Wie erkennt künstliche Intelligenz Unkraut?
Moderne Kamerasysteme analysieren heute jede einzelne Pflanze auf dem Feld. KI-Modelle erkennen dabei charakteristische Muster und liefern die Grundlage für kameragesteuerte Hacktechnik oder einen gezielten Pflanzenschutz.
Aber worauf basiert die eigentliche Entscheidung der KI?
Welche der folgenden Faktoren spielen eine wichtige Rolle?
Auflösung (klicke hier)
Richtige Lösung:
✔ Blattgeometrie (Form, Größe, Kontur)
✔ Farbmerkmale
✔ Blatttextur bzw. Oberflächenstruktur
✔ Räumliche Anordnung im Bestand
✔ Wuchsform der Pflanze
Hintergrundwissen
Moderne KI-Verfahren zur Beikrauterkennung analysieren hochaufgelöste Bilddaten. Deep-Learning-Modelle lernen aus tausenden bis Millionen von Trainingsbildern typische visuelle Merkmale von Kulturpflanzen und Beikräutern. Dazu gehören Form, Farbe, Blattstruktur, Wuchsform und der räumliche Zusammenhang einer Pflanze mit ihrer Umgebung.
Aktuelle Forschung zeigt, dass moderne KI-Systeme nicht nur einzelne Pflanzen betrachten, sondern auch deren Position innerhalb der Kulturreihe und die Nachbarpflanzen einbeziehen. Dadurch können sie Kulturpflanzen und Beikräuter selbst bei wechselnden Lichtverhältnissen, unterschiedlichen Entwicklungsstadien oder teilweiser Verdeckung zuverlässiger unterscheiden.
Die Ergebnisse werden beispielsweise für:
- kameragesteuerte Hacktechnik,
- Spot-Spraying (gezielte Pflanzenschutzanwendungen),
- autonome Feldroboter oder
- digitale Pflanzenbestandsanalysen genutzt.
Warum sind GPS und Bodenfeuchte nicht richtig?
GPS-Daten oder Bodenfeuchte können wichtige Zusatzinformationen für Navigation, Dokumentation oder das Betriebsmanagement liefern. Für die eigentliche Bildklassifikation nutzt die KI jedoch vor allem die Merkmale, die direkt auf dem Bild sichtbar sind.
