Mit Licht, Big Data und künstlicher Intelligenz gegen den schädlichen Pilz Cercospora

Gemeinsame Arbeit auf dem Feld

Auf dem Acker in Bayern arbeiten die Forscher der TU Clausthal und des Forschungszentrums Jülich mit zwei unterschiedlichen Ansätzen – ohne in Konkurrenz zueinander zu stehen. Im Gegenteil, sie haben die gemeinsame Lösung eines „globalen Problems“ vor Augen, wie Willer den Schadpilz Cercospora nennt. Förderer des Projekts ist das Bundeslandwirtschaftsministerium.

Zwischen den Versuchspflanzen stehen die Wissenschaftler an diesem Tag genau zur richtigen Zeit: Zwischen Ende Juli und Anfang August ist es in diesem Landesteil warm und feucht. Zudem sind die Pflanzen so weit gewachsen, dass ihre Blätter sich bereits berühren. Unter diesen Voraussetzungen breitet sich der Pilz am besten aus.

„Jeder liefert ein Puzzlestück“

Während dieser ersten Messkampagne des Projekts auf rund einem Hektar Feld sammeln die Wissenschaftler beider Institutionen mit ihren zwei Versuchsaufbauten rund zwei Terabyte Daten. Hinzu kommen Wetterdaten, die für das Wachstum wichtig sind: Feuchtigkeit, Wind, Windrichtung, Niederschläge, Luftdruck und Temperatur. All diese Datensätze wertet ein weiterer Projektpartner – die TU Dortmund – aus und verarbeitet sie. „Jeder liefert mit seinen Messungen ein Puzzlestück, das am Ende zu einem Gesamtbild beitragen soll“, sagt Willer.

Befallene Areale erwärmen sich anders

Um ein automatisiertes Bewertungsverfahren zu entwickeln, das die Früherkennung von Cercospora ermöglicht, setzt die TU Clausthal auf den Einsatz eines speziellen Lasers mit einem für das Auge nicht sichtbaren Infrarotlichtstrahl. Damit werden die Blätter der Zuckerrüben angeleuchtet. „Bei bestimmten Wellenlängen im mittleren Infrarotbereich werden die befallenen Blattareale anders erwärmt als die gesunden“, erklärt Willer.

Eine Infrarotkamera filmt das beleuchtete Blatt der Pflanze, misst auf diesem Weg die Temperatur und speichert die Werte. Am Ende soll der Befall einer Pflanze durch die Wärmebildkamera sichtbar werden – bevor das menschliche Auge die Infektion erkennen kann.

Plan: Ein kleines, mobiles System

Für die Clausthaler Forscher ist der Einsatz auf dem Feld die erste Messung außerhalb des Labors. In Plattling müssen sie, anders als unter Laborbedingungen, auch mit dem Sonnenlicht zurechtkommen. Das sei eine besondere Herausforderung, weil sich die Sonneneinstrahlung je nach Intensität auf die Messergebnisse auswirke, sagt Willer. Denn die Forscher messen zunächst die Temperatur am gesunden und am kranken Blatt ohne Laser, im Anschluss mit Bestrahlung. Die Temperaturdifferenzen werden als Datensatz gespeichert. Das heißt: „Strahlt die Sonne etwa direkt auf ein Blatt, ist schon die Ausgangstemperatur eine höhere und die Differenz nach Bestrahlung möglicherweise nicht so aussagekräftig“, sagt Willer.

Außerdem arbeiten die Wissenschaftler daran, den Einsatz der Messgeräte auf dem Acker zu vereinfachen. Die jetzt eingesetzten Konstruktionen sollen bei der nächsten Messkampagne in Italien beweglicher und kompakter sein als bisher, sagt Willer.

Am Ende soll zum Beispiel ein Traktor die Apparatur übers Feld ziehen und nicht Menschen per Hand. Außerdem wollen die Forscher bis dahin die optimale Wellenlänge für ihr System gefunden haben.

Informatiker schulen künstliche Intelligenz

Die Daten der ersten Messungen außerhalb des Labors liegen nun zusammen mit den Wetterdaten und den Cercospora-Modelldaten bei den Informatikern der TU Dortmund. Sie sollen die relevanten Daten herausarbeiten und einer Computersoftware beibringen, eine kranke Pflanze zu erkennen.

