VON MIKKEL GRUM

Die Überwachung von Schädlingen und Krankheiten ist ein arbeitsintensiver Prozess, das erfordert, dass Scouts die Gesundheit von Pflanzen und Nutzpflanzen genau bewerten, während sie sich durch das Gewächshaus bewegen, Feld oder Bauernhof. Die KI-gesteuerte Bildanalyse soll helfen, die Pflanzenüberwachung zu automatisieren

[email protected]

Technologische Fortschritte bei der Schädlings- und Krankheitserkundung verwandeln einen arbeitsintensiven Sektor in einen effizienteren und datengesteuerten Sektor. Da künstliche Intelligenz (KI) entwickelt wird, um die Pflanzenproduktion zu unterstützen, Landwirte müssen bei der Bewertung der Vorteile dieser frühen Lösungen kritischer denn je sein.

Dr. Mikkel Grum, Als Forschungs- und Entwicklungsdirektor bei Scarab Solutions, dem globalen Experten für die Kartierung von Pflanzenschädlingen und -krankheiten, sagt, Betriebs- und Pflanzenschutzmanager sollten sich weiterhin auf die Technologien konzentrieren, die die menschliche Arbeit verbessern, anstatt auf das KI-Versprechen zu warten.

Die Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen (FAO) schätzt, dass jährlich zwischen 20 und 40 Prozent der weltweiten Pflanzenproduktion durch Schädlinge und Krankheiten verloren geht. Das kostet die Weltwirtschaft 220 Milliarden US-Dollar. Schädlinge wie Thripse, Blattläuse, Miniermotten, Milben, Weiße Fliegen und Raupen, Krankheiten wie Krampfadern, Schimmel, botrytis sowie Stamm- und Wurzelfäule sind in allen Klimazonen verbreitet.

Es ist wahr, dass, um noch effektiver zu werden, Die Pflanzenbewirtschaftung erfordert sowohl verbesserte Techniken als auch Technologien. Viele glauben, dass KI die Antwort enthält.

KI macht erste Schritte im Gartenbau

Die Überwachung von Schädlingen und Krankheiten ist ein arbeitsintensiver Prozess, das erfordert, dass Scouts die Gesundheit von Pflanzen und Nutzpflanzen genau bewerten, während sie sich durch das Gewächshaus bewegen, Feld oder Bauernhof. Die KI-gesteuerte Bildanalyse soll helfen, die Pflanzenüberwachung zu automatisieren.

Im Gartenbau, Zu den jüngsten Entwicklungen gehören ein „Roboter-Scout“, der mit Nahinfrarot-Bildkameras ausgestattet ist, um Mehltau zu erkennen, und eine Bildanalyse, um Knospen- und Blütenerträge vorherzusagen, und der IRIS Scout-Roboter. Es gibt ein Fernüberwachungssystem für Schädlinge, Verwendung von maschinellem Lernen (ML), um eine Bildanalyse von Pheromonfallen durchzuführen, und eine große Zahl von Vorschlägen für Drohnen- und Satellitenbilder, als Grundlage für die zukünftige Pflanzenbewirtschaftung.

Verbreitetere Nutzung von Smartphone-Anwendungen zum Scannen von Fotos auf Anzeichen von Schädlingen und Krankheiten, oft als fertig präsentiert, oder fast bereit für die Hauptsendezeit.

Viele haben gehört, dass die Bildanalyse von Google jetzt besser als Menschen darin ist, Katzen und Hunde in Bildern zu erkennen. oder dass in der Brustkrebsforschung, Die KI-Bildanalyse erkennt Krebs auf Mammographien jetzt effizienter und genauer als erfahrene Radiologen. Also sicherlich, Die Verwendung von Bildanalysen zur Identifizierung von Pflanzenschädlingen und -krankheiten auf Fotos, die mit einem Smartphone aufgenommen wurden, kann nicht so weit entfernt sein. Nicht so schnell.

Die Realität zeichnet ein weniger rosiges Bild

Die Bemühungen, Bilderkennungstechnologie in Smartphones zu verwenden, verfehlen ihr Versprechen, sowohl einen detaillierten Einblick als auch einen umsetzbaren Überblick über landwirtschaftliche Betriebe und Gewächshäuser zu bieten.

Wie in einem kürzlich veröffentlichten Wissenschaftlicher amerikanischer Artikel , Statistiken, die verwendet werden, um darzustellen, wie gut die Bildanalyse funktioniert, sind oft irreführend. Der häufigste „Pairing-Test“, die die Fähigkeit testet, zwei Bilder zu vergleichen und anzugeben, welches der beiden Schädlinge oder Krankheiten aufweist, gibt viel höhere Prozentsätze für die Genauigkeit als eine Analyse mehrerer Bilder, ohne zu wissen, ob eine der Pflanzen den Schädling oder die Krankheit aufweist.

Die Verwendung ungenauer oder verzerrter Ergebnisse von KI als Grundlage für die Bekämpfung von Pestiziden kann mehr Schaden als Nutzen anrichten. wie das Problem der False Positives veranschaulicht.

Stellen wir uns ein Bildgebungssystem vor, das nur in fünf Prozent der Fälle ein falsch positives Ergebnis für Knollenfäule liefert. eine sehr konservative Zahl, selbst wenn man die Genauigkeitsansprüche jeder aktuellen App berücksichtigt. In einem Feld voller Fäule, das wäre kein problem, aber jetzt nehmen wir ein Feld, in dem die Krankheit nicht auftritt. Wenn Sie 2 genommen haben, 000 Bilder in diesem Feld erhalten Sie 100 positive Ergebnisse!

