Institut für Resistenzforschung und Stresstoleranz
Blattläuse gehören in Deutschland zu den bedeutendsten Schadinsekten ackerbaulicher Kulturen deren Bedeutung in den letzten Jahren weiter zugenommen hat. Um eine optimale Bekämpfung durchführen ist es wichtig, deren zeitliches und räumliches Auftreten zu kennen und einzelne Arten korrekt zu identifizieren. Diese Identifizierung anhand morphologischen Merkmalen ist äußerst Zeit und kostenaufwendig und bedarf aufgrund der Komplexität hoher Expertise, welche stetig schwindet. In der Praxis des Schadinsektenmonitorings entstehen so bei den Pflanzenschutzdiensten in den Hochzeiten der Zuflugphasen oft personelle Engpässe. Dieses Projekt hat zum Ziel auf Basis von Deep Learning und dem Einsatz künstlicher Intelligenz Tools für die automatisierte Erkennung und Klassifizierung von Blattläusen aus Massenfängen, wie Saugfallen oder Gelbschalen, zu entwickeln. Eine KI bietet für das Schädlingsmonitoring weitreichende Vorteile: 1) signifikante Reduktion der Bearbeitungszeit, weitestgehend unabhängig von Personal, 2) standardisierte Ergebnisse ohne individuellen Personenfehler, 3) Nutzung der KI an mehreren Standorten, z.B. allen Pflanzenschutzdiensten, 4) schnellere Detektion invasiver Schadinsekten dank zeitnaher Probenbearbeitung. All diese Aspekte erlauben zukünftig eine Ausweitung des Monitorings und somit u.a. eine weitere Verbesserung von Warnhinweisen.
Bundesministerium für Ernährung und Landwirtschaft
