Einen Einblick in modernste metrologische Ansätze in der Land- und Forstwirtschaft sowie der Lebensmittelproduktion bot der IEEE Workshop METROAGRIFOR. Die aktuellen Arbeiten sind angetrieben durch die Herausforderungen des Klimawandels, der Digitalisierung und der Notwendigkeit nachhaltiger Praktiken. Die etwa 100 Vorträgen aus der Forschung und Industrie zeigten eine klare, gemeinsame Richtung in der Entwicklung von Sensorik, künstlicher Intelligenz (KI) und Robotik zur Schaffung datengesteuerter, präziser und automatisierter Lösungen. Der internationale Workshop fand vom 9.-11. November am Leibniz Institut für Agrartechnik und Bioökonomie statt.

Ein zentraler Schwerpunkt lag auf KI, IoT und Robotik. In zahlreichen Beiträgen wurden maschinelle Lernverfahren wie Long Short-Term Memory (LSTM) zur Vorhersage der Bodenfeuchte, Convolutional Neural Networks (CNNs) zur Reifebestimmung von Früchten und You Only Look Once (YOLO)-Architekturen zur Erkennung von Schädlingen, Krankheiten, Früchten und zur Überwachung von Bienenvölkern eingesetzt. Zunehmend wurden auch fortschrittlichste Methoden wie Deep Reinforcement Learning zur Optimierung der Bewässerung und erklärbare KI (xAI) zur Steigerung der Vertrauenswürdigkeit von Modellen sowie der Einsatz von KI-Agenten im landwirtschaftlichen Kontext untersucht. Die Vernetzung erfolgte über kostengünstige IoT-Knoten, oft mit LoRaWAN, die Umweltdaten in Echtzeit erfassten. Autonome Systeme, von UAVs (Drohnen) bis hin zu UGVs (Bodenrobotern), wurden für Aufgaben wie die Kartierung von Obstgärten, die phänotypische Analyse von Pflanzenbeständen und die gezielte Behandlung einzelner Pflanzen eingesetzt. Neue Dateninfrastrukturen wie digitale Zwillinge für Obstplantagen und föderiertes Lernen für Geodaten ermöglichten kollaborative Datennutzung bei gleichzeitigem Schutz sensibler Daten.

Spezifisch für den Bereich der Bodenanalyse wurden nicht-destruktive Methoden wie die Vis-NIR-Spektroskopie und die Laser-induzierte Plasmaspektroskopie (LIBS) vorgestellt, um Bodeneigenschaften wie organischen Kohlenstoff, Feuchtigkeit und pH-Wert robust und vor Ort zu bestimmen. Satellitendaten von Sentinel, Landsat und PlanetScope wurden fusioniert, um Ertragsprognosen zu erstellen, den Vegetationszustand zu überwachen und Landnutzungsänderungen, etwa in Post-Konflikt-Regionen, zu bewerten. Auf Pflanzenebene ermöglichten multi- und hyperspektrale Aufnahmen von UAVs die Erstellung von 3D-Punktwolken für eine hochauflösende Phänotypisierung, die über herkömmliche Vegetationsindizes hinausging. Ergänzt wurde dies durch bodengestützte Fernerkundung wie Scatterometer zur Überwachung der Pflanzenentwicklung und mobile Sensorsysteme zur Erfassung des Blühgrads in Obstgärten.

Ein weiteres wichtiges Thema war die pflanzliche Produktion unter Bedingungen des Klimawandels, insbesondere im Wassermanagement. Die Beiträge reichten von der Modellierung des Wasserbedarfs und der optimalen Steuerung von Bewässerungssystemen über die Erkennung von Lecks in Tropfbewässerungsanlagen bis hin zur Entwicklung mobiler Apps zur Unterstützung landwirtschaftlicher Entscheidungen. Gleichzeitig wurden Methoden zur Minderung von Frost- und Hitzestressrisiken, wie die Vorhersage der Fruchtoberflächentemperatur bei Äpfeln, erforscht. Die Arbeiten zeigten auch Ansätze zur Wiederherstellung degradierter Agrarökosysteme und zur Bewertung der Klimaeignung für den Anbau spezifischer Kulturen. Im Themenblock zur Lebensmittelqualität lag der Fokus auf der nicht-destruktiven Qualitätsbewertung von Obst, um Erntezeitpunkte und Lagerbedingungen zu optimieren. Technologien wie NIR-Spektroskopie, optische Sensoren und Millimeterwellen-Radar wurden eingesetzt, um die Festigkeit, den Zuckergehalt und den Reifegrad von Äpfeln, Birnen oder Nektarinen zu bestimmen.

Neben dem Austausch zu neuesten Forschungsarbeiten wurden Möglichkeiten des Networkings und Hands-on Erfahrungen speziell für digitalisierte Boden- und Pflanzenanalysen angeboten. In vielen Gesprächen spiegelte sich einen klaren Trend wider: die Integration multimodaler Daten aus verschiedensten Quellen, deren Analyse durch fortschrittliche KI-Agenten und Modelle sowie die Umsetzung der Ergebnisse durch automatisierte Systeme, um land- und forstwirtschaftliche Betriebe präziser, widerstandsfähiger und nachhaltiger zu gestalten.

Weitere Infos und Impressionen finden Sie auf der Veranstaltungsseite

METROAGRIFOR