KI-System Monitoring Bodenbiologie

Bisher war die Betrachtung des Bodenlebens ein komplexer analytischer Prozess, der ein Labor und geschulte Spezialisten erfordert. Er ist dadurch bedingt expertenabhängig, zeitaufwändig und zu teuer für den regelmäßigen Einsatz. Dadurch bedingt werden in herkömmlichen marktüblichen Analysen lediglich die biologische Bodenfruchtbarkeit anhand von Kennzahlen wie der mikrobielle Biomasse, der mikrobielle Aktivität und der Pilz/Bakterien-Ratio dargestellt. Auf der Grundlage des aktuellen Wissensstandes wird daher bei herkömmlichen Analysen bisher keine Bewertung vorgenommen und auch keine Empfehlungen für den Aufbau der organischen Substanz gegeben. Mit neuen Mikroskopie Techniken, Bilderkennung, KI und maschinellem Lernen wird die bisherige Analytik um die detaillierte Betrachtung auf Mikrobenebene ergänzt und automatisiert und kann als Teil des mobilen SHAPE Feldlabors vom Anwender im Feld eingesetzt werden. Das hier neu entstehende Produkt wird das Vorhandensein von Mikroorganismen in Boden und Kompost erfassen und quantitativ wie qualitativ bewerten. Die vier Hauptgruppen von Bodenmikroorganismen und -fauna sind Bakterien, Pilze, Protozoen und Nematoden. Diese Organismen bilden die Grundlage des Ökosystems Boden. Man unterscheidet zwischen Quantität (Menge der Organismen pro Gramm Boden) und Qualität (günstige und ungünstige Organismen und Vielfalt). Sowohl die Quantität der Organismen als auch das Verhältnis von günstigen zu ungünstigen Organismen liefern wertvolle Informationen über den Gesamtzustand der Bodenbiologie in der untersuchten Probe. In diesem Projekt werden zunächst die Nematodenpopulation in den Böden und deren Bedeutung für die ökologische(n) Funktion(en)/Ökosystemleistungen untersucht (Quelle 12), wobei Bildanalyse, KI und maschinelles Lernen zum Einsatz kommen. Im Laufe des Projektes wird das Verfahren auf weitere Mikroben ausgeweitet. Die konzeptionelle Innovation besteht darin, diese Auswertung unmittelbar und Near Real Time beim Endanwender durchzuführen, ohne dass der Weg über ins Labor verbrachte Bodenproben führt. Somit ergibt sich die Möglichkeit, die Daten der Auswertung vor Ort unmittelbar in Folgehandlungen einfließen zu lassen und Flächen nicht nur Schlagweise, sondern auch in kleinteiligen Auflösungen zu betrachten. Durch die neue Mess- und Analysemethodik kann eine vielfältige fortlaufende Dokumentation auch nach durchgeführten Kulturmaßnahmen erfolgen, die dargestellten Daten bewertet und in ein Decision Support System (DSS) für die Bodengesundheit überführt werden, welches den Anwender bei seinen Entscheidungen in der Kulturführung unterstützt. Teilentwicklungen: -Entwicklung einer KI-basierten mikrobiologischen Objekterkennung (Hal24K Agri, HSRW) -Validierung der Objekterkennung anhand konventioneller Analysemethoden (Hal24K Agri, HSRW) -die Standardisierung von Probenahmeprotokollen (Royal Eijkelkamp) -Konzeptentwicklung für den mobilen Einsatz (Hal24K Agri) -Marktanalyse, Business Development (RheWaTech, Royal Eikelkamp) -Vorbereitung einer Zertifizierung basierend auf Ergebnissen der Arbeitsgruppe zu CEN/ TC444 mit dem Schwerpunkt Bodengesundheit (Royal Eijkelkamp)