Passwort vergessen?  |  Anmelden
 |  Passwort vergessen?  |  Anmelden

Dienstag, 23. Januar 2018

Agritechnica

Hightech für gezielten Ackerbau

Von Wolfgang Rudolph | 16. November 2017 | Ausgabe 46

Die Entwicklung von Agrarsensoren stößt schnell an die Grenzen der Wirtschaftlichkeit. Lösungen sollen intelligente Systeme schaffen, die eine einfache Hardware mit ausgefeilten Softwareapplikationen verbinden.

BU Sensortechnik
Foto: dpa Picture Alliance/Hauke-Christian Dittrich

Die präzise und individuell dosierte Ausbringung von Düngemitteln stellen hohe Anforderungen an den Landwirt. Zunehmend hilft ihm dabei Sensorik.

Der neue Rechtsrahmen zur landwirtschaftlichen Düngung stellt hohe Anforderungen an die Präzision bei der Ausbringung. Die im März dieses Jahres beschlossene Verordnungen schränken die mineralische und organische Düngung im Pflanzenbau deutlich ein. Von Vorteil ist dabei für den Landwirt, wenn er die Zusammensetzung des applizierten flüssigen Wirtschaftsdüngers kennt und nachvollziehen kann, wo und in welcher Menge sie auf das Feld gelangten. Das ist eine Steilvorlage für die sogenannten Güllesensoren, wie sie noch bis Samstag auf der Messe Agritechnica zu sehen sind. Sie ermitteln während der Befüllung des Fasses sowie bei der Ausbringung in Echtzeit die enthaltenen Mengen an Stickstoff, Kaliumverbindungen, Phosphat und den Trockenmasseanteil. Der Haken: Sie sind mit einem Preis von etwa 30 000 € noch recht teuer.

Das bei den Güllesensoren und anderen Geräten zur Inhaltsbestimmung eingesetzte Messverfahren heißt Nahinfrarotspektroskopie (NIRS). Es nutzt den Umstand, dass Licht im für das menschliche Auge nicht wahrnehmbaren Wellenlängenbereich je nach Beschaffenheit des Untersuchungsobjektes absorbiert bzw. reflektiert wird. Zudem versetzt es dessen Moleküle auf unterschiedliche Weise in Schwingungen. Dies zeigt sich dann durch dunkle Lücken und Verschiebungen im Spektrum der reflektierten Strahlung.

Eine vitale Pflanze erscheint nicht deshalb in sattem Grün, weil sie besonders viel grünes Licht zurückwirft, sondern weil sie alle anderen sichtbaren Farben, vor allem Blau und Rot, bei der aktiven Photosynthese größtenteils „verschluckt“. Optischen Pflanzensensoren liefert das verbleibende sichtbare Rotlicht daher wichtige Anhaltspunkte. Zusätzlich messen sie Anteile aus dem nahinfraroten (NIR) Spektrum. Denn im Gegensatz zum sichtbaren Rotlicht wird NIR-Licht von der Pflanzenoberfläche stark reflektiert.

Je mehr Struktur und damit Biomasse eine Pflanze hat, desto stärker ist demzufolge die Reflexion. Aus dem Vergleich von charakteristischen Messpunkten im Rotlicht- und im NIR-Spektrum errechnet die Software des Pflanzensensors den Zustand der Kultur und zieht daraus Schlussfolgerungen für die Gabe an Stickstoffdünger.

Für anspruchsvollere Messaufgaben, etwa die Unterscheidung von Stickstoff, Phosphor, Schwefel usw. bei der Nährstoffversorgung der Pflanze ist der Vergleich von zwei gleichzeitig aufgenommenen Spektralkurven allerdings zu ungenau. Das Problem sind die durch Schwingungsüberlagerungen und Störungen verursachten Unschärfen in den Rohspektren. Für eine detailliertere Bestimmung der chemischen Zusammensetzung müssen Referenzspektren herangezogen werden. Das sind unter vielen unterschiedlichen Messszenarien aufgezeichnete Spektralkurven von Untersuchungsobjekten, deren Inhaltsstoffe – etwa durch eine nachfolgende Bonitierung oder Laboranalyse – vollständig bekannt sind. Fachleute sprechen von NIRS-Kalibrationsmodellen.

Wissenschaftler des Fraunhofer-Instituts für Fabrikbetrieb und -automatisierung IFF in Magdeburg setzen bei der Erstellung solcher Modelle auf Künstliche Intelligenz. Das Ergebnis sind sogenannte Softsensoren für die Landwirtschaft, Pflanzenzüchtung und Lebensmittelindustrie. Sie basieren hauptsächlich auf optischen Messmethoden. Aber auch akustische und radiospektroskopische Verfahren kommen zum Einsatz.

