Institut für Züchtungsforschung an Obst
Die Erfassung des Fruchtbehangs bei Apfelbäumen spielt eine entscheidende Rolle sowohl für die präzise Ertragsschätzung als auch für die Evaluierung der Alternanz. Alternanz beschreibt die jahresweise Schwankung zwischen hohen und niedrigen Erträgen, die ein bekanntes Problem im Apfelanbau darstellt und sowohl die Stabilität der Erträge als auch die Fruchtqualität negativ beeinflusst. Die gezielte Evaluierung der Alternanz bei genetischen Ressourcen ermöglicht die Identifizierung von Apfelsorten, die eine geringere Neigung zur Alternanz aufweisen. Diese Erkenntnisse bilden die Grundlage für die Züchtung neuer, ertragsstabiler Sorten, die sowohl eine hohe Ertragsleistung als auch eine verbesserte Anpassungsfähigkeit besitzen.Bislang erfolgt die Erfassung des Fruchtbehangs manuell mittels Bonituren, was jedoch sehr zeitaufwändig und potenziell fehleranfällig ist. Daher wird im Rahmen dieses Projekts eine digitale Phänotypisierungsmethode entwickelt, die es ermöglicht, den Fruchtbehang effizient und mit hoher Genauigkeit zu erfassen. Ziel ist es, eine automatisierte, hochdurchsatzfähige Methode zur Evaluierung des Fruchtbehangs zu entwickeln, die für die Evaluierung genetischer Ressourcen des Apfels und in der Züchtung eingesetzt werden kann.Die digitale Phänotypisierungsmethode soll eine hohe Genauigkeit in der Erkennung von Früchten gewährleisten, wobei sowohl traditionelle als auch neue Apfelsorten mit unterschiedlichsten Fruchtformen und -größen berücksichtigt werden. Der Einsatz dieser Technologie soll die Effizienz und Präzision in der Bewertung genetischer Ressourcen deutlich verbessern.Dazu werden während der Fruchtreife über einen Zeitraum von mindestens zwei Jahren Drohnenflüge über die Apfelsortensammlung des Julius Kühn-Instituts (JKI-ZO) durchgeführt. Diese Flüge erfassen hochauflösende Bilder der Fruchtbestände, die für die Erstellung einer Bilddatenbank genutzt werden. Die gesammelten Bilddaten werden manuell annotiert, indem die Früchte in den Aufnahmen mithilfe eines Softwareprogramms markiert und klassifiziert werden. Diese annotierten Daten dienen als Trainingsdatensatz für die Entwicklung eines maschinellen Lernmodells, dass in der Lage sein soll, den Fruchtbehang automatisch und mit hoher Genauigkeit zu erkennen. Sobald ein zufriedenstellendes Erkennungsmodell entwickelt wurde, wird es an einem separaten Testdatensatz validiert. Dieser Validierungsprozess ist entscheidend, um die Robustheit und Genauigkeit des Modells sicherzustellen, insbesondere angesichts der Vielfalt der Fruchtgrößen, -formen und -farben, die sowohl bei traditionellen als auch bei neu gezüchteten Apfelsorten vorkommen.Die Entwicklung dieser digitalen Phänotypisierungsmethode soll einen wesentlichen Fortschritt in der Erfassung des Fruchtbehangs und der Alternanzbewertung bei Apfelgenetischen Ressourcen darstellen. Durch die automatisierte und präzise Erfassung wird die Effizienz der Züchtungsforschung erheblich gesteigert und es wird ermöglicht, größere Datenmengen in kürzerer Zeit zu analysieren. Langfristig soll diese Methode einen Beitrag zur Züchtung ertragsstabiler Apfelsorten leisten, die weniger anfällig für Alternanz sind und gleichzeitig eine hohe Fruchtqualität aufweisen.
Bundesministerium für Ernährung und Landwirtschaft
