KI prüft Zuckerrüben

Kernstück des Projekts ist ein umfassender, öffentlich zugänglicher Bilddatensatz mit rund 3.000 Zuckerrüben und über 950 hochaufgelösten Bildern. Diese wurden unter unterschiedlichen Umgebungsparametern – etwa unter verschiedenen Beleuchtungs- und Witterungsbedingungen – sowie in drei verschiedenen Prozessstufen aufgenommen: manuelle Ernte, maschinelle Ernte und Lagerung nach 90 Tagen. Alle Aufnahmen sind mit mehreren relevanten Qualitätsmerkmalen annotiert.

Die von den Forschenden entwickelte, zweistufige Analyse kombiniert nun eine effiziente Erkennung einzelner Zuckerrüben mit einer automatischen Maskierung von Bereichen, die beispielsweise Blattreste, Schnittflächen oder Fäulniszonen enthalten. Die Methode soll eine Erkennungsgenauigkeit von 98,8 Prozent für die Rübenerfassung und 64 Prozent für die Zuordnung einzelner Qualitätsparameter bieten. Darüber hinaus ermöglicht das System eine realistische Abschätzung der Masse einzelner Zuckerrüben – basierend auf ihrem Flächeninhalt und eines im Bild erfassten Referenzmaßes, erklärt man beim AIT. So werde eine automatisierte, objektive und skalierbare Bewertung ganzer Rübenchargen möglich – mit direktem Nutzen für landwirtschaftliche Betriebe ebenso wie für industrielle Verarbeiter.

Künftig soll das Projekt um weitere Umweltbedingungen und andere Feldfrüchte wie Karotten oder Kartoffeln erweitert werden. Forschende und Unternehmen seien nun eingeladen, die öffentlich zugänglichen Modelle und Datensätze zu nutzen, zu erproben und gemeinsam weiterzuentwickeln.