Research database

of the Osnabrück University of Applied Sciences

All publicly-funded research projects from A to Z

All research projects which are recorded, are located centrally in our research database. You can search for key words, or narrow your search by setting filters. (websites only available in German)

Filter

Please enter at least 3 characters

Fakultät

Drittmittelgeber

Schwerpunktfelder

Laufzeit

Alphabet

Loading data
Projektlaufzeit:
16.10.2019 - 15.10.2022
Antragsteller/in:
Prof. Dr. Arno Ruckelshausen
Drittmittelgeber/Förderlinie:
BLE / BMELV
Fakultät:
Ingenieurwissenschaften und Informatik
Fördersumme:
€ 284.894,88
Projektpartner extern:
Gemeinschaft zur Förderung von Pflanzeninnovation e. V. (GFPi), Bonn; Grimme Landmaschinenfabrik GmbH & Co. KG, 49401 Damme
Projektzusammenfassung:

Das Gesamtziel des Projektes ist ein modulares Sensorsystem zur feldbasierten Detektion von Virosen in der Pflanzgutproduktion von Stärkekartoffeln. Dieses modulare Sensorsystem kann in Maschinen integriert werden oder manuell eingesetzt werden. Das System könnte damit – als erster praxistauglicher Demonstrator – auch hinsichtlich der Übertragung auf andere Kulturen evaluiert werden.

Bei der Produktion von Stärkekartoffeln verursachen Virosen jährlich hohe Ertragsverluste. Aufgrund der vegetativen Vermehrung wird nicht erkannter Virusbefall direkt an die nächste Vermehrungsstufe weitergegeben und verursacht dann großen wirtschaftlichen Schaden bei Pflanzgutvermehrungsbetrieben. Voraussetzung für qualitativ hochwertiges Pflanzgut sind Gesundheit und gute Triebkraft. In der amtlichen Kontrolle von Pflanzkartoffeln wird eine Prüfung auf Viruskrankheiten, eine Prüfung auf Knollenkrankheiten und auf äußere Mängel durchgeführt. Die Infektion erfolgt auf dem Feld durch Blattläuse, die schon mit Viren belastet in den Feldbestand einfliegen oder von bereits viruskranken Pflanzen, von denen die Blattläuse den Erreger aufnehmen und auf gesunde Kartoffelpflanzen (Primärinfektion) übertragen. Die effektivste Maßnahme zur Vermeidung von Virusbefall in der Pflanzkartoffelvermehrung ist daher die frühzeitige Bereinigung von Vermehrungsbeständen, d. h. die Entfernung kranker Pflanzen auf dem Feld, die eine potentielle Infektionsquelle darstellen. Beispielhaft ist das Y-Virus der Kartoffel (PVY = Potato Virus Y) als ein Vertreter einer ganzen Reihe von Viren zu nennen, die im Feldbestand erkannt und selektiert werden müssen. PVY zählt zu den am meisten verbreiteten Kartoffelvirosen und verursacht in Abbaulagen Ertragsdepressionen von bis zu 60% durch Verminderung der Knollenanzahl und Knollenmasse. Weiter wichtige Viruserkrankungen sind das Blattrollvirus (PLRV), Mosaikvirus sowie Kartoffel-X-Virus.

Zielsetzung des geplanten Projektes ist die sensorische Erfassung von viruskranken Pflanzen in Feldbeständen. Es sind veränderte Blattfarben und –formen, Mosaiksymptome, abnormale Aderstrukturen der Blätter sowie raue oder geriefelte Blattoberflächen zu detektieren. Die Erkennung sollte unter unterschiedlichen Lichtverhältnissen möglich sein. Der Selektionszeitraum ist von Mitte Mai bis Ende Juni und muss an verschiedene Wuchsstadien der Kartoffelpflanzen angepasst sein. Der personelle Aufwand von geschulten Boniteuren ist sehr hoch. Erfahrene Virusselekteure sind aufgrund des schrumpfenden Angebots in vielen Regionen nicht mehr vorhanden.

Der Einsatz innovativer bildgebender Sensortechnologien bietet technologische Optionen zu Virusdetektion. Dabei werden innovative kompakte Hyperspektralsensoren (ximea) an boden- und luftgestützten Trägersystemen eingesetzt. Eine von den Antragstellern entwickelte neue Sensortechnologie – „multi-wavelength laser line profile system“ (MWLP) – verbindet spektrale Signaturen mit 3D-Technologie und wird als vielversprechende Technologie für die Virusdetektion angesehen. Parallel werden klassische Farbkameras boden- und luftgestützt eingesetzt, um die Machbarkeit und Qualität von „low cost“ Lösungen zu prüfen. Zur Analyse der Daten und Feldversuche werden klassische Verfahren der Bildverarbeitung und Statistik sowie Methoden des Machine Learning eingesetzt.

Räumlich hochaufgelöste Informationen zum Virusbefall schaffen das Potenzial für selektive Aktorsysteme zur Regulierung und verbinden damit ökologische und ökonomische Zielstellungen. Damit werden Potenziale für die kombinierte Messung von Boden- und Pflanzeneigenschaften sowie zu selektiven Prozessen (z. B. Pflanzenschutz oder Ernte) eröffnet.

Logo Fördermittelgeber:
To the results ▼ (XXX)