Die Modernisierung der Spr\u00fchger\u00e4te, die Integration intelligenter elektronischer Systeme und Sensoren zur Beurteilung der Blattoberfl\u00e4che und zur Erkennung von Krankheiten haben zu einer Einsparung von mehr als 50 % an Spritzfl\u00fcssigkeit im Vergleich zu konventionellen Verfahren im Weinbau gef\u00fchrt. Dies waren u. a. die Ergebnisse eines europ\u00e4ischen Projekts zur digitalen Landwirtschaft, an dem Griechenland \u00fcber die Landwirtschaftliche Universit\u00e4t Athen teilnahm. Ziel des Projekts war es, innovative Strategien f\u00fcr 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 Spr\u00fchen.<\/p>\n\n\n\n
F\u00fcr die Vorhersage wurden Prognosemodelle entwickelt, die dem Erzeuger fr\u00fchzeitige Vorhersagen \u00fcber das Vorhandensein und das Risiko einer Krankheitsausbreitung erm\u00f6glichen. Dar\u00fcber hinaus wurden in einer Reihe von Experimenten die optimalen Kombinationen f\u00fcr den Einsatz von Pflanzenschutzmitteln aufgezeigt, wobei sich in vielen F\u00e4llen biologische Formulierungen als zuverl\u00e4ssige Mittel zur Krankheitsbek\u00e4mpfung erwiesen haben, was ein ermutigendes Zeichen auf dem Weg zum Gr\u00fcnen Deal ist. Schlie\u00dflich stand die Modernisierung der Spr\u00fchger\u00e4te im Mittelpunkt des Projekts, weshalb mehrere intelligente elektronische Systeme und Sensoren f\u00fcr die Blattoberfl\u00e4chen- und Krankheitsbeurteilung eingebaut wurden. Bei der Entwicklung der Systeme spielte das LUA eine ma\u00dfgebliche Rolle. Insgesamt wurden bei den Pilotversuchen im Vergleich zu konventionellen Verfahren mehr als 50 % an Spritzmitteln eingespart.<\/p>\n\n\n\n
Zur Identifizierung der im Rahmen des Projekts untersuchten Krankheiten bei Reben, \u00c4pfeln und Karotten wurden Kameras eingesetzt, um die drei Krankheiten in den Geweben der untersuchten Kulturen (Reben, \u00c4pfel und Karotten) zu identifizieren. Bisher wurde mit Standard-RGB-Kameras und Deep-Learning-Algorithmen Fusicladium auf Apfelb\u00e4umen mit einer Genauigkeit von 89 % erkannt, w\u00e4hrend erste Feldversuche mit einer Multispektralkamera eine erfolgreiche Erkennung dieser Krankheit mit 100 % Genauigkeit erm\u00f6glichten.<\/p>\n\n\n\n
Beim Mehltau (Peronospora) in Reben erreichte die Erkennungsgenauigkeit mit RGB-Kameras 80 %, und das System wurde optimiert, um die Genauigkeit auf nahezu 100 % zu erh\u00f6hen. Die Entwicklung des Systems zur Identifizierung von Alternaria in M\u00f6hren ist noch nicht abgeschlossen.<\/p>\n\n\n\n
Neue Pr\u00e4parate<\/strong><\/p>\n\n\n\n Der Ansatz des Projekts zur rationellen Verringerung des Pestizideinsatzes umfasste die Bewertung einer Reihe biologischer und kommerzieller synthetischer Pestizide der neuen Generation zur Bek\u00e4mpfung der drei oben genannten Krankheiten.<\/p>\n","protected":false},"excerpt":{"rendered":" Die Modernisierung der Spr\u00fchger\u00e4te, die Integration intelligenter elektronischer Systeme und Sensoren zur Beurteilung der Blattoberfl\u00e4che und zur Erkennung von Krankheiten…<\/p>\n","protected":false},"author":5,"featured_media":10742,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"_video_id":"","footnotes":""},"categories":[2710,811],"tags":[5202,4289,4247,4365],"class_list":["post-10751","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-kainotomia-de","category-politismos-de","tag-anbau","tag-kainotomia-de","tag-georgia-de","tag-technologia-de"],"yoast_head":"\n