Merkmale eines Spot Sprayers zur Behandlung von Rumex obtusifolius auf Wiesen
DOI:
https://doi.org/10.15150/lt.2023.3295Abstract
Das maschinelle Lernen hat den lang ersehnten Durchbruch bei der automatischen Erkennung einzelner Unkräuter ermöglicht. Ecorobotix ARA ist der erste kommerziell erhältliche Spot-Sprayer, der eine automatische Einzelpflanzenbehandlung des breitblättrigen Ampfers in Wiesen ermöglicht. Im Vergleich zur Behandlung der gesamten Fläche mit Standard-Feldspritzen kann eine Herbizidreduktion von über 90 % erzielt werden. Ziel der vorliegenden Untersuchung war es, die Genauigkeit der Pflanzenerkennung und -besprühung zu prüfen. Die Ergebnisse der Messungen auf drei Wiesen zeigen, dass über 90 % der Ampferpflanzen korrekt erkannt wurden. Messungen mit einem fluoreszierenden Tracer in der Spritzflüssigkeit ergaben, dass 89 % der Ampferblattfläche besprüht wurden, während 11 % der Blattfläche nicht getroffen wurde. Insgesamt sind die Ergebnisse vielversprechend und beweisen, dass diese Technologien, an denen seit über 40 Jahren geforscht wird, nun für den Einsatz in der Landwirtschaft bereit sind.
Literaturhinweise
Aitkenhead, M. J.; Dalgetty, I. A.; Mullins, C. E.; McDonald, A. J. S.; Strachan, N. J. C. (2003): Weed and crop discrimination using image analysis and artificial intelligence methods. Computers and Electronics in Agriculture 39(3), pp. 157–171
Bakhshipour, A.; Jafari, A.; Nassiri, S. M.; Zare, D. (2017): Weed segmentation using texture features extracted from wavelet sub-images. Biosystems Engineering 57(1), pp. 1–12
Binch, A.; Fox, C. W. (2017): Controlled comparison of machine vision algorithms for Rumex and Urtica detection in grassland. Computers and Electronics in Agriculture 140, pp. 123–138
Brugger, D.; Kohl, M. (2006): Miniatur-Laserscanner für mobile Anwendungen. Dissertation, Universität Karlsruhe
Blackshaw, R.; Molnar, L.; Lindwall, C. (1998): Merits of a weed-sensing sprayer to control weeds in conservation fallow and cropping systems. Weed Science 46(1), pp. 120–126
Chapron, M.; Requena-Esteso, M.; Boissard, P.; Assemat, L. (1999): A method for recognizing vegetal species from multispectral images. Precision Agriculture 1999, 2nd European Conference on Precision Agriculture, edited by J. Stafford (Sheffield Academic Press, Sheffield, UK), pp. 239–248
Felton, W. L.; McCloy, K. R.; Doss, A. F.; Burger, A. E. (1987): Evaluation of a weed detector. Proceedings of the Eighth Australian Weeds Conference, Sydney, New South Wales, Australia, 21–25 September, pp. 80–84
Felton, W. L.; McCloy, K. R. (1992): Spot spraying. Agricultural Engineering 73, pp. 9–12
Gebhardt, S.; Kühbauch, W. (2007): A new algorithm for automatic Rumex obtusifolius detection in digital images using colour and texture features and the influence of image resolution. Precision Agriculture 8(1), pp. 1–13
Gerhards, R.; Sökefeld, M.; Kühbauch, W. (1998): Einsatz der digitalen Bildverarbeitung bei der teilschlagspezifischen Unkrautkontrolle. Zeitschrift für Pflanzenkrankheiten und Pflanzenschutz, Sonderheft 16, pp. 273-278
Handler., F.; Nadlinger, M. (2005): Automatische Lenkungen für Hackgeräte. Gemüsebaupraxis 2, pp. 24–25
Hasan, A. S. M. M.; Sohel, F.; Diepeveen, D.; Laga, H.; Jones, M. G. K. (2021): A survey of deep learning techniques for weed detection from images. Computers and Electronics in Agriculture 184, https://doi.org/10.1016/j.compag.2021.106067