Reagiert der Landwirt auf dieses Ergebnis, oder die 100 „positiven“ Standorte prüfen, ob sie dieses Problem wirklich haben? Multiplizieren Sie dies mit den anderen Schädlingen und Krankheiten, auf die das Bildanalysesystem ebenfalls prüft und für die möglicherweise noch höhere Falsch-Positiv-Raten vorliegen, und Sie haben die Funktionsweise eines praktischen Albtraums. Je höher die Anzahl der False Positives, desto mehr Ressourcen sind erforderlich, um eine unabhängige Überprüfung der Ergebnisse durchzuführen, was bedeutet, dass alle Vorteile der Automatisierung verloren gehen.

Maschine gegen Mensch

Auch dieser Ansatz muss in einen Kontext gestellt werden. Studien, die Situationen vergleichen, in denen entweder KI oder überhaupt keine Pflanzenerkennungstechnologie vorhanden ist, zeichnen kein realistisches Bild. weil in einigen Fällen bereits ein System vorhanden ist, das hilft, von menschlichen Pfadfindern gesammelte Daten aufzuzeichnen und zu analysieren.

Im Fall der Brustkrebsforschung da Tumoren für das menschliche Auge nicht sichtbar sind, die Ärzte und die KI schauen auf das gleiche Bild. In einem Gewächshaus, jedoch, Die Bildanalyse ist viel weniger effektiv als die menschliche Liebe zum Detail. Ein Scout kann seinen Kopf bewegen und Blätter umdrehen, um ein Problem aus mehreren Blickwinkeln und mit einer Lupe zu sehen

Erweiterung der menschlichen Fähigkeiten mit mobiler Technologie – Smartphones Menschen schlauer machen

Bauernhöfe und Gewächshäuser brauchen immer noch Menschen, die herumlaufen, öffne das Pflanzendach, Blätter umdrehen und bei Bedarf eine Lupe verwenden. Dies erfordert Technologien, die es Pfadfindern ermöglichen, ihre Arbeit genauer zu erledigen, schneller und zu einem besseren Ergebnis.

Smartphones werden weiterhin der Schlüssel sein – aber nicht in erster Linie als KI-Tool. Eine realistischere und bewährtere Verwendung mobiler Anwendungen ist die Datenerfassung und Kartierung. Anstatt Smartphones zu verwenden, um Fotos für die KI-Analyse zu machen, Pflanzenschutzmanager sollten Scouts befähigen, ihre Inspektionsfähigkeiten zu nutzen und die Ergebnisse während der Fahrt aufzuzeichnen.

Ausbildung spielt eine wichtige Rolle. Korrekte Identifizierung und Reinigung von Schädlingen und Krankheiten, gründliche Kenntnis des Probenahmeprotokolls und der Technik zur Beschleunigung des Prozesses, sind alle erforderlich, um die Leistung und Genauigkeit der Pfadfinder im gesamten Betrieb zu harmonisieren. Dies ist der Schlüssel zum Erfolg.

KI kann Scouts dabei helfen, unbekannte Schädlinge oder Krankheiten korrekt zu identifizieren. Bei den meisten Ernteerkundungen geht es jedoch darum, die Verbreitung einer bekannten Reihe von Schädlingen und Krankheiten im Auge zu behalten.

Digitale Kartierungs- und Scouting-Technologien ermöglichen es Menschen, neue Erkenntnisse zu gewinnen

Wenn wir von Pfadfindern erfasste Daten mit geografischen Informationen koppeln, die Ergebnisse erstellen Datensätze, Bereitstellung eines klaren Audit-Trails für Rückverfolgbarkeit und Datenvisualisierungsoptionen wie digitale Karten, Diagramme und Grafiken – und andere zusätzliche Hilfestellungen, um eindeutige und wiederkehrende Probleme und Muster sowie alle falsch positiven Ergebnisse leicht zu erkennen.

Bei der digitalen Kartierung trifft Technologie zur Schädlings- und Krankheitserkundung auf menschliches Fachwissen, um die Ergebnisse zu optimieren. Bei Scarab Solutions, das sehen wir jeden tag. Kunden verwenden Scarab Precision-Lösungen zur Erkundung und Kartierung von Pflanzenschädlingen und -krankheiten, um eine solide Grundlage für die Lokalisierung von Befalls-Hotspots zu schaffen. Bestimmung des richtigen Pestizideinsatzes oder biologischen Bekämpfungsmittels und Reduzierung von Ernteverlusten durch verbesserte Betriebsführung.

Wenn die Datensätze wachsen, Pflanzenschutzmanager können in einigen Fällen mit Schädlings- und Krankheitszahlen in ihrer Region vergleichen, anonymisierte Daten von anderen Betrieben verwenden.

Es ist noch nicht die Zeit der KI zu glänzen, Aber wir werden immer die menschliche Note brauchen

Während die KI-gesteuerte Bildanalyse in der Branche nach wie vor ein Gesprächsthema bleibt, Die Technologie hat noch einen langen Weg vor sich, bis sie zuverlässige, genaue und umsetzbare Anwendungsfälle. Heute, GPS-Verfolgung, Mobile Datenerfassungs- und Interpretationstools sind die effektivsten und lukrativsten Technologielösungen für das Schädlings- und Krankheitsmanagement bei Nutzpflanzen.

Der Gartenbau unterliegt einem technologischen Wandel. Künstliche Intelligenz sollte nicht als Ersatz für bestehende Prozesse gesehen werden, sondern als Erweiterung der menschlichen Intelligenz. KI-gesteuerte Bildanalyse wird in einigen Umgebungen mit Drohnen und Robotern kommen. aber das ist eine Geschichte für einen anderen Tag.