Ein Team um den Informatikprofessor Richard Green an der University of Canterbury (UC) hat ein KI-System entwickelt, das Früchte und Pflanzenstrukturen hinter dichtem Laub erfasst und als dreidimensionales Modell rekonstruiert. Kameras, Beleuchtung und mehrere KI-Verfahren sollen einzelne Äpfel, Kirschen oder Trauben erkennen, vermessen und über wiederholte Scans in ihrem Wachstum verfolgen. Nach Angaben des Forschungsteams lagen die Fruchtzählungen in Tests etwa zwei bis drei Prozent vom korrekten Wert entfernt. Nun arbeitet die Gruppe an höherer Zuverlässigkeit und einer möglichen Vermarktung über HoloCrop.
- Das KI-System erstellt 3D-Modelle von Pflanzen einschließlich verdeckter Früchte und Strukturen.
- In Tests wichen die ermittelten Fruchtzahlen etwa zwei bis drei Prozent vom korrekten Wert ab.
- Auf 20 kommerziellen Farmen sammelte das Team Daten für die 3D-Modellierung.
- Langfristig könnten die Modelle Maschinen beim Schneiden, Ausdünnen, Sprühen und Ernten führen.
Mehrere Kameraperspektiven machen verdeckte Strukturen sichtbar
Das Verfahren blickt nicht im wörtlichen Sinne durch Blätter. Mobile Kamerasysteme fahren vielmehr an Reihen in Weinbergen und Obstplantagen entlang. Eine Verarbeitungskette aus KI- und Computer-Vision-Systemen entfernt das Laub digital aus den Aufnahmen und rekonstruiert daraus das Pflanzenmodell.
Im Weinberg arbeitet die Technik mit zwei Kamerareihen, die Bilder durch das dichte Blätterdach aufnehmen. Für Obstbäume hat das Team eine höhere Konstruktion entwickelt, die Bäume bis zu einer Höhe von ungefähr 3,5 Metern scannen kann.
Computer Vision bezeichnet Verfahren, mit denen Rechner Bild- und Videodaten auswerten. In einer Fabrik arbeiten Roboter meist in einer genau beschriebenen, gleichbleibenden Umgebung. Im Obst- und Weinbau unterscheiden sich dagegen Bäume, Reben, Äste und einzelne Früchte. Das 3D-Modell soll diese wechselnde Umgebung für Maschinen digital beschreibbar machen.
Nach Green kann das System nicht nur einzelne Früchte identifizieren, sondern auch ihren Ast oder ihre Rute zuordnen sowie Größe, Volumen und Oberfläche berechnen.
Green bezeichnet die Technik als erstes Verfahren dieser Art, das vollständige 3D-Modelle einzelner Pflanzen einschließlich verdeckter Früchte und Strukturen erzeugen könne. Diese Einordnung stammt vom Leiter des beteiligten UC-Vision-Teams.
Präzisere Zählungen könnten die Ernteplanung verbessern
Vor der Ernte werden Früchte laut Green bislang überwiegend durch Stichproben von Menschen gezählt und vermessen. Dabei könnten Abweichungen von bis zu 23 Prozent entstehen. Die UC-Technik kam bei ihren Tests auf Zählergebnisse, die etwa zwei bis drei Prozent vom korrekten Wert entfernt lagen.
Für Betriebe ist die erwartete Menge ebenso relevant wie die Größenverteilung der Früchte. Davon hängt ab, wie viele Arbeitskräfte, Verpackungen und Lagerkapazitäten voraussichtlich benötigt werden. Eine genauere Prognose würde deshalb nicht nur den Ertrag beziffern, sondern könnte Fehlplanungen und Abfälle verringern.
Für Obst- und Weinbaubetriebe würde ein zuverlässig verfügbares System bedeuten, dass Entscheidungen vor der Ernte auf detaillierten Daten zu einzelnen Früchten statt allein auf Stichproben beruhen könnten.
Wiederholte Scans sollen zudem zeigen, wie stark eine bestimmte Frucht gewachsen ist. Green nennt Kirschen als Beispiel: Bereits wenige Millimeter Größenunterschied könnten ihren Wert verdoppeln. Eine Maschine könnte daher künftig zunächst Früchte der wertvollsten Größe pflücken und später für den Rest zurückkehren.
Vor der Vermarktung muss das System zuverlässiger werden
Die aktuelle Entwicklung baut nach Angaben der Universität auf rund 15 Jahren Forschung zu Computer Vision, künstlicher Intelligenz und Agrarrobotik auf. Beteiligt sind Fachleute für KI-Algorithmen, Mechatronik, Software und technische Spezialgebiete.
Das Team hat Modellierungsdaten auf 20 kommerziellen Farmen gesammelt, damit die Technik unter realen Bedingungen in Weinbergen und Obstplantagen funktioniert. Derzeit konzentrieren sich die Forschenden darauf, die Zuverlässigkeit weiter zu erhöhen. HoloCrop wird den Angaben zufolge aufgebaut, um Präzisionswerkzeuge für die Obstproduktion zu entwickeln und eine mögliche Kommerzialisierung vorzubereiten.
Damit ist die KI noch nicht als allgemein verfügbares Werkzeug beschrieben. Der nächste entscheidende Schritt besteht darin, aus den bisherigen Tests ein robustes System für den regelmäßigen Betrieb zu machen. Erst dann könnten die 3D-Modelle auch autonome Maschinen beim Schneiden, Ausdünnen, Sprühen oder Ernten führen.
Würden Sie einer KI-basierenden Ernteprognose vertrauen, oder bleibt die Kontrolle durch erfahrene Fachkräfte unverzichtbar?
