Bildverarbeitung 2.0 für künstliche Bestäubung, Software der Pennsylvania State University erkennt Blüten, die den meisten Ertrag versprechen

Bildverarbeitung 2.0 für künstliche Bestäubung, Software der Pennsylvania State University erkennt Blüten, die den meisten Ertrag versprechen

State College, 30. Januar 2023

Forscher der Pennsylvania State University erleichtern die künstliche #Bestäubung von #Nutzpflanzen in Zeiten des grassierenden Insektensterbens mit einem neuen Bildverarbeitungssystem, das die #Königsblume eindeutig identifiziert. Dies ist die mittlere Blüte eines Straußes von fünf Blüten an Apfelbäumen, die sich als erste öffnet. Wird sie bestäubt, entsteht daraus der mit Abstand größte #Apfel.

Hunderte Blütenfotos als Basis

Doktorand Xinyang Mu setzt »Mask R CNN« ein. Das #Deep #Learning Computerprogramm führt eine Segmentierung auf Pixelebene durch, um Objekte zu erkennen, die teilweise verdeckt sind – so wie die Königsblume von den übrigen Knospen oder Blüten. Mu hat Hunderte von Apfelblütentrauben fotografiert und daraus einen Algorithmus entwickelt, der die Königsblume von den übrigen Blüten unterscheiden und eindeutig lokalisieren kann. Mit dieser Info kann ein Bestäubungsroboter gezielt vorgehen, sodass sich die jeweils größte Frucht entwickelt.

Mu ließ 2014 Apfelbäume der Sorten Gala und Honeycrisp in Abständen von gut 1,50 beziehungsweise knapp zwei Metern pflanzen. Als sie eine Höhe von fast vier Metern erreicht hatten und blühten, begann der Jungforscher mit seiner Fotoaktion. Die #Kamera montierte er auf Klein #Lkw, den er zwischen den Baumreihen fahren ließ, um die Blütenbilder aufzunehmen. Dann trainierte er seine #Software, damit sie die entscheidende Blüte erkennen konnte.

Trefferquote bei rund 98,7 Prozent

Das Training des #Bildverarbeitungssystems zur Lokalisierung von Königsblumen sei eine große Herausforderung gewesen, da sie die gleiche Größe, Farbe und Form wie die seitlichen Blüten haben und die Königsblumen aufgrund ihrer zentralen Position normalerweise von den umgebenden Blüten verdeckt werden. Das Programm drillte er jeweils darauf, das Zentrum eines Blütenbüschels zu lokalisieren. Er erreichte eine Trefferquote von bis zu 98,7 Prozent, verglichen mit den 100 Prozent, die bei der Identifizierung der Königsblumen durch menschlichen Augenschein erreicht wurden.