Research database

of the Osnabr¨¹ck University of Applied Sciences

All publicly-funded research projects from A to Z

All research projects which are recorded, are located centrally in our research database. You can search for key words, or narrow your search by setting filters. (websites only available in German)

Filter

Please enter at least 3 characters

Fakult?t

Drittmittelgeber

Forschungsschwerpunkte

Laufzeit

Alphabet

Loading data
Projektlaufzeit:
16.10.2019 - 15.10.2022
Antragsteller/in:
Prof. Dr. Arno Ruckelshausen
Drittmittelgeber/F?rderlinie:
BLE / BMELV
Fakult?t:
Ingenieurwissenschaften und Informatik
F?rdersumme:
€ 284.894,88
Projektpartner extern:
Gemeinschaft zur F?rderung von Pflanzeninnovation e. V. (GFPi), Bonn; Grimme Landmaschinenfabrik GmbH & Co. KG, 49401 Damme
Projektzusammenfassung:

Das Gesamtziel des Projektes ist ein modulares Sensorsystem zur feldbasierten Detektion von Virosen in der Pflanzgutproduktion von St?rkekartoffeln. Dieses modulare Sensorsystem kann in Maschinen integriert werden oder manuell eingesetzt werden. Das System k?nnte damit ¨C als erster praxistauglicher Demonstrator ¨C auch hinsichtlich der ?bertragung auf andere Kulturen evaluiert werden.

Bei der Produktion von St?rkekartoffeln verursachen Virosen j?hrlich hohe Ertragsverluste. Aufgrund der vegetativen Vermehrung wird nicht erkannter Virusbefall direkt an die n?chste Vermehrungsstufe weitergegeben und verursacht dann gro?en wirtschaftlichen Schaden bei Pflanzgutvermehrungsbetrieben. Voraussetzung f¨¹r qualitativ hochwertiges Pflanzgut sind Gesundheit und gute Triebkraft. In der amtlichen Kontrolle von Pflanzkartoffeln wird eine Pr¨¹fung auf Viruskrankheiten, eine Pr¨¹fung auf Knollenkrankheiten und auf ?u?ere M?ngel durchgef¨¹hrt. Die Infektion erfolgt auf dem Feld durch Blattl?use, die schon mit Viren belastet in den Feldbestand einfliegen oder von bereits viruskranken Pflanzen, von denen die Blattl?use den Erreger aufnehmen und auf gesunde Kartoffelpflanzen (Prim?rinfektion) ¨¹bertragen. Die effektivste Ma?nahme zur Vermeidung von Virusbefall in der Pflanzkartoffelvermehrung ist daher die fr¨¹hzeitige Bereinigung von Vermehrungsbest?nden, d. h. die Entfernung kranker Pflanzen auf dem Feld, die eine potentielle Infektionsquelle darstellen. Beispielhaft ist das Y-Virus der Kartoffel (PVY = Potato Virus Y) als ein Vertreter einer ganzen Reihe von Viren zu nennen, die im Feldbestand erkannt und selektiert werden m¨¹ssen. PVY z?hlt zu den am meisten verbreiteten Kartoffelvirosen und verursacht in Abbaulagen Ertragsdepressionen von bis zu 60% durch Verminderung der Knollenanzahl und Knollenmasse. Weiter wichtige Viruserkrankungen sind das Blattrollvirus (PLRV), Mosaikvirus sowie Kartoffel-X-Virus.

Zielsetzung des geplanten Projektes ist die sensorische Erfassung von viruskranken Pflanzen in Feldbest?nden. Es sind ver?nderte Blattfarben und ¨Cformen, Mosaiksymptome, abnormale Aderstrukturen der Bl?tter sowie raue oder geriefelte Blattoberfl?chen zu detektieren. Die Erkennung sollte unter unterschiedlichen Lichtverh?ltnissen m?glich sein. Der Selektionszeitraum ist von Mitte Mai bis Ende Juni und muss an verschiedene Wuchsstadien der Kartoffelpflanzen angepasst sein. Der personelle Aufwand von geschulten Boniteuren ist sehr hoch. Erfahrene Virusselekteure sind aufgrund des schrumpfenden Angebots in vielen Regionen nicht mehr vorhanden.

Der Einsatz innovativer bildgebender Sensortechnologien bietet technologische Optionen zu Virusdetektion. Dabei werden innovative kompakte Hyperspektralsensoren (ximea) an boden- und luftgest¨¹tzten Tr?gersystemen eingesetzt. Eine von den Antragstellern entwickelte neue Sensortechnologie ¨C ?multi-wavelength laser line profile system¡° (MWLP) ¨C verbindet spektrale Signaturen mit 3D-Technologie und wird als vielversprechende Technologie f¨¹r die Virusdetektion angesehen. Parallel werden klassische Farbkameras boden- und luftgest¨¹tzt eingesetzt, um die Machbarkeit und Qualit?t von ?low cost¡° L?sungen zu pr¨¹fen. Zur Analyse der Daten und Feldversuche werden klassische Verfahren der Bildverarbeitung und Statistik sowie Methoden des Machine Learning eingesetzt.

R?umlich hochaufgel?ste Informationen zum Virusbefall schaffen das Potenzial f¨¹r selektive Aktorsysteme zur Regulierung und verbinden damit ?kologische und ?konomische Zielstellungen. Damit werden Potenziale f¨¹r die kombinierte Messung von Boden- und Pflanzeneigenschaften sowie zu selektiven Prozessen (z. B. Pflanzenschutz oder Ernte) er?ffnet.

Logo F?rdermittelgeber:
To the results ¨‹ (XXX)