(Full Article in german)
Transcrição
(Full Article in german)
Journal of Plant Diseases and Protection Zeitschrift für Pflanzenkrankheiten und Pflanzenschutz Sonderheft XX, 181-187 (2006), ISSN 1861-4051 © Eugen Ulmer KG, Stuttgart Kameragesteuerte Unkrautbekämpfung – eine Verfahrenstechnik für die Praxis H. OEBEL*, R. GERHARDS Universität Hohenheim, Institut für Phytomedizin, Otto Sander Str. 5, D-70599 Hohenheim, E-Mail: [email protected], [email protected] * korrespondierender Autor Zusammenfassung Eine Verfahrenstechnik der teilschlagspezifischen Unkrautbekämpfung mit Hilfe von Bildverarbeitung und georeferenzierten Applikationskarten wird seit 2004 in Getreide, Raps, Mais und Zuckerrüben eingesetzt. Für eine kameragestützte Unkrautbonitur werden Bispektralkameras verwendet, die konturscharfe und kontrastreiche Grauwertbilder von Kulturpflanzen und Unkräutern aufnehmen. Zur Erkennung von Unkräutern werden die geometrischen Formmerkmale der Pflanzen berechnet und mit einer Wissensbasis verglichen. Bei einer Erkennungsgenauigkeit von 73 % (Braugerste) bis 77 % (Zuckerrüben) konnten aus den klassifizierten Bilddaten Applikationskarten für die teilschlagspezifische Unkrautbekämpfung erstellt werden. Die Umsetzung der Applikationskarten erfolgt über eine GPS-gesteuerte Pflanzenschutzspritze mit drei getrennten Flüssigkeitssystemen. Bei Herbizideinsparungen von 22 % bis 70 % gegen Ungräser und von 4 % bis 80 % gegen Unkräuter konnten durchschnittlich 27,60 €/ha eingespart werden. Damit werden die berechneten Verfahrenskosten für die kameragesteuerte Unkrautbonitur und eine teilschlagspezifische Ausbringung mit einer Dreikammerspritze von 16,26 €/ha kompensiert. Stichwörter: Kameragesteuerte Unkrautbekämpfung, Bildverarbeitung, Herbizideinsparungen Summary Camera-guided weed control – a technology for practice A technology of site-specific weed control using digital image analysis and georeferenced application maps has been applied since 2004 in cereals, rape, maize and sugar beet. For camera-guided weed sampling, bi-spectral cameras took well focused grey scale images with a strong contrast of crops and weeds. For the identification of weed species, characteristic shape features of plants were calculated and compared with a database. With an identification rate from 73 % (malt barley) up to 77 % (sugar beets) application maps were created from classified images for site-specific weed control. Site-specific herbicide application was performed using a GPS-controlled patch sprayer with three separated hydraulic circuits. Herbicide savings ranged from 22 % to 70 % for grass weed species and from 4 % to 80 % for broadleaf weed species. Average savings of site-specific weed control were 27.30 €/ha. Therefore, calculated costs of 16.26 €/ha for camera-guided weed sampling and site-specific weed control using a three-chambered patch sprayer were compensated. Keywords: Camera-guided weed control, image analysis, herbicide savings Einleitung Precision Farming berücksichtigt die Variabilität des Ackerschlages hinsichtlich Bodenart, Wasser- und Nährstoffversorgung, Unkrautverteilung sowie weiterer wichtiger Einflußfaktoren und ermöglicht dem 182 OEBEL, GERHARDS Landwirt mit Hilfe moderner Informations- und Applikationstechnik eine auf den Teilschlag bezogene Ausnutzung von Ertragspotentialen. Durch verschiedenste Sensoren aus der Nah- und Fernerkundung können Schlaginformationen georeferenziert erfaßt und dargestellt werden und machen somit eine Lokalisierung von Standortvariabilität möglich (REW und MAXWELL 2002, HÄUSLER und NORDMEYER 2003, GERHARDS und CHRISTENSEN 2003). In der Unkrautkontrolle gehört die Anwendung des Schadschwellenprinzips seit langem zur guten fachlichen Praxis. Die Entscheidung, ob die Schadschwelle überschritten und eine Bekämpfung durchgeführt wird, bezieht sich in der Praxis meist auf die durchschnittliche Unkrautdichte und wird einheitlich für den ganzen Schlag umgesetzt. Obwohl zahlreiche Untersuchungen von GERHARDS et al. (1997), CHRISTENSEN und HEISEL (1998) oder DICKE et al. (2003) gezeigt haben, dass Unkräuter innerhalb eines Feldes heterogen verteilt sind, konnten sich Verfahren der teilschlagspezifischen Unkrautbekämpfung im Ackerbau bisher nicht durchsetzen, da es an automatisierten und praxisreifen Verfahren zur Unkrauterkennung fehlte. Sensorsysteme wie DetectSpray (FELTON und MCCLOY 1992, BILLER 1998) oder WeedSeeker (DOHMEN 1996) können grüne Pflanzen vom Boden und toter organischer Substanz unterscheiden und damit Applikationsentscheidungen im Obst- und Weinbau, auf Bracheflächen, Bahndämmen oder im Reihenzwischenraum von Kulturpflanzen mit nicht-selektiven Herbiziden unterstützen. Um jedoch die Einsparpotentiale der teilschlagspezifischen Unkrautbekämpfung in landwirtschaftlichen Kulturpflanzen zu nutzen, müssen einzelne Unkrautarten erkannt und zwischen Unkraut und Kultupflanze unterschieden werden, um diese selektiv zu bekämpfen, wenn deren Schadensschwelle überschritten ist. Die digitale Bildverarbeitung ermöglicht es, Pflanzenarten anhand von Form-, Textur- und Farbmerkmalen zu unterscheiden (SÖKEFELD et al., 1994, WOEBBECKE et al. 1995, CHAPRON et al. 1999, LEE et al. 1999, YANG et al., 2003). Ein kameragesteuertes Verfahren zur teilschlagspezifischen Unkrautbekämpfung wird seit 2004 im Rahmen des hier dargestellten Projektes „Teilschlagspezifische Unkrautbekämpfung durch raumbezogene Bildverarbeitung im Offline- und (Online-) Verfahren (TURBO)“ auf dem Betrieb Manfred Hurtz in Nideggen-Berg und auf Flächen der Versuchsstationen Dikopshof der Universität Bonn eingesetzt. Ergebnisse des Praxiseinsatzes dieser Verfahrenstechnik werden in diesem Artikel dargestellt. Material und Methoden Unkrautverteilungskarten wurden durch drei verschiedene Boniturverfahren erstellt. Bei einer manuellen Bonitur im Raster von 7,5 * 15 Meter und Interpolation zwischen den Meßpunkten werden Unkrautarten und -anzahl in einer Meßfläche von 0,25 m² an jedem Rasterpunkt bestimmt. Bei einer GIS-gestützten Bonitur werden die Umrisse von Unkrautnestern durch einen mit GPS verbundenen PDA auf dem Feld ermittelt und über ein Geographisches Informationssystem georefereniert