Unsere Forschungsprojekte

Foto: Manuel Gutjahr

Projekt

Titel
Sensorgestützte online Detektion von Krankheiten im Getreide. Teilprojekt 1.
Kürzel
FungiDetect
Beginn
01.08.2016
Ende
31.07.2020
Koordinierendes Institut
Leibniz-Institut für Agrartechnik und Bioökonomie e.V. (ATB)
Partner
Agri Con GmbH
TOSS Intelligente Messtechnik und Automatisierungs GmbH

Angesiedelt im Programmbereich
Zusammenfassung
Ziel des Projekts ist die Entwicklung eines sensorgestützten praxistauglichen Verfahrens zur frühen Erkennung von Gelbrostnestern in Winterweizen. Optische Fahrzeug- oder UAV-getragene Sensoren sollen getestet werden. Für eine krankheitsbezogene Bekämpfungsentscheidung ist neben der Detektion des Krankheitsnestes auch die Information über verschiedene Pflanzenparameter wie Pflanzenoberfläche oder Pflanzenhöhe notwendig. Dies dient zur Beurteilung der lokalen Zielfläche, die von der Spritzflüssigkeit benetzt werden muss und der Beurteilung der Ertragserwartung. Im Verbundprojekt werden mehrere Sensoren eingesetzt, die erhebliche Datenmengen ortsspezifisch erfassen. Diese Datenmengen müssen für den Landwirt für eine Bekämpfungsentscheidung aufbereitet und für eine spätere Anwendung bereitgestellt werden. Dazu wird ein Datenauswertungs- und Managementsystem auf der Basis von Agroport der Firma Agri Con entwickelt.

Förderung
Bundesministerium für Ernährung und Landwirtschaft (BMEL)
Projektträger
Bundesanstalt für Landwirtschaft und Ernährung - Projektträger
Förderkennzeichen
2815705615
Förderprogramm
Big Data in der Landwirtschaft - Innovationsförderung

Cookies

Wir verwenden Cookies. Einige von ihnen sind erforderlich, um Ihnen Inhalte und Funktionen bestmöglich anzubieten, andere helfen uns, unsere User anonymisiert besser zu verstehen (Matomo). Datenschutzerklärung

Notwendig erforderlich

Notwendige Cookies sind für die ordnungsgemäße Funktion der Website unbedingt erforderlich. Diese Kategorie enthält nur Cookies, die grundlegende Funktionen und Sicherheitsmerkmale der Website gewährleisten. Diese Cookies speichern keine persönlichen Informationen.

Cookie Dauer Beschreibung
PHPSESSID Session Speichert Ihre aktuelle Sitzung mit Bezug auf PHP-Anwendungen und gewährleistet so, dass alle Funktionen der Seite vollständig angezeigt werden können. Mit Schließen des Browsers wird das Cookie gelöscht.
bakery 24 Stunden Speichert Ihre Cookie-Einstellungen.
fe_typo_user Session Wird verwendet, um eine Session-ID zu identifizieren, wenn man sich am TYPO3-Frontend einloggt.
__Secure-typo3nonce_xxx Session Sicherheitsrelevant. Zur internen Verwendung durch Typo3.
Analyse

Über Cookies dieser Kategorie lernen wir aus dem Verhalten der Besucher auf unserer Website und können so relevante Informationen noch schneller erreichbar machen.

Cookie Dauer Beschreibung
_pk_id.xxx 13 Monate Matomo – User-ID (zur anonymen statistischen Auswertung der Besucherzugriffe; ermittelt, um welchen User es sich handelt)
_pk_ses.xxx 30 Minuten Matomo – Session-ID (zur anonymen statistischen Auswertung der Besucherzugriffe; ermittelt, um welche Sitzung es sich handelt)