Höfle, Rebecca; Herzog, Katja and Töpfer, Reinhard (2022) Entwicklung automatisierter Verfahren zur frühzeitigen Felddiagnostik des Falschen Mehltaus, Plasmopara viticola, für einen angepassten Pflanzenschutz im Ökoweinbau. [Development of automated techniques for early field diagnosis of downy mildew, Plasmopara viticola, for adapted plant protection in organic viticulture.] Julius Kühn-Institut Bundesforschungsinstitut für Kulturpflanzen (JKI), D-Siebeldingen .
![[thumbnail of Abschlussbericht]](/style/images/fileicons/application_pdf.png) |
PDF
- German/Deutsch
(Abschlussbericht)
1MB |
Summary in the original language of the document
Das Verbundprojekt AuDiSens zielte auf die Evaluierung eines sensorgestützten Diagnoseverfahrens für den Falschen Mehltau der Rebe, Plasmopara viticola, mittels Hyperspektraltechnik und Künstlicher Intelligenz ab. Als Strategie für eine Früherkennung sollten Unterschiede hyperspektraler Reflexionsmuster von anfälligen und resistenten
Rebsorten, hervorgerufen durch eine Infektion bzw. Abwehrreaktion mit Stilbensynthese in befallenen Blattgeweben, identifiziert werden. Es zeigte sich, dass die Verwendung von Blattscheiben zur Erfassung von Hyperspektralbildern am besten geeignet ist, um
standardisierte Daten im Hochdurchsatz aufzunehmen. Es wurde ein standardisierter Versuch zur Stilbeninduktion mittels UV-C Bestrahlung etabliert, welcher u.a. für die Optimierung der HPLC-Referenzmethodik des Stilbennachweises genutzt wurde. Die Zeit für die HPLC-Analyse wurde von 25 Minuten auf 6 Minuten pro Probe verkürzt. Mit dem Ende des Verbundprojekts liegen nun umfassende, räumlich und zeitlich hochaufgelöste Hyperspektraldatensätze mit präzisen Referenzdaten vor, die nach Projektende für
Forschungsprojekte oder Abschlussarbeiten zur Verfügung stehen. Darüber hinaus verdeutlichen die Ergebnisse, dass die Erfassung des Mikroklimas in der Laubwand für eine
möglichst genaue Prognose eines Infektionsrisikos mit P. viticola und damit auch das Ermöglichen einer zielgenauen Pflanzenschutzstrategie, unerlässlich ist. Die beiden
Hauptfaktoren Blattnässe und Temperatur müssen für präzise Prognosen des Infektionsdrucks in Früherkennungs-Systeme integriert werden.
Summary translation
The major aim of AuDiSens was the evaluation of a sensor-based diagnostic tool in order to detect one of the most important pathogens in viticulture, downy mildew (Plasmopara viticola) using hyperspectral sensing and artificial intelligence. As strategy towards an early detection of downy mildew, differences of hyperspectral reflection patterns between susceptible and resistant grapevine varieties were analyzed, which might change due to an infection with the pathogen (susceptible) or defense reactions by stilbene synthesis (resistant). It was shown, that leaf disks are most suitable in order to acquire standardized, valid hyperspectral data with high-throughput. Further, a standardized UV-C treatment was established in order to artificially induce stilbene synthesis in the treated plant tissues. This system was used e.g. to optimize the HPLC-based detection and quantification of stilbenes. Regarding the HPLC, the time per sample was reduced from 25 to six minutes. With the end of the project, extensive, spatial and temporal high resolution hyperspectral image data sets with precise ground truth data can be provide for further research projects or master thesis. Furthermore, it could be shown that the recording of the grapevine’s canopy microclimate is essential in order to predict the infection risk within vineyards and thus, is essential to implement a targeted plant protection strategy. Both, leaf wetness and temperature need to be implemented into an early detection tool.
| EPrint Type: | Report |
|---|---|
| Keywords: | BÖL, BOEL, FKZ 15NA186, Ökologischer Landbau, organic farming, Künstliche Intelligenz, AI Artificial Intelligence, Nachhaltigkeit, sustainability, Digitalisierung, Digitale Welt, digital world, Informations-Kommunikationstechnologie, information-communicationtechnology, Datenmanagement, data management |
| Agrovoc keywords: | Language Value URI German - Deutsch Datenmanagement http://aims.fao.org/aos/agrovoc/c_9000179 German - Deutsch Weinbau http://aims.fao.org/aos/agrovoc/c_8277 German - Deutsch Technologie http://aims.fao.org/aos/agrovoc/c_7644 |
| Subjects: | Crop husbandry |
| Research affiliation: | Germany > Federal Organic Farming Scheme - BOEL Germany > Federal Agency for Agriculture and Food - BLE Germany > Federal Research Centre for Cultivated Plants - JKI |
| Deposited By: | Geschäftsstelle Bundesprogramm Ökologischer Landbau, Bundesanstalt für Landwirtschaft und Ernährung (BLE) |
| ID Code: | 53610 |
| Deposited On: | 10 Jul 2024 10:46 |
| Last Modified: | 11 Jul 2024 07:23 |
| Document Language: | German/Deutsch |
| Status: | Unpublished |
| Refereed: | Submitted for peer-review but not yet accepted |
Repository Staff Only: item control page
Download Statistics
Download Statistics
