Entwicklung eines digitalen Überwachungssystems zur Erkennung der Krankheitssymptome von Feuerbrand in Obstanlagen

Der Feuerbrand (Erwinia amylovora) gehört zu den gefährlichsten Krankheiten im Obstbau. Regelmäßige Kontrollen sind unerlässlich, um einen Befall im frühen Stadium zu erkennen und eine Ausbreitung des Erregers zu verhindern. Dafür wird in dieser Studie ein digitales Monitoring-System zur Erkennung und Lokalisierung von Feuerbrandinfektionen in Obst-anlagen auf Grundlage von RGB-Bildern entwickelt.
Voraussetzung für die digitale Symptomerkennung ist die Erstellung eines RGB-Bilddaten-satzes mit typischen Feuerbrand-Symptomen an Trieben, Blüten und Blättern. Dieser wurde nach künstlicher Inokulation in Versuchsanlagen generiert. Über 1.000 Kameraauf-nahmen dienten als Trainingsdatensatz für den Machine Learning-Algorithmus und wurden manuell mit dem Computer Vision Annotation Tool (CVAT) gelabelt. Für die Erkennung und Position der Krankheitssymptome wurde die 2-Punkt Annotation (Bounding Box) ange-wandt. Mit Hilfe eines photogrammetrischen Ansatzes auf georeferenzierten Bilddaten soll in Zukunft eine kontinuierliche räumliche Erfassung und Dokumentation des Feuerbrands ermöglicht werden.