KI.SH-Machbarkeitsstudie verschnellert Saatgut-Scans bei NPZi

Ausgangslage: Entdeckung toleranter Sorten

Um die Züchtung neuer Pflanzensorten zu beschleunigen, steht die NPZ Innovation GmbH u.a. vor der zentralen Herausforderung, Schädlingsbefall im Inneren von Ackerbohnen schnell, zuverlässig und in großem Maßstab zu erkennen.

Denn Schädlinge wie der Ackerbohnenkäfer (Bruchus rufimanus) bereiten Landwirten zunehmend Schwierigkeiten - auch in Norddeutschland, wo durch den Klimawandel höhere Temperaturen seine Ausbreitung begünstigen. Dem Käfer ist kaum beizukommen: Die Larven fressen sich ins Innere der Bohne und wachsen dort gut geschützt heran. Von außen ist der Schaden oft nicht sichtbar, was auch die Pflanzenzüchter bei der Entdeckung toleranterer Sorten hemmt. Denn sie müssen aus Tausenden potenzieller Ackerbohnen-Sortenkandidaten diejenigen entdecken, die weniger befallen werden.

Das Ziel ist also, die Entwicklung toleranter Sorten zu fördern, die nicht nur Ernteausfälle reduzieren, sondern auch den Einsatz von Pestiziden verringern und den biologischen Landbau stärken können.

Effizientere Bildanalyse nötig

Und hier kommt KI ins Spiel: Um den Befall im Inneren der Bohnen sichtbar zu machen, setzt die NPZ Innovation GmbH auf Computertomographie (CT). Die CT- Scans liefern präzise Einblicke in das Saatgut, ohne es zu beschädigen. Die technische Hürde lag jedoch in der Auswertung dieser riesigen Datenmengen aus den CT-Scans.

Der bisherige Ansatz basierte auf dem "Segment Anything Model" (SAM) von Meta. Dieses erkennt die Bohnen in den Scans im 2D-Verfahren zuverlässig, war aber zeitintensiv und verbrauchte enorme Rechenkapazitäten.

Bei Tausenden von Proben, die jedes Jahr in einem kurzen Zeitfenster nach der Ernte bewertet werden müssen, war dieses Verfahren zu langsam, um effektiv in den Züchtungsprozess integriert zu werden.

Machbarkeitsstudie untersuchte verschiedene Wege

Das Ziel der Machbarkeitsstudie war daher klar definiert: Die Erkennung der Bohnen im Scan sollte deutlich beschleunigt werden, ohne dabei an Präzision zu verlieren. Das KI.SH-Team testete verschiedene Ansätze, von klassischen Algorithmen bis zu modernen Deep-Learning Modellen. Die Ergebnisse der Machbarkeitsstudie belegen: Mit neuen KI-Methoden sinkt die Verarbeitungszeit von ca. 45 Minuten auf rund drei Minuten pro Scan-Volumen. Das entspricht einer Beschleunigung um den Faktor 15. Zudem erreichte das Modell bei der Segmentierung der Ackerbohnen eine Genauigkeit von 98,2% und ist damit so exakt wie das bisherige Verfahren. Selbst bei eng aneinander liegenden oder sich berührenden Bohnen konnte die KI die einzelnen Samen zuverlässig voneinander trennen - eine entscheidende Voraussetzung für die korrekte Schadensanalyse.

Züchtung 4.0: Schneller zu toleranten Sorten

Die drastische Reduzierung der Analysezeit hat potenziell große Auswirkungen auf die Züchtungspraxis. Da ein Zuchtzyklus bis zur Marktreife einer neuen Sorte oft bis zu zehn Jahre dauert, ist jeder Zeitgewinn in der Analysephase wertvoll. Durch die schnelle Auswertung der CT-Daten können Züchter nun früher erkennen, welche Sortenkandidaten tolerant gegen den Ackerbohnenkäfer oder andere Schädlinge sind und diese gezielt weiter züchten. Zudem kann Rechenkapazität und damit v.a. Strom eingespart werden.

Das neue Verfahren ist zudem nicht auf Ackerbohnen beschränkt. In ersten Tests konnte das Modell bereits erfolgreich auf Erbsen übertragen werden, wo es eine ähnlich hohe Genauigkeit von 97,8% erzielte.

Fazit und Ausblick

Die Kooperation zeigt, wie spezialisierte KI-Lösungen konkrete Engpässe in der angewandten Forschung lösen können. Was als Problem der Bildverarbeitung begann, kann nun einen Beitrag zu nachhaltigerer Landwirtschaft und Ernährungssicherung leisten. Die NPZ Innovation GmbH plant, die gewonnenen Erkenntnisse gemeinsam mit KI.SH in einen Prototyp zu überführen und die Technologie weiterzuentwickeln.

KI.SH – Der zentrale Transfer-Hub für Künstliche Intelligenz in Schleswig-Holstein

KI.SH ist die zentrale Anlaufstelle für kleine und mittlere Unternehmen (KMU) in Schleswig-Holstein, die die Chancen der Künstlichen Intelligenz (KI) nutzen wollen. Als Netzwerk verbindet KI.SH Wissenschaft, Wirtschaft und Forschung und ermöglicht branchenübergreifenden Wissensaustausch sowie direkten Zugang zu Experten und aktuellen Forschungsergebnissen. Unterstützt von sieben Partnerhochschulen und der WTSH GmbH begleitet KI.SH Unternehmen von der ersten Information bis zur praktischen Anwendung, um Innovationen zu fördern und KI sichtbar und nutzbar zu machen. Das öffentlich geförderte Ökosystem entstand im Rahmen der KI-Strategie der Landesregierung und soll dazu beitragen, Schleswig-Holstein fit für die Zukunft zu machen.

https://kuenstliche-intelligenz.sh/

Über NPZ Innovation GmbH (NPZi)

Als einer von 28 Wirtschaftspartnern des KI.SH-Netzwerks bietet die NPZ Innovation GmbH Forschungsdienstleistungen im Bereich der Pflanzenzüchtung an und setzt dabei sowohl intern als auch für Kunden moderne KI-Methoden ein. So nutzt das Unternehmen KI und maschinelles Lernen, um Pflanzenmerkmale anhand von Drohnen-Luftaufnahmen digital zu bestimmen oder mit 3D-Computertomographie (CT)-Scans Rückschlüsse auf die Saatgutqualität zu ziehen. Als mittelständisches Forschungsunternehmen mit Sitz in Hohenlieth im Landkreis Eckernförde liegt der Schwerpunkt der NPZi auf Forschungsaktivitäten in den Bereichen Pflanzenbauwissenschaften, pflanzliche Molekularbiologie und Züchtungsforschung sowie auf biologischer, biochemischer und molekularer Analytik. Daneben führt NPZi auch Forschungsprojekte durch und bietet Beratungs- und Forschungsdienstleistungen an.