#anwendungen #wissenschaft

Erkennung von Pilzkrankheiten bei Pflanzen

Überblick über die Kartierung der frühen Besiedlung durch pathogene Pilze mittels spektraler Bildgebung

Überblick über die Kartierung der frühen Besiedlung durch pathogene Pilze mittels spektraler Bildgebung

Die Besiedlung durch pathogene Pilze verursacht typischerweise morphologische Veränderungen im Gewebe der Wirtspflanze. Mit einer hyperspektralen Kamera kann eine pixelweise Kartierung der spektralen Reflexion im sichtbaren und nahinfraroten Bereich durchgeführt werden, um krankes Gewebe im Frühstadium auf Blatt- oder Kronenebene zu beschreiben. Anomalien in der Blattstruktur sind mit den spektralen Reflexionsmustern der Blätter verbunden. Abhängig von der Interaktion mit dem Wirtsgewebe sind krankheitsspezifische spektrale Signaturen erkennbar.
Die pixelweise spektrale Extraktion von Pflanzensignaturen hilft, die durch Krankheitsdynamiken verursachten Reflexionsänderungen der Blätter besser zu verstehen. Die proximale spektrale Bildgebungstechnologie verbessert die Empfindlichkeit und Spezifität der Krankheitsüberwachung erheblich. In Abb. 1 ist zu sehen, dass viel mehr Informationen verfügbar sind, wenn man mit einem hyperspektralen Bildgebungssensor (400-1000 nm) einen Hotspot oder eine Pathogenstelle betrachtet.

Figure 1. Spatial Reflectance spectra of healthy and diseased leaves made by a hyperspectral camera (Mahlein et al. 2012)
Figure 1. Spatial Reflectance spectra of healthy and diseased leaves made by a hyperspectral camera (Mahlein et al. 2012)

Hyperspektrale Bildgebung für das Pflanzenmonitoring

Die Analyse der räumlichen Verteilung pflanzenphysiologischer Informationen (Reflexion) eröffnet neue Dimensionen in der Krankheitsüberwachung und -bekämpfung. Wichtige Aspekte sind dabei zu beachten:

  • Hyperspektrale Bildgebung erkennt zeitliche und räumliche Muster zur Identifikation von Krankheiten und Stress auf Blatt- und Gewebeniveau.
  • Besseres Verständnis der optischen Eigenschaften von Pflanzen während der Pathogenese zur Früherkennung.
  • Übertragbare Analysemethoden und Sensorerfahrungen für verschiedene Pflanzen-Pathogen-Systeme (Spektralbibliothek).
  • Präzises Screening-System für Pflanzenerkrankungen und die Entwicklung von Fungiziden.
  • Geeignet zur Erkennung, Identifizierung und Quantifizierung von Pilzerkrankungen auf Blattebene.

Erfahrungen mit der Erkennung von Pilzkrankheiten

(Mittels Cubert-Hyperspektralkameras (400-1000 nm))

  • Gelbrost (Puccinia striiformis f. sp. Tritici): Detektion in Winterweizen (Ren et al. 2021).
  • Krautfäule (Phytophthora infestans): Krankheitserkennung bei Kartoffeln (Shi et al. 2021).
  • Ganoderma boninense: Infektionskartierung bei Ölpalmsämlingen (Khairunniza-Bejo et al. 2021).
  • Fusarium Head Blight (Fusarium graminearum): Kartierung in Winterweizen (Ma et al. 2021).
  • Schwarzbeinigkeit (Rhizoctonia solani): Diagnose am Reishalm (Zhang et al. 2021).

Weiterführende Quellen

Khairunniza-Bejo, S., Shahibullah, M. S., Azmi, A. N. N., & Jahari, M. (2021). Non-Destructive Detection of Asymptomatic Ganoderma boninense Infection of Oil Palm Seedlings Using NIR-Hyperspectral Data and Support Vector Machine. Applied Sciences, 11(22), 10878.

Ma, H., Huang, W., Dong, Y., Liu, L., & Guo, A. (2021). Using UAV-Based Hyperspectral Imagery to Detect Winter Wheat Fusarium Head Blight. Remote Sensing, 13(15), 3024.

Mahlein, Anne-Katrin, Ulrike Steiner, Christian Hillnhütter, Heinz-Wilhelm Dehne, and Erich-Christian Oerke. Hyperspectral imaging for small-scale analysis of symptoms caused by different sugar beet diseases. Plant methods 8, no. 1 (2012): 1-13.

Ren, Y., Huang, W., Ye, H., Zhou, X., Ma, H., Dong, Y., Shi, Y., Geng, Y., Huang, Y., Jiao, Q. and Xie, Q., 2021. Quantitative identification of yellow rust in winter wheat with a new spectral index: Development and validation using simulated and experimental data. International Journal of Applied Earth Observation and Geoinformation, 102, p.102384.

Shi, Y., Han, L., Kleerekoper, A., Chang, S., & Hu, T. (2021). A Novel CropdocNet for Automated Potato Late Blight Disease Detection from the Unmanned Aerial Vehicle-based Hyperspectral Imagery. arXiv preprint arXiv:2107.13277.

Zhang, J., Tian, Y., Yan, L., Wang, B., Wang, L., Xu, J., & Wu, K. (2021). Diagnosing the symptoms of sheath blight disease on rice stalk with an in-situ hyperspectral imaging technique. Biosystems Engineering, 209, 94-105.

Ein Mitarbeiter des Unternehmens Cubert haelt eine Hyperspektralkamera in der Hand.

Über den Autor

Prof. Dr. András Jung ist Associate Professor an der Fakultät für Informatik der Eötvös Loránd Universität in Budapest und Mitgründer von Cubert GmbH. Seit über einem Jahrzehnt ist er maßgeblich an der Entwicklung von Anwendungen für die hyperspektrale Bildgebung bei Cubert beteiligt. Seine akademische Expertise und sein Engagement in der Deutschen Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF) unterstreichen seine tiefe Verbundenheit mit geospatialen Technologien in Forschung und Industrie.