Newsletter

Link versenden
20.08.2020

Kranke Obstbäume früh erkennen

Mit Computern analysieren Forscher Satellitenbilder von Plantagen und erkennen am reflektierten Lichtspektrum Apfeltriebsucht und Birnenverfall.

Phytoplasmen können in Apfelplantagen schwere Schäden anrichten. Eine automatisierte Früherkennung könnte die Ausbreitung der Krankheit eindämmen.
Phytoplasmen können in Apfelplantagen schwere Schäden anrichten. Eine automatisierte Früherkennung könnte die Ausbreitung der Krankheit eindämmen.
Quelle: 
Oldiefan/Pixabay; CC0

Mit einer Jahresernte von 13,8 Millionen Tonnen ist der Apfel Europas wirtschaftlich bedeutsamstes Obst. Einzelne Krankheitserreger der Apfelbäume können daher gravierende Folgen haben, weshalb auf vielen Plantagen dem chemischen Pflanzenschutz große Bedeutung zukommt. Auch gegen die Erreger der Apfeltriebsucht, sogenannte Phytoplasmen, gibt es kein anderes Mittel, als deren Ausbreitung durch Insekten zu verhindern, indem Insektizide eingesetzt werden. Wichtig ist daher, eine Infektion frühzeitig zu erkennen, bevor weite Teile einer Plantage betroffen sind.

Neues Werkzeug zur Krankheitsdiagnose

Das ist jedoch nicht ganz einfach: Erfahrenes Personal kann die Infektion einer Pflanze an Symptomen wie Hexenbesen, vergrößerten Nebenblättern und einer vorzeitigen Rotfärbung im Herbst zwar erkennen. Das bedeutet jedoch viel Aufwand und ist oft schon zu spät. Die Alternative, der biochemische Nachweis mittels der sogenannten Polymerasekettenreaktion, ist teuer und wenig praktikabel. Forscher des Fraunhofer-Instituts für Fabrikbetrieb und -automatisierung IFF in Magdeburg entwickeln deshalb gemeinsam mit Kollegen des Instituts für Pflanzenforschung AlPlanta aus Neustadt an der Weinstraße und der Firma Spatial Business Integration GmbH aus Darmstadt eine neue und bessere Diagnosemöglichkeit.

Verräterisches Reflexionsspektrum

Die Grundlage dafür bilden Aufnahmen der Plantagen durch Satelliten oder Drohnen, bei denen das reflektierte Lichtspektrum – auch außerhalb des sichtbaren Bereichs – erfasst wird. „Bei diesem Verfahren wird Licht in Wellenlängen zerlegt“, erläutert Uwe Knauer, IT-Experte für Maschinelles Lernen am Fraunhofer IFF. Weise eine Pflanze bei einer Blattprobe im Labor Symptome auf, so zeige sich dies in bestimmten Wellenlängenbereichen deutlicher und früher als allein im sichtbaren Bereich. „Bei einer kranken Pflanze wird mehr rotes als grünes oder blaues Licht reflektiert“, schildert Knauer.

Maschinelles Lernen macht‘s möglich

Mit Methoden des maschinellen Lernens können in diesen Aufnahmen Infektionen mit der Apfeltriebsucht oder auch mit dem von ähnlichen Erregern verursachten Birnenverfall bei Birnbäumen identifiziert werden, lange bevor sie für das menschlichen Auge sichtbar sind. Entsprechende Tests im Labor konnte das Team bereits erfolgreich abschließen.

Das von der Landwirtschaftlichen Rentenbank geförderte Forschungsvorhaben läuft noch bis 2022. Bis dahin wollen die Projektpartner das Verfahren und die zugehörige Technik so weit entwickelt haben, dass sie eine marktfähige Dienstleistung anbieten können.

bl

Back to top of page