TU-Informatiker wollen dem wachsenden Welternährungsproblem begegnen

Mit künstlicher Intelligenz den Hunger bekämpfen

| Redakteur: Tina Billo

Die Nachfrage nach Nahrungsmitteln wächst, gleichzeitig hinterlässt der Klimawandel immer mehr unfruchtbare Böden. Der Einsatz künstlicher Intelligenz könnte helfen, die Erträge in der Landwirtschaft zu steigern.
Die Nachfrage nach Nahrungsmitteln wächst, gleichzeitig hinterlässt der Klimawandel immer mehr unfruchtbare Böden. Der Einsatz künstlicher Intelligenz könnte helfen, die Erträge in der Landwirtschaft zu steigern. (Bild: gemeinfrei andreas 160578 / Pixabay / CC0)

Rund um den Globus hungern 815 Millionen Menschen, somit hat schon heute jeder Neunte nicht genug zu essen. Diese Situation könnte sich verschärfen, denn die Weltbevölkerung soll bis zum Jahr 2050 von heute knapp 7,5 auf 9,7 Milliarden ansteigen - und damit auch der Bedarf an Nahrungsmitteln. Um diesen decken zu können, gilt Precision Farming auf Basis von KI-Verfahren als ein möglicher Ansatz.

Kristian Kersting, Professor für Maschinelles Lernen an der Technischen Universität Darmstadt, und sein Team sehen eine mögliche Lösung in der Anwendung Künstlicher Intelligenz (KI). Ein spezielles Verfahren der KI, das Maschinelle Lernen, könnte Grundlage für sogenanntes Precision Farming sein, mit dem mehr Erträge auf gleich großen oder geringeren Anbauflächen realisierbar wären. Das Projekt wird vom Bundesministerium für Landwirtschaft und Ernährung gefördert. Partner sind das Institut für Nutzpflanzenwissenschaften und Ressourcenschutz (INRES) der Universität Bonn sowie die Aachener Firma Lemnatec.

„Wir möchten zunächst verstehen, wie physiologische Prozesse in Pflanzen aussehen, wenn sie Stress erleiden“, sagt Kersting. „Stress entsteht zum Beispiel, wenn Pflanzen nicht genügend Wasser aufnehmen oder mit Krankheitserregern infiziert sind. Maschinelles Lernen kann uns dabei helfen, diese Prozesse genauer zu analysieren.“ Mit dem Wissen ließen sich resistentere Pflanzen züchten und Krankheiten effizienter bekämpfen.

Algorithmen selektieren die richtigen Daten

Die Forscher installierten eine hyperspektrale Kamera, die ein breites Wellenspektrum erfasst und tiefe Einblicke in die Pflanzen gewährt. Je mehr Daten über die physiologischen Prozesse einer Pflanze während des Wachstumszyklus zur Verfügung stehen, desto besser kann eine Software darin wiederkehrende Muster ausfindig machen, die für Stress verantwortlich sind.

Zu viele Daten können allerdings ein Problem sein, da die Berechnungen zu aufwendig werden. Die Forscher brauchen also Algorithmen, die für das Lernen nur einen Teil der Daten nutzen, ohne an Genauigkeit einzubüßen.

Bilder werden wie Wörter behandelt

Kerstings Team fand eine clevere Lösung: Um die Daten auszuwerten, setzte es ein weit fortgeschrittenes Lernverfahren aus der Sprachverarbeitung ein, das zum Beispiel bei Google News verwendet. Dort wählt eine KI für den Leser täglich aus 10.000en neuen Artikeln die für ihn relevanten aus und sortiert sie thematisch vor – und zwar mit Hilfe von Wahrscheinlichkeitsmodellen, bei denen alle Wörter eines Textes einem bestimmten Thema zugeordnet werden.

Kerstings Trick bestand nun darin, die hyperspektralen Bilder der Kamera wie Wörter zu behandeln: Die Software ordnet bestimmte Bildmuster einem „Thema“ zu, etwa einem Stress-Zustand der Pflanze.

Selbstoptimierende Software

Aktuell arbeiten die Forscher daran, der Software beizubringen, sich mittels Deep Learning selbst zu optimieren und die Muster, die für Stress stehen, schneller zu finden. „Eine gesunde Stelle kann man zum Beispiel anhand des Chlorophyll-Gehalts im Wachstumsprozess der Pflanze erkennen“, sagt Kersting. „Wenn ein Austrocknungsprozess stattfindet, ändert sich das gemessene Spektrum signifikant.“ Der Vorteil des Maschinellen Lernens ist, dass es solche Anzeichen früher erkennen kann als ein menschlicher Experte – die Software lernt, auf mehr Feinheiten zu achten.

Verbindung von menschlicher und künstlicher Intelligenz

Später, so die Vision, sollen Kameras entlang von Pflanzenreihen auf einem Fließband im Gewächshaus installiert werde – dann kann die Software jederzeit auf Auffälligkeiten hinweisen. Das System soll zudem lernen, selbst unbekannte Krankheitserreger zu identifizieren – durch den ständigen Austausch mit den Pflanzenexperten. „Letzten Endes ist unser Ziel eine sinnvolle Partnerschaft zwischen menschlicher und künstlicher Intelligenz, um das wachsende Problem der Welternährung bewältigen zu können“, so Kersting.

Publikationen

Matheus Thomas Kuska, Anna Brugger, Stefan Thomas, Mirwaes Wahabzada, Kristian Kersting, Erich-Christian Oerke, Ulrike Steiner, AnneKatrin Mahlein (2017):Spectral patterns reveal early resistance reactions of barley against Blumeria graminis f. sp. hordei. Phytopathology 107(11):1388-1398.

Mirwaes Wahabzada, Anne-Katrin Mahlein, Christian Bauckhage, Ulrike Steiner, Erich-Christian Oerke, Kristian Kersting (2016): Plant phenotyping using probabilistic topic models: uncovering the hyperspectral language of plants. Scientific Reports (Nature) 6.

Quelle: Technische Universität Darmstadt

Kommentare werden geladen....

Was meinen Sie zu diesem Thema?

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45464545 / Forschung u. Wissenschaft)