In den vergangenen Jahren am IFF konzipierte Sensorsysteme detektieren in Süd-Australien aus der Luft, ob Weinfelder mit Mehltau infiziert sind. Sie verkürzen die Züchtung von krankheitsresistenten Zuckerrüben, indem sie die für das Zuchtziel geeignetsten Pflanzenkandidaten in wenigen Sekunden erkennen. Ein Prozess, der ansonsten langwierige Laboranalysen erfordert.

Der „Plongsensor“, wie die IFF-Forscher eine weitere Entwicklung scherzhaft bezeichnen, sortiert Nüsse auf Grundlage einer intelligenten Klanganalyse. Mit der radiospektroskopischen „Messgabel“ wiederum lassen sich die Inhaltsstoffe von Fruchtsäften analysieren. Im Rahmen eines anderen Forschungsprojektes entwickeln die Magdeburger Forscher gegenwärtig einen Sensor, der den Reifegrad von Blumenkohl erkennt, ohne dass dafür, wie auf den Feldern derzeit üblich, die umgebenden Blätter angehoben werden müssen. Dies ist zugleich Voraussetzung für eine Automatisierung des Ernteprozesses.

„Ziel unserer Forschungsarbeiten ist stets die Charakterisierung stofflicher Zusammensetzungen. Zudem geht es immer um spektrale Messverfahren und die für die Interpretation unerlässlichen mathematischen Kalibrationsmodelle“, erläutert Udo Seiffert. Der Wissenschaftler leitet am IFF das Kompetenzfeld Biosystems Engineering.

Nach der Auftragsvergabe für ein Messsystem kommt bei optischen Verfahren zunächst eine hochwertige Hyperspektralkamera mit mehreren Hundert Kanälen zum Einsatz. Ziel ist es, zunächst die gesamte Palette der Stoffeigenschaften der zu untersuchenden Objekte zu erfassen. Danach einigen sich die Projektpartner, welche Parameter davon und in welcher Genauigkeit für die Lösung der Messaufgabe unerlässlich sind.

Auf Grundlage des so gefundenen Kompromisses beginnt das Abspecken der Hardware, um die Wirtschaftlichkeit zu verbessern. Im Gegenzug wird die Software zur Auswertung der Rohdaten spezifiziert. „Dabei nutzen wir Methoden des maschinellen Lernens und der Künstlichen Intelligenz. Das ist unsere Spezialität. Da sind wir wirklich gut“, sagt Seiffert. So wie ein Mensch einen Bekannten nach Jahrzehnten trotz Alterung anhand charakteristischer Merkmale wiedererkennt, seien die selbstlernenden Algorithmen der Sensorsoftware in der Lage, unbekannte Wellenformen ähnlichen Spektralkurven zuzuordnen und störende Einflüsse auszublenden. Das Ergebnis seien Kalibrationsmodelle, die komplexe Messaufgaben wie die Bestimmung von Inhaltsstoffen mit relativ einfachen und damit kostengünstigen Multispektralsensoren bewältigen.

Basierend auf dem angesammelten Know-how entwickelten die Sensorspezialisten am IFF Magdeburg eine App, die das Smartphone in eine Multispektralkamera verwandelt. „Da mittlerweile ja jeder ein Handy besitzt, sinken die Hardwarekosten damit praktisch auf Null“, argumentiert Seiffert.

Damit eine normale RGB-Handykamera Aufnahmen in mehr als den Farbkanälen Rot, Grün und Blau machen kann, drehten die Forscher das Funktionsprinzip einer Multispektralkamera einfach um. Diese zerlegt das reflektierte Licht über Prismen oder Filter in verschiedene Wellenlängenbereiche. Bei der App beleuchtet das Display des Smartphones das Untersuchungsobjekt nacheinander mit weißem, rotem, grünem und blauem Licht. Leuchtet das Display rot, kann nur rotes Licht reflektiert werden und die Kamera nur rotes Licht messen. Die vier Beleuchtungsszenarien ergeben zusammen mit den drei Farbbereichen der Handykamera eine Matrix aus zwölf Kanälen. „In Kombination mit intelligenten Auswertealgorithmen lassen sich bereits viele anspruchsvolle Messaufgaben bewerkstelligen. So könnte ein Kunde noch im Laden Obst auf Pestizidrückstände untersuchen“, sagt Seiffert.

Bei der Entwicklung neuer App-Anwendungen wollen die IFF-Forscher künftige Nutzer einbeziehen. Finden sich etwa Rosenzüchter, die Pilzerkrankungen detektieren wollen, können sie die Erstellung des Kalibrationsmodells durch das Hochladen spektraler Fingerabdrücke befallener Pflanzen beschleunigen. Die Einsatzmöglichkeiten sind nach Ansicht der App-Entwickler riesig – von der Überprüfung, ob ein Auto an einer Stelle nachlackiert wurde bis zur Wirkung kosmetischer Produkte auf der Haut.

stellenangebote

mehr