Automatisierte Unkrauterkennung auf dem Acker – Möglichkeiten und Grenzen

Autor/innen

  • Michael Pflanz
  • Henning Nordmeyer

DOI:

https://doi.org/10.5073/jka.2016.452.033

Schlagworte:

herbicide application, hexacopter, precision farming, UAV, site-specific weed management, weed distribution, weeds

Abstract

Unbemannte Fluggeräte, unmanned aerial vehicles (UAV), sind inzwischen allgegenwärtig genutzte Werkzeuge, um hochauflösende räumliche Informationen landwirtschaftlicher Kulturflächen zu generieren. Ihr Einsatz zur Vegetations-Naherkundung eröffnet dabei eine Reihe an Möglichkeiten, die im Bereich des teilflächenspezifischen Pflanzenschutzes künftig eine wesentliche Rolle spielen werden. In einer zunehmend präzisierten Landwirtschaft steigt zudem das Interesse an innovativen Technologien und es ist erkennbar, dass sich der Fokus von der landwirtschaftlichen Forschung allmählich in die praktische Anwendung verschiebt. Dies erfordert eine rasche und intensive Beurteilung von Möglichkeiten und Grenzen von UAV-gestützten Verfahren.
Während spektral auflösende Sensoren an UAV zur Kartierung des Nährstoff- oder Wasserbedarfs einer Kultur pro Flächeneinheit bereits eingesetzt werden, ist die bildgebende Erkennung von Unkräutern aus der Luft ungleich komplexer und daher bisher nicht praxisrelevant. Zum einen sind die spektralen Unterschiede zwischen Unkräutern und Kulturpflanzen zu gering für eine sichere Unterscheidung und objektbasierte Ansätze separieren Pflanzen bisher weder artspezifisch noch sind sie ausreichend an morphologische Veränderungen innerhalb der Entwicklungsstadien angepasst. Zum anderen fehlen verlässliche Lösungen für eine stabile Kleinraumnavigation, wie sie für eine optisch hinreichende Abbildungsleistung in konstanter niedriger Flughöhe bei unterschiedlichen Geländeprofilen erforderlich ist.
Zur Abschätzung der Möglichkeiten und Grenzen einer automatisierten Unkrauterkennung, hinsichtlich der notwendigen Abbildungsleistung als Voraussetzung für eine automatisierte Unkrauterkennung, erfolgten Messflüge mit einem Hexakopter in 5 m Flughöhe über unterschiedlich verunkrauteten Ackerflächen. Die Flughöhe wurde mittels GPS-gesteuerten Autopiloten gehalten. Luftbildaufnahmen erfolgten über georeferenzierten Punkten an denen zeitgleich manuell bonitiert wurde. Die erforderliche optische Auflösung am Boden (mm/Pixel) wurde durch manuelle Auszählung der Unkräuter am PC und Vergleich mit den Boniturdaten abgeschätzt. 

Automated weed detection in the field - possibilities and limits

Unmanned Aerial Vehicles (UAV) have become omnipresent and adequate tools to generate high-resolution spatial data of agricultural cropland. Their implementation into remote sensing approaches of weeds provides suitable applications for a site-specific herbicide management. In general, an increasingly use of innovative technologies gradually leads from agricultural research into the practical application. This requires an evaluation of possibilities and limits of UAV-based remote sensing procedures.
While spectrals from UAVs are being used already for mapping needs of nutrient or water, the image supported weed detection is much more complex and at the moment not relevant in practice.
In this regard, there is a lack of weed and crop differentiation through spectral analyses and object-based approaches separate different plants not species-specific or are not adapted to morphologic changes of the growth. Moreover, there is a need for alternative positioning techniques without GPS, as it is required for a precise optical imaging analysis at low altitudes.
To evaluate the possibilities and limitations of automated weed identification regarding the optical and sampling requirements, flights were carried out with a hexacopter at an altitude of 5 m over agricultural crop land with variable weed patches. The altitude was controlled by the GPS-autopilot. Images were captured at geo-referenced points and the number of different weed species was simultaneously determined by manually counting. The required optical resolution on the ground was estimated by comparing the number of weeds between image analysis on the PC and with the field rating data.

Downloads

Veröffentlicht

2016-02-23