Bonn, Germany
September 23, 2019
Philipp Lottes (left) and Prof. Dr. Cyrill Stachniss from the University of Bonn with a drone that records a bird's eye view of crops. - Photo: Barbara Frommann/Uni Bonn
What's the growth like? Have pests and diseases struck? Are the increased droughts affecting the plants? Breeders of new varieties have to collect extensive data on these questions. The start-up "Pheno-Inspect" of the University of Bonn wants to accelerate plant cultivation. Camera-equipped drones record the crops, software then automatically evaluates their properties using artificial intelligence methods. This indicates very quickly whether the new breed is a success. The project is supported by the "START-UP University Spin-offs" program with around 270,000 Euros.
With a gentle hum the drone flies over the plant breeder's fields. During the flight it continuously takes pictures of the plants, which are later analyzed automatically using artificial intelligence. The breeder can then use the results to evaluate which varieties are particularly suited to the breeding objective. "Global population growth means that agriculture will have to produce even higher yields in the future, while the area of the arable land remains the same," says Philipp Lottes, research associate at the Institute for Geodesy and Geoinformation at the University of Bonn. "The current bottleneck in the development of new and better varieties is high-throuput phenotyping in the field."
This is still a very complex process in plant cultivation. In phenotyping, experts determine the appearance - or phenotype - of plants: How big are the ears of wheat in a new variety? Does the crop suffer from pests or diseases? How does the plant cope with drought? "Only when these data are statistically secure do breeders know whether their new hybrid is a success compared to other varieties," reports Lottes. In the future, this data could be collected automatically using artificial intelligence. The start-up "Pheno-Inspect", of which Lottes is the founder, is forging ahead with these plans.
Self-learning automatic computer methods
The geodesist already investigated machine learning methods for plant recognition in his doctoral studies, which he also wrote at the University of Bonn as part of the "PhenoRob" Cluster of Excellence. In the course of this he developed methods for using drones to take pictures of crops, from which software is able to determine, for example, the number of cultivated plants, the distribution of different weeds as well as infestation with pests and diseases. "These are self-learning, automated processes that optimize themselves on the basis of user specifications," reports Lottes. In a "training phase", the software learns what grain ears, dry stress symptoms or weeds look like on the basis of a large number of photos. Using statistical methods, the analysis program can then automatically evaluate images and provide comprehensive documentation in the form of maps that show which of the breeding plots suffer from nutrient deficiencies or which are especially high-yielding. "Particularly the fully automatic evaluation of the data on a large scale has great potential," explains Prof. Dr. Cyrill Stachniss.
During the inspection, the drone flies at altitudes between ten and 100 meters above the crops. No blade of grass escapes the cameras, because the resolution provides detail down to a few millimeters. "The positioning is done via a very precise GPS, as used by geodesists," reports Lottes. "Smartphone GPS cannot compete in accuracy."
Funding through the "START-UP University Spin-offs" program
Together with his mentor Prof. Dr. Cyrill Stachniss, head of the working group for photogrammetry and robotics at the University of Bonn, the geodesist now receives funding as part of the "START-UP University Spin-offs" program of the state of North Rhine-Westphalia and the European Union. Over the next 18 months, Pheno-Inspect will benefit from funding of around 270,000 euros to inspect the phenotype. "We want to further develop our software and adapt it to the needs of users," reports Lottes, who is also driving forward the business plan.
So far, the Bundessortenamt, the Institut für Zuckerrübenforschung, the Gemeinschaft zur Förderung von Pflanzeninnovationen e.V. and the Agricultural Campus Klein-Altendorf of the University of Bonn have been testing the developments of Pheno-Inspect as development partners. Lottes: "Anyone who has practical application proposals for our automated high-throughput phenotyping in the field or would like to advance the degree of automation in their business should contact us." Conventional and organic farmers could also benefit from the method when it comes to determining the infestation level of weeds or pests in a crop or how the use of fertilizers can be optimized.
"Pheno-Inspect's high-throughput phenotyping process is a promising approach for significantly accelerating the cultivation of new varieties," notes Rüdiger Wolf from Technology Transfer at the University of Bonn, who advised the founders. "The start-up once again underlines the high entrepreneurial potential in the areas of health and sustainability."
More information: http://www.phenoinspect.de
„Pheno-Inspect“ beschleunigt die Pflanzenzucht
Wie ist es um das Wachstum bestellt? Haben Schädlinge und Krankheiten zugeschlagen? Setzen die vermehrten Dürren den Pflanzen zu? Wer neue Sorten züchtet, muss an ihnen aufwändig Daten zu diesen Fragen erheben. Das Startup „Pheno-Inspect“ der Universität Bonn will die Pflanzenzüchtung beschleunigen. Die Kameras einer Drohne nehmen die Pflanzenbestände auf, und eine Software wertet mit Methoden der Künstlichen Intelligenz automatisch deren Eigenschaften aus. Dadurch zeigt sich sehr rasch, ob die Neuzüchtung von Erfolg gekrönt ist. Das Vorhaben wird im Programm „START-UP-Hochschul-Ausgründungen“ mit rund 270.000 Euro gefördert.
