DiPredict treibt die KI-gestützte Weizenzüchtung in Sachsen-Anhalt voran. Vom Datenpunkt zur Sorte: DiPredict kombiniert Drohnensensorik und Künstliche Intelligenz, um Weizen gezielt resilienter gegen Trockenstress zu machen.
Weizen ist die wichtigste Kulturpflanze in Sachsen-Anhalt – und steht vor enormen Herausforderungen: Insbesondere zunehmende Trockenstressereignisse verlangen nach Sorten mit stabilen Erträgen unter schwierigeren Bedingungen. DiPredict entwickelt hierfür ein einzigartiges System aus digitaler Phänotypisierung, KI-gestützter Modellierung und gezielter Selektion, um die Züchtung klimaresilienter Weizensorten grundlegend zu beschleunigen.
Herzstück des Projekts ist ein multidimensionaler Datacube, in dem Sensordaten aus multi-temporalen Drohnenüberflügen, Genomsequenzen sowie Boden- und Wetterdaten fusioniert werden. Verschiedene Drohnenbasierte Sensoren (darunter Multi-/Hyperspektralkameras, LiDAR und Thermalsensoren) erfassen ein diverses Set an Weizengenotypen an zahlreichen Standorten in Sachsen-Anhalt, ergänzt durch Versuche zur Modellierung der Wassernutzungseffizienz im Plantarray-System am JKI Quedlinburg. Mithilfe von maschinellem Lernen und weiteren KI-Methoden werden daraus Vorhersagemodelle für Genotyp×Umwelt -Interaktionen entwickelt, die Züchtungsunternehmen eine schnellere, gezieltere Auswahl von Genotypen zur Sortenentwicklung ermöglichen. Darüber hinaus werden Rückschlüsse gewonnen, zu welchen Bedingungen welche Sensorik mit maximaler Effektivität eingesetzt werden kann, um den Transfer in die praktische Züchtung zu ermöglichen.
DiPredict wird im Rahmen des Europäischer Fonds für regionale Entwicklung (EFRE) gefördert.
Partner
Forschungspartner
• Julius Kühn-Institut, Institut für Resistenzforschung und Stresstoleranz, Quedlinburg
• Martin-Luther-Universität Halle-Wittenberg, Professur für Pflanzenzüchtung
• Martin-Luther-Universität Halle-Wittenberg, Institut für Informatik
• Hochschule Anhalt, AG Digitale Technologien in der Pflanzenproduktion, Köthen
Industriepartner
• Compolytics GmbH, Barleben
• RAGT 2n S.A.S., Wernigerode
Das innovative PlantArray-System von Plant DiTech wird genutzt, um über den Tagesverlauf im 3-Minuten-Takt und unter kontrollierten Bedingungen das Gewicht, und somit den Wasserverbrauch, von bis zu 120 Weizenpflanzen gleichzeitig zu erfassen. Dadurch sind Rückschlüsse auf die Wassernutzungseffizienz spezifischer Genotypen in Abhängigkeit verschiedener Trockenstressszenarien möglich. Da die Stressszenarien individuell programmiert und automatisch umgesetzt werden können, lässt sich der Trockenstress gezielt steuern, wodurch die Vergleichbarkeit mit Feldbedingungen verbessert wird. Ziel ist schlussendlich die Vorhersage der Wassernutzungseffizienz anhand multispektraler Daten unter Verwendung statistischer und maschineller Lernmodelle.
Kontakt:
Julius Kühn-Institut (JKI) Quedlinburg
Institut für Resistenzforschung und Stresstoleranz
Dr. Andreas Stahl
andreas.stahl@julius-kuehn.de
Solmaz Khosravi
solmaz.khosravi@julius-kuehn.de
Dr. Gwendolin Wehner
gwendolin.wehner@julius-kuehn.de
Sebastian Warnemünde
sebastian.warnemuende@julius-kuehn.de
Die Identifikation wichtiger agronomischer Merkmale ist eine der Kernkompetenzen bei der Entwicklung neuer Sorten in der Pflanzenzüchtung. Um diese Aufgabe zu objektivieren und hochdurchsatzfähig zu machen, sollen bildanalytische Methoden entwickelt werden, um die Ährenanzahl sowie die Krankheitsresistenz des Weizens basierend auf Bilddaten zu quantifizieren. Dazu sollen neben klassischen RGB-Aufnahmen auch Hyperspektral- und LiDAR-Sensoren hinzugezogen werden. Die so entwickelten Modelle sollen dann der Weizenzüchtung zugänglich gemacht werden.
Im Rahmen des Projekts soll die sensorgestützte Evaluierung von Trockenstresstoleranz für Weizen optimiert und hochdurchsatzfähig gemacht werden. Die Hochschule Anhalt erforscht und entwickelt unter Nutzung einer Versuchsanlage für Unterflurbewässerung der DLG am Standort Bernburg-Strenzfeld Kl-basierte Methoden zur zuverlässigen sensorgestützten Erkennung von Trockenstress unter Freilandbedingungen. Einen besonderen Schwerpunkt stellt der Einsatz von drohnen- und flugzeuggestützter hyperspektraler Sensorik in unterschiedlichen Wellenlängenbereichen zur Erkennung von Trockenstresssymptomen und der physiologischen Reaktionen der Kulturpflanzen dar.
Millionen Datenpunkte sind nur dann wertvoll, wenn sie intelligent verknüpft werden. Compolytics entwickelt Algorithmen, die multimodale Daten aus Spezialsensorik zur Modellierung agronomisch relevanter Merkmale verwendet. Die nicht-invasiven Methoden ermöglichen es so, Einblicke in die Stressphysiologie von Pflanzen zu gewinnen, um besonders resiliente Genotypen zielgerichtet identifizieren zu können. Die Modelle lassen sich auf neue Genotypen oder andere Kulturarten übertragen, ohne vollständiges Neutrainieren (Transfer Learning). Damit entsteht eine KI-Infrastruktur, die weit über den Weizenanbau hinaus nutzbar ist.
Sie sehen gerade einen Platzhalterinhalt von Vimeo. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr InformationenSie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr InformationenSie müssen den Inhalt von reCAPTCHA laden, um das Formular abzuschicken. Bitte beachten Sie, dass dabei Daten mit Drittanbietern ausgetauscht werden.
Mehr Informationen