Fachagentur Nachwachsende RohstoffeEin Projektträger des Bundesministeriums für Ernährung und Landwirtschaft

 

Projektverzeichnis - Details

Einsatz boden- und luftgestützter Sensorverfahren zur Detektion von Virosen in der Pflanzgutproduktion von Stärkekartoffeln - Akronym: CropVirusScan

Anschrift
Hochschule Osnabrück
Albrechtstr. 30, Hr. Prof. Tönjes, Raum: UA 03
49076 Osnabrück
Projektleitung
Prof. Dr. Arno Ruckelshausen
Tel: +49 541 969-2090
E-Mail schreiben
FKZ
22015218
Anfang
16.10.2019
Ende
15.10.2022
Aufgabenbeschreibung
Bei der Produktion von Stärkekartoffeln verursachen Virosen jährlich hohe Ertragsverluste. Aufgrund der vegetativen Vermehrung wird nicht erkannter Virusbefall direkt an die nächste Vermehrungsstufe weitergegeben und verursacht dann großen wirtschaftlichen Schaden bei Pflanzgutvermehrungsbetrieben. Die effektivste Maßnahme zur Vermeidung von Virusbefall in der Pflanzkartoffelvermehrung ist daher die frühzeitige Bereinigung von Vermehrungsbeständen, d.h. die Entfernung kranker Pflanzen auf dem Feld, die eine potentielle Infektionsquelle darstellen. Beispielhaft ist das Y-Virus der Kartoffel (PVY = Potato Virus Y) als ein Vertreter einer ganzen Reihe von Viren zu nennen, die im Feldbestand erkannt und selektiert werden müssen. Der personelle Aufwand von geschulten Boniteuren ist sehr hoch, erfahrene Virusselekteure sind aufgrund des schrumpfenden Angebots in vielen Regionen nicht mehr vorhanden. Zielsetzung des Projektes ist daher die automatisierte Erfassung von viruskranken Pflanzen in Feldbeständen mit einem modularen bildgebenden Sensorsystem. Dabei werden innovative kompakte bildgebende Hyperspektralsensoren (XIMEA) an boden- und luftgestützten Trägersystemen eingesetzt; eine von den Antragstellern entwickelte neue Sensortechnologie - "multi-wavelength laser line profile system" (MWLP) - verbindet spektrale Signaturen mit 3D-Technologie und wird als vielversprechende Technologie für die Virusdetektion angesehen. Parallel werden klassische Farbkameras boden- und luftgestützt eingesetzt, um die Machbarkeit und Qualität von "low cost" Lösungen zu prüfen Zur Analyse der Daten und Feldversuche werden klassische Verfahren der Bildverarbeitung und Statistik sowie Methoden des Machine Learning eingesetzt. Räumlich hochaufgelöste Informationen zum Virusbefall schaffen das Potenzial für selektive Aktorsysteme zur Regulierung und verbinden damit ökologische und ökonomische Zielstellungen.

neue Suche