozesse von Experten wider, wenn sie beispielsweise die Gesundheit von Pflanzen bewerten. Das Bildklassifizierungssystem von InnerEye bietet eine Abkürzung zum Gehirn eines menschlichen Experten. Das Gehirn ist in der Lage, visuelle Eindrücke sehr schnell zu verarbeiten. Der Entscheidungsprozess eines Experten, um festzustellen, ob in einem komplexen Bild etwas Ungewöhnliches zu sehen ist, dauert etwa 300 Millisekunden. Indem die Funktionen des menschlichen Gehirns bei der Bildanalyse simuliert werden, steigert der InnerEye-Ansatz die Effizienz der Krankheitserkennung erheblich. Die Kombination von BrainTech und KI ergibt ein System, das in der Lage ist, menschliche Gehirnfunktionen zuverlässig zu imitieren.
Identifikation von Pflanzenkrankheiten
Das Erkennen und Diagnostizieren von Krankheiten ist eine große Herausforderung im Pflanzenbau. Der asiatische Sojarost ist eine Pflanzenkrankheit, die 2001 in Brasilien eingeführt wurde. Ein starker Befall kann zu Ernteverlusten von bis zu 80 Prozent führen, was die Agrarindustrie pro Ernte mehrere Milliarden US-Dollar kostet. Der Echte Mehltau, eine weitere wirtschaftlich bedeutsame Krankheit in Südbrasilien, die Ertragseinbußen von 10 bis 35 Prozent verursachen kann, ist ebenfalls Gegenstand des Projekts. Die Fähigkeit, solche Krankheiten rechtzeitig zu erkennen und zu bekämpfen, ist von entscheidender Bedeutung, um ihre Auswirkungen auf die Ernteerträge und die Rentabilität zu mindern. Die Erkennung dieser Krankheiten erfordert Expertenwissen, das auf den Millionen von Sojafeldern in Brasilien bislang nicht zur Verfügung stand. Das Ziel war daher, das Wissen einiger weniger führender Experten auf mobile Geräte zu übertragen, die von jedermann direkt auf den Anbauflächen eingesetzt werden können.
Rationalisierung der Datenerfassung und -kennzeichnung
Ein entscheidender Faktor für den Erfolg des Projekts ist die Erfassung und Kennzeichnung hochwertiger Daten durch Landwirtschaftsexperten. Bisher war dieser Prozess sowohl teuer als auch zeitaufwändig. Mit der BrainTech-Technologie sollte diese Aufgabe rationalisiert werden. Die ersten Ergebnisse waren sehr vielversprechend: Die Geräte zeigten eine bemerkenswerte Genauigkeit bei der Unterscheidung zwischen kranken und gesunden Blättern. Das Herzstück der Technologie ist die Kalibrierung des Systems auf die einzigartigen Gehirnmuster eines jeden Agrarexperten anhand von EEG-Signalen. Sobald das System »gelernt« hat, wie der Experte arbeitet, beginnt der Prozess der Beschriftung der Datenbank. Die Experten werden angewiesen, die kranken Blätter aufzuzählen (1, 2, 3...), wenn sie sie auf dem Bildschirm sehen, und das System erfasst die Gehirnsignale, die bei jedem neuen Anblick eines kranken Blattes ausgesendet werden, anders als bei der Betrachtung eines gesunden Blattes. Durch das Zählen werden die Gehirnsignale verstärkt, so dass es leichter ist, zwischen krank und gesund zu unterscheiden. Das System kann bis zu zehn Bilder pro Sekunde anzeigen. Dieses effiziente Verfahren beschleunigt die Beschriftung von Bilddatenbanken erheblich und gewährleistet sowohl Schnelligkeit als auch Zuverlässigkeit bei der Krankheitserkennung. Für das Sojapflanzen-Experiment installierte InnerEye einen Testaufbau in den Räumlichkeiten von Macnica Brasilien, wo die Gehirnsignale von zwei Sojapflanzen-Pathologen der brasilianischen Agrarforschungsgesellschaft Embrapa aufgezeichnet wurden. Beide werteten mit einer EEG-Haube rund 1500 Bilder kranker und gesunder Blätter aus.
Erhöhte Genauigkeit durch Gehirnsignale
Darüber hinaus verfügt das System über Mechanismen zur Erkennung von Ermüdung oder Unsicherheit der Experten während des Labelling-Prozesses. Dadurch kann beispielsweise für eine Pause unterbrochen werden, wenn die kritische Aufmerksamkeitsschwelle sinkt. Darüber hinaus kann das System erkennen, wie sicher sich der Experte beim Betrachten eines Bildes ist, was die Genauigkeit der Entscheidungen des KI-Modells erhöht.
Mögliche Anwendungen in der Landwirtschaft
Die Implikationen dieser Technologie für die Landwirtschaft sind tiefgreifend. Sie hat das Potenzial, den Einsatz von Pestiziden zu optimieren, die Kosten zu senken und die Umweltauswirkungen zu minimieren. Außerdem können Landwirte durch die Integration in mobile Anwendungen schnellere und fundiertere Entscheidungen beim Krankheitsmanagement treffen. Die Einbettung dieses Modells in eine Handy-App erleichtert es Landwirten, Entscheidungen direkt auf dem Acker zu treffen, wenn Krankheiten und Krankheitssymptome festgestellt werden, und so die nötigen Maßnahmen zu beschleunigen. Im weiteren Verlauf des Projekts ist geplant, die Anwendungen auf Mais und Kaffee auszuweiten.
Zusammenfassung
Die BrainTech-gestützte KI-Initiative stellt einen bedeutenden Fortschritt bei der Erkennung von Pflanzenkrankheiten und beim landwirtschaftlichen Management dar. Ihr Erfolg könnte weltweit als Vorbild für ähnliche Innovationen dienen, denn die frühzeitige Erkennung und das Management von Pflanzenkrankheiten ist eine der größten Herausforderungen in der Landwirtschaft. Vorrangiges Ziel ist es, die Entscheidungsfindung zu beschleunigen, Verluste in landwirtschaftlichen Betrieben zu mindern und die bewusste Nutzung natürlicher Ressourcen in der Landwirtschaft zu optimieren. Weitere Informationen über die InnerEye-Technologie sind über den europäischen Vertriebspartner Macnica ATD Europe erhältlich.
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
