Die Landwirtschaft ist seit langem ein wichtiger Wirtschaftszweig in Deutschland, aber sie steht auch vor zahlreichen Herausforderungen, darunter dem Einsatz von Pestiziden und Herbiziden. Diese Chemikalien können sowohl die Umwelt als auch die menschliche Gesundheit beeinträchtigen. Das Ziel ist die Entwicklung eines Modells, um Unkraut zu erkennen und später, ohne den Einsatz von Chemikalien zu entfernen.
Die Universität Oldenburg entwickelt im Rahmen des Projekts 5G-Smart-Country ein KI-Modell, das dazu beitragen soll, die Landwirtschaft effizienter und nachhaltiger zu gestalten. Das Modell, das zur Erkennung von Unkraut eingesetzt wird, wurde unter Verwendung von NVidia-Grafikkarten, CUDA, Tensorflow und U-Net trainiert und ist im Rahmen einer Bachelorarbeit entwickelt worden. Das Modell kann Unkraut auf Feldern von Kulturpflanzen unterscheiden. Es basiert auf der Verwendung von Deep Learning-Methoden, die in der Lage sind, große Mengen an Bildern zu verarbeiten und Muster zu erkennen.
Das Modell nutzt auch Tensorflow und U-Net, um die Erkennungsleistung zu verbessern. Tensorflow ist eine beliebte Open-Source-Plattform für maschinelles Lernen, die von Google entwickelt wurde. U-Net ist ein spezieller Deep Learning-Algorithmus, der für die Bildsegmentierung verwendet wird. Durch die Verwendung von U-Net kann das Modell das Unkraut genauer erkennen und unterscheiden, um es dann gezielt entfernen zu können.
Das Modell hat in den Tests eine Genauigkeit von ca. 90% erreicht, was bedeutet, dass es sehr zuverlässig bei der Erkennung von Unkraut ist. Durch die gezielte Entfernung des Unkrauts kann der Einsatz von Pestiziden und Herbiziden reduziert werden, was sowohl die Umwelt als auch die menschliche Gesundheit schützt. Dies könnte auch dazu beitragen, die Produktivität der Landwirtschaft zu steigern, da die Pflanzen mehr Nährstoffe und Wasser erhalten.
© Universität Oldenburg (M. Baumann)