Mit einem sanften Brummen fliegt die Drohne über die Parzellen des Pflanzenzüchters. Dabei macht sie laufend Bilder von den Beständen, die später automatisiert durch Künstliche Intelligenz ausgewertet werden. Anhand der Resultate kann der Züchter etwa bewerten, welche Sorten besonders im Hinblick auf das Zuchtziel geeignet sind. „Aufgrund der wachsenden Weltbevölkerung müssen in der Landwirtschaft bei gleichbleibender Fläche zukünftig noch höhere Erträge erzeugt werden“, sagt Philipp Lottes, wissenschaftlicher Mitarbeiter am Institut für Geodäsie und Geoinformation der Universität Bonn. „Der derzeitige Flaschenhals in der Entwicklung neuer und besserer Sorten ist die Phänotypisierung auf dem Feld.“
Das ist in der Pflanzenzucht noch immer ein sehr aufwendiges Verfahren. Experten bestimmen bei der Phänotypisierung das Erscheinungsbild – den Phänotyp – von Pflanzen: Wie groß sind etwa bei einer neuen Weizensorte die Ähren? Leidet das Getreide unter Schädlingsbefall oder Krankheiten? Wie verhält sich die Pflanze bei Trockenheit? „Erst wenn diese Daten statistisch abgesichert vorliegen, wissen die Züchter, ob ihre neue Kreuzung im Vergleich zu anderen Sorten ein Erfolg ist“, berichtet Lottes. In Zukunft könnte die Erhebung dieser Daten automatisiert mit Künstlicher Intelligenz erfolgen. Das Startup „Pheno-Inspect“, dessen Gründer Lottes ist, treibt diese Pläne voran.
Selbstlernende maschinelle Computerverfahren
Der Geodät befasste sich bereits in seiner Promotion mit maschinellen Lernverfahren für die Pflanzenerkennung. In seiner Dissertation, die ebenfalls an der Universität Bonn im Kontext des Exzellenzclusters „PhenoRob“ entstanden ist, entwickelte er Verfahren, wie sich mit Drohnen Bilder von Pflanzenbeständen aufnehmen lassen, aus denen eine Software zum Beispiel die Zahl der Kulturpflanzen, die Verteilung verschiedener Unkräuter sowie den Befall mit Schädlingen und Krankheiten bestimmt. „Es handelt sich dabei um selbstlernende, maschinelle Verfahren, die nach den Vorgaben der Nutzer sich selbst optimieren“, berichtet Lottes. In einer „Trainingsphase“ lernt die Software anhand zahlreicher Fotos, wie etwa Getreideähren, Trockenstress-Symptome oder Unkräuter aussehen. Mit statistischen Verfahren kann das Analyse-Programm anschließend Bilder automatisiert auswerten und eine flächendeckende Dokumentation in Form von Karten liefern, welche der Züchtungsparzellen etwa unter Nährstoffmangel leiden oder besonders ertragreich sind. „Besonders die vollautomatische Auswertung der Daten im großen Stil birgt ein großes Potential“, erklärt Prof. Dr. Cyrill Stachniss.
Die Drohne fliegt bei der Inspektion in Höhen zwischen zehn und 100 Metern über die Pflanzenbestände. Dabei entgeht den Kameras kein Grashalm, denn die Auflösung reicht hinab bis auf wenige Millimeter. „Die Standortbestimmung läuft über ein sehr präzises GPS, wie es Geodäten verwenden“, berichtet Lottes. „Ein Smartphone-GPS kann dabei von der Genauigkeit her nicht mithalten.“
Förderung im Programm „START-UP-Hochschul-Ausgründungen“
Zusammen mit seinem Mentor Prof. Dr. Cyrill Stachniss, Leiter der Arbeitsgruppe für Photogrammetrie und Robotik an der Universität Bonn, wird der Geodät nun im Programm „START-UP-Hochschul-Ausgründungen“ des Landes Nordrhein-Westfalen und der Europäischen Union gefördert. In den nächsten 18 Monaten wird Pheno-Inspect zur Inspektion des Phänotyps mit rund 270.000 Euro gefördert. „Wir wollen unsere Software weiterentwickeln und an die Bedürfnisse der Nutzer anpassen“, berichtet Lottes, der außerdem den Businessplan weiter vorantreibt.
Bislang testen als Entwicklungspartner das Bundessortenamt, das Institut für Zuckerrübenforschung, die Gemeinschaft zur Förderung von Pflanzeninnovationen e.V. und der Landwirtschafts-Campus Klein-Altendorf der Universität Bonn die Entwicklungen von Pheno-Inspect. Lottes: „Wer aus der Praxis Anwendungsvorschläge für unsere automatisierte Hochdurchsatz-Phänotypisierung im Feld hat oder den Automationsgrad in seinem Betrieb vorantreiben möchte, sollte sich bei uns melden.“ Auch konventionelle und ökologische Landwirte könnten von dem Verfahren profitieren, wenn es darum geht, etwa wie stark der Unkraut- oder Schädlingsbefall in einem Bestand ist oder wie der Einsatz von Düngemittel optimiert werden kann.
„Das Hochdurchsatz-Phänotypisierungsverfahren von Pheno-Inspect ist ein vielversprechender Ansatz, die Züchtung neuer Sorten deutlich zu beschleunigen“, sagt Rüdiger Wolf vom Technologietransfer der Universität Bonn, der die Gründer beraten hat. „Das Startup unterstreicht einmal mehr das hohe Gründungspotential in den Bereichen Gesundheit und Nachhaltigkeit.“
Species
