Forschung
Forschungsprojekt
Digitale Erfassung des Nährstoffstatus von Nutzpflanzen
Projektbeginn: Juni 2019
Seit 2019 ist das IAPN an einem Projekt zur digitalen Bewertung des Nährstoffstatus von Kulturpflanzen beteiligt. Das Projekt ist eine Kooperation zwischen K+S Minerals and Agriculture GmbH und Spacenus GmbH, einem Start-up mit Sitz in Darmstadt, mit dem Ziel der Entwicklung des digitalen Produkts Agricultural Nutrient Assistant (ANA). Diese digitale Technologie nutzt künstliche Intelligenz (KI) und soll Landwirte im Bereich des Precision Farming unterstützen.
Um Daten für KI-Modelle zu gewinnen, führen Wissenschaftler am IAPN Versuche an Weizenpflanzen durch, die unterschiedlich mit Nährstoffen versorgt sind. (Foto: K+S)
ANA soll es Landwirten ermöglichen, frühzeitig den Nährstoffzustand eines Pflanzenbestands auf dem Feld im Hinblick auf Stickstoff, Kalium, Magnesium, Phosphor und Schwefel zu beurteilen und auf dieser Basis die Nährstoffversorgung bedarfsgerecht anzupassen. Beispielsweise kann der Landwirt in einer speziell dafür vorgesehenen Applikation auf dem Smartphone gezielt Stichproben im Bestand fotografieren. ANA kombiniert diese Fotos mit Satellitenaufnahmen, analysiert mittels KI den Nährstoffzustand des Bestands und stellt dem Landwirt eine aussagekräftige Nährstoffquantifizierung, skaliert auf Feldebene, für die weitere Planung der Düngung zur Verfügung.
Wael Alyoussef, technischer Assistent am IAPN, und Masterstudent Rizal Andi Syabana ernten Weizenproben für das Projekt „Digitale Erfassung des Nährstoffstatus von Nutzpflanzen“. Auf dem zweiten Bild leisten Rizal Andi Syabana und Masterstudentin Anupa Alice Mathews Unterstützung bei der Kultivierung der Pflanzen. (Fotos: Tränkner)
Das IAPN als Forschungspartner des Projekts spielt eine führende Rolle bei der Bereitstellung von Daten für das Training und Testen der KI-Modelle von ANA. In wissenschaftlichen Experimenten werden unter kontrollierbaren Bedingungen im Gewächshaus verschiedene Weizen- und Rapssorten unter unterschiedlichen Nährstoffversorgungssituationen angebaut und diverse Daten während der Kultivierungsperiode erhoben. Diese Vorgehensweise stellt sicher, dass qualitativ hochwertige Daten gewonnen werden, die dann zum Trainieren der Algorithmen der Anwendung verwendet werden. In einem zweiten Schritt werden Daten aus Feldversuchen mit anderen Projektpartnern gesammelt und zur Schulung des Algorithmus verwendet, sodass die Entwicklung der Anwendung beide Kultivierungsszenarien umfasst. Der wissenschaftliche Beitrag des IAPN wird von dessen wissenschaftlichem Mitarbeiter Dr. Paulo Cabrita koordiniert.
