Mit intelligenten Systemen im Weinberg 50 % Spritzflüssigkeit einsparen

Die Modernisierung der Sprühgeräte, die Integration intelligenter elektronischer Systeme und Sensoren zur Beurteilung der Blattoberfläche und zur Erkennung von Krankheiten haben zu einer Einsparung von mehr als 50 % an Spritzflüssigkeit im Vergleich zu konventionellen Verfahren im Weinbau geführt. Dies waren u. a. die Ergebnisse eines europäischen Projekts zur digitalen Landwirtschaft, an dem Griechenland über die Landwirtschaftliche Universität Athen teilnahm. Ziel des Projekts war es, innovative Strategien für den integrierten Pflanzenschutz in den Kulturen Rebe (Peronospora), Karotte (Alternaria) und Apfel (Fusicladium) zu entwickeln. Im Einzelnen waren die wichtigsten Innovationsbereiche 1) die Vorhersage und Erkennung von Krankheiten, 2) der Einsatz synthetischer und biologischer Pestizide und 3) die effiziente Anwendung von Pestiziden durch Sprühen.

Für die Vorhersage wurden Prognosemodelle entwickelt, die dem Erzeuger frühzeitige Vorhersagen über das Vorhandensein und das Risiko einer Krankheitsausbreitung ermöglichen. Darüber hinaus wurden in einer Reihe von Experimenten die optimalen Kombinationen für den Einsatz von Pflanzenschutzmitteln aufgezeigt, wobei sich in vielen Fällen biologische Formulierungen als zuverlässige Mittel zur Krankheitsbekämpfung erwiesen haben, was ein ermutigendes Zeichen auf dem Weg zum Grünen Deal ist. Schließlich stand die Modernisierung der Sprühgeräte im Mittelpunkt des Projekts, weshalb mehrere intelligente elektronische Systeme und Sensoren für die Blattoberflächen- und Krankheitsbeurteilung eingebaut wurden. Bei der Entwicklung der Systeme spielte das LUA eine maßgebliche Rolle. Insgesamt wurden bei den Pilotversuchen im Vergleich zu konventionellen Verfahren mehr als 50 % an Spritzmitteln eingespart.

Zur Identifizierung der im Rahmen des Projekts untersuchten Krankheiten bei Reben, Äpfeln und Karotten wurden Kameras eingesetzt, um die drei Krankheiten in den Geweben der untersuchten Kulturen (Reben, Äpfel und Karotten) zu identifizieren. Bisher wurde mit Standard-RGB-Kameras und Deep-Learning-Algorithmen Fusicladium auf Apfelbäumen mit einer Genauigkeit von 89 % erkannt, während erste Feldversuche mit einer Multispektralkamera eine erfolgreiche Erkennung dieser Krankheit mit 100 % Genauigkeit ermöglichten.

Beim Mehltau (Peronospora) in Reben erreichte die Erkennungsgenauigkeit mit RGB-Kameras 80 %, und das System wurde optimiert, um die Genauigkeit auf nahezu 100 % zu erhöhen. Die Entwicklung des Systems zur Identifizierung von Alternaria in Möhren ist noch nicht abgeschlossen.

Neue Präparate

Der Ansatz des Projekts zur rationellen Verringerung des Pestizideinsatzes umfasste die Bewertung einer Reihe biologischer und kommerzieller synthetischer Pestizide der neuen Generation zur Bekämpfung der drei oben genannten Krankheiten.