FOR 5351:  KI-FOR Automatisierung und künstliche Intelligenz zur Überwachung und Entscheidungsfindung bei Gartenbaukulturen (AID4Crops)

• Fachliche Zuordnung: Informatik, System- und Elektrotechnik ; Agrar-, Forstwissenschaften und Tiermedizin ; Geowissenschaften
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 459376902

Die Verwirklichung einer nachhaltigen Landwirtschaft ist ein zentrales Ziel der Agenda 2030 der Vereinten Nationen. Nachhaltige Agrarsysteme sind ein wesentliches Instrument, um das Ziel "Null Hunger" (SDG 2) zu erreichen. Trotzdem besteht immer noch große Unsicherheit darüber, wie nachhaltige Agrarsysteme am besten erreicht werden können. Die Präzisionslandwirtschaft hat sich als integrale Strategie zur Umsetzung nachhaltiger landwirtschaftlicher Systeme erwiesen. Sie nutzt moderne Mess- und Überwachungstechnologien zur datengesteuerten Optimierung der landwirtschaftlichen Bewirtschaftung. Die Entwicklung der Präzisionslandwirtschaft hat jedoch erhebliche Herausforderungen mit sich gebracht, angefangen bei der Frage, welche Merkmale eines Anbausystems erfasst werden sollten, wie häufig sie erfasst werden sollten, bis hin zur Frage, wie diese Informationen in den Entscheidungsprozess der Landwirte einbezogen werden können.Ein bisher weitgehend vernachlässigter Forschungsbereich ist, wie die Messungen von Bestandesparametern oder Pflanzenzuständen optimiert werden kann, um bessere Managemententscheidungen zu treffen. Bislang werden beim Einsatz von Künstlicher Intelligenz (KI) in der Forschung im Gartenbausektor die Aufgabe des Erfassens (von Merkmalen) und die des Managements als entkoppelte Prozesse angesehen. Die Gründe dafür sind Hierfür gibt es zwei Gründe: Erstens ist die Entscheidungsfindung im Gartenbau relativ grob geblieben, da sie in der Regel auf eher groben Daten wie Temperatur, Beleuchtung und CO2 beruht und feinere Informationen wie den Pflanzenstatus (Phänotypisierung) nicht berücksichtigt. Zweitens haben KI-basierte Erfassungsalgorithmen erst vor kurzem eine ausreichende Leistung erreicht, um Informationen über den Pflanzenstatus zu liefern (z. B. Zählung von Früchten und Einschätzung des Reifegrads). Diese beiden Probleme werden noch dadurch verkompliziert, dass es bisher kein gemeinsames Feedback von Forschern für KI-basierte Erfassungsalgorithmen in Bezug auf das, "was erfasst werden kann", und von Forschern für automatisiertes Entscheidungsmanagement in Bezug auf das, "was erfasst werden sollte", gegeben hat.Die AID4Crops-Forschergruppe wird die Präzisionslandwirtschaft einen Schritt voranbringen. Sie wird neuartige KI-Algorithmen entwickeln, die den Zustand der Pflanzen optimal erfassen und vorhersagen können und dies dann mit der Entscheidungsanalyse verbinden. Dies wird zu einer noch nie dagewesenen wechselseitigen Kopplung von Überwachung und Entscheidungsfindung in der Präzisionslandwirtschaft und im Gartenbau führen.

• DFG-Verfahren: Forschungsgruppen

Projekte

• Effiziente Sensordatenakquise für die langfristige Überwachung von gartenbaulichen Kulturen (Antragstellerin Bennewitz, Maren )
• IP1: Einbeziehung kurzfristiger räumlich-zeitlicher Informationen für die Robotersensorik (Antragsteller McCool, Christopher )
• IP2: Verwendung wiederholter Datenerfassungen für ein verbessertes langfristiges Monitoring (Antragsteller Stachniss, Cyrill )
• IP4: Vorhersage von Phänotypen auf der Grundlage von Managemententscheidungen (Antragsteller Gall, Jürgen )
• IP5: Unsicherheit trifft Erklärbarkeit -- Die Kombination von Unsicherheitsquantifizierung und erklärbaren maschinellem Lernen für das Monitoring von Nutzpflanzen (Antragstellerin Roscher, Ribana )
• Koordinationsfonds (Antragsteller McCool, Christopher )

• Sprecher: Professor Dr. Christopher McCool