Doch welche Daten sind relevant? Und wie lernt das der Computer? Im Fall der Clausthaler Messungen schauen die Dortmunder Experten zum Beispiel, bei welcher Wellenlänge des Lasers die an der kranken Pflanze gemessene Temperaturdifferenz am prägnantesten ist. Diesen Unterschied geben sie als Hinweis für eine Erkrankung an die Software weiter. Diesen Schritt wiederholen sie immer wieder und schulen so den Algorithmus der künstlichen Intelligenz, damit er später eigenständig feststellen kann, welche Pflanze befallen ist und welche nicht.

FZ Jülich nutzt das Leuchten der Pflanzen

Auch die Daten des Forschungszentrums Jülich um den Phänotypisierungsexperten Dr. Onno Muller liegen bereits in Dortmund. Das Jülicher System LIFT (light induced fluorescence transient, was so viel heißt wie: lichtinduziertes Fluoreszenzsignal) bestrahlt wie das Clausthaler System die Versuchspflanzen mit Licht eines besonderen Wellenlängenbereichs.

Doch der Ansatz ist ein anderer als bei den Wissenschaftlern aus dem Harz. Die Forscher aus Jülich rücken die Fotosynthese der Blätter in den Mittelpunkt. Genauer: Sie arbeiten mit der sogenannten Blattfluoreszenz. Diese entsteht natürlicherweise bei der Fotosynthese.

Beeinflusst der Pilz die Fotosynthese?

Kurz erklärt: Die Fotosynthese, also die Umwandlung der Lichtenergie der Sonne und des Gases Kohlendioxid in chemische Energie in Form von Zucker, beginnt in der Pflanze mit dem Einfangen des Lichts durch den Pflanzenfarbstoff Chlorophyll. Währenddessen wird ein Teil der von der Pflanze eingefangenen Energie wieder freigegeben und zurückgestrahlt. Dieses „Leuchten“ nennt sich Chlorophyllfluoreszenz. Die Forscher aus Jülich zeichnen es mit dem LIFT-Sensor auf, wie Muller erklärt.

Seine Annahme: Ist ein Bereich des Blattes mit Cercospora infiziert, dann hat das einen Einfluss auf die Fotosynthese in diesem Areal. Da die Chlorophyllfluoreszenz eng mit der Effizienz der Fotosynthese verbunden ist, könnte das veränderte Leuchten auf den betroffenen Blattbereichen Hinweise auf den Schadpilz geben.

Wie sich die Daten der Wissenschaftler aus Clausthal und Jülich bestmöglich kombinieren lassen, zeigt sich in den anstehenden Auswertungen. Wärmt sich eine kranke Pflanze im betroffenen Bereich um eine bestimmte Gradzahl auf und strahlt sie außerdem genau an dieser Stelle eine bestimmte Energie zurück, sind das schon einmal zwei Hinweise auf Cercospora an derselben Stelle des Blattes.

Diese Informationen aus den Sensordaten sollen Computer später automatisch erkennen und zuverlässig bewerten. Dafür nutzen sie Algorithmen, die unter dem Namen Maschinenlernen oder künstliche Intelligenz bekannt sind. Voraussetzung für die dabei angestrebte hohe Erkennungsrate ist das Training eines solchen Systems mit bekannten Bildern. Im Fall von DataPlant sind das die Aufnahmen infizierter und nicht infizierter Blätter. Das Team aus Physikern und Züchtern vermerkt auf den jeweiligen Bildern, ob sie gesunde oder infizierte Blätter zeigen, und schafft damit einen großen Bestand von Trainingsdaten für die künstliche Intelligenz. Und weil dabei große Datenmengen im Spiel sind, spricht das Team von Big Data.

„Dieses Vorgehen ist nicht auf Cercospora beschränkt“, sagt Projektleiter Christoph Bauer. „Wir gehen davon aus, dass sich mit diesem Prinzip viele verschiedene Blattkrankheiten frühzeitig und automatisch nachweisen lassen. Jetzt legen wir die Grundlagen dafür.“

Die Kombination aus neuartiger Sensorik, konventioneller Bildanalyse und maschinellem Lernen sind schon längst nicht mehr reine Forschungsarbeit bei der KWS. Diese Technologien werden bereits im Umfeld von Züchtung und Forschung angewendet.

Diese Entwicklungen werden dem Landwirt nicht nur eine schnellere Verfügbarkeit von Sorten ermöglichen. Auch die schnelle Erfassung des Gesundheitszustandes seiner Pflanzen wird dann etwa per Drohne möglich sein.