Hebeisen, H.; Gago, R.; Jeangros, B.; Lüscher, A. (2011a): Wiesenblacke und Alpenblacke — vorbeugen und bekämpfen. AGFF-Merkblatt 7, Arbeitsgemeinschaft zur Förderung des Futterbaus, Zürich
Hebeisen, H.; Gago, R.; Jeangros, B.; Lüscher, A. (2011b): Bewilligte Herbizide gegen Wiesenblacken und Alpenblacken in Wiesen und Weiden des ÖLN-Betriebes. Anhang zu AGFF-Merkblatt 7, Arbeitsgemeinschaft zur Förderung des Futterbaus, Zürich
Holpp, M.; Anken, T.; Seatovic, D.; Grüninger, R.; Hüppi, R. (2008): 3D object recognition, localization, and treatment of Rumex obtusifolius in its natural environment. Proceedings of the 9th International Conference on Precision Agriculture, July 2008, Denver
Keller, M.; Haberey, P.; Hodel, D.; Collet, L.; Steiner, R.; Bucher, C.; Möri, H.; Wyssa, T.; Duckert, F.; Hauenstein, S.; Matter, R.; Anken, T.; Total, R. (2020): Spot Spraying im Gemüsebau: Deutliche Pflanzenschutzmittelreduktion möglich, aber anspruchsvoll. Agroscope Transfer 353, https://doi.org/10.34776/at353g
Kluge, A. (2011): Methoden zur automatischen Unkrauterkennung für die Prozesssteuerung von Herbizidmaßnahmen. Dissertationen aus dem Julius Kühn-lnstitut., Braunschweig
Kounalakis, T.; Triantafyllidis, G. A.; Nalpantidis, L. (2019): Deep learning-based visual recognition of rumex for robotic precision farming. Computers and Electronics in Agriculture 165, pp. 1–11, https://doi.org/10.1016/j.compag.2019.104973
Möller, J. (2010): Computer vision – a versatile technology in automation of agricultural machinery. Journal of Agricultural Engineering 47(4), pp. 28–36
Reid, F. J.; Searcy, W. S. (1988): An algorithm for separating guidance information from row crop images. Transactions of the ASAE 31(6), pp. 1624–1632
Rutto, E.; Arnall, B. (2009): History of GreenSeeker Technology. Oklahoma Extension Service PSS-2260
Schori, D.; Anken, T.; Seatovic, D. (2019): Using fully convolutional networks for Rumex obtusifolius segmentation, a preliminary report. 2019 International Symposium ELMAR, 2019, pp. 119–122, https://doi.org/10.1109/ELMAR.2019.8918914
Seatovic, D.; Kutterer, H.; Anken, T.; Holpp, M. (2009): Automatic weed detection in grassland – SmartWeeder, let the machines do the job! VDI-Berichte, 2060, pp. 187–192
Slaughter, D.C.; Giles, D.K.; Downey, D. (2008): Autonomous robotic weed control systems: a review. Computers and Electronics in Agriculture 61, pp. 63–78
Sogaard, H. T.; Olsen, H. J. (2003): Determination of crop rows by image analysis without segmentation. Computers and Electronics in Agriculture 38(2), pp. 141–158
Tillett, N. D.; Hague, T. (1999): Computer-vision-based hoe guidance for cereals/an initial trial. Journal of Agricultural Engineering Research 74, pp. 225–236
Valente, J.; Doldersum, M.; Roers, C.; Kooistra, L. (2019): Detecting Rumex obtusifolius weed plants in grasslands from UAV RGB imagery using deep learning. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences 4(2), pp. 179–185
van Evert, F. ; Samsom, J.; Polder, G.; Vijn, M.; van Dooren, H.-J.; Lamaker, A.; van der Heijen, G.; Kempenaar, C.; van der Zalm, T.; Lotz, L. (2011): A robot to detect and control broad-leaved dock (Rumex obtusifolius L.) in Grassland. Journal of Field Robotics 28(2), pp. 264–277
Wu, Z. N.; Chen, Y. J.; Zhao, B.; Kang, X. B.; Ding, Y. Y. (2021): Review of weed detection methods based on computer vision. Sensors 21(11), 3647, https://doi.org/10.3390/s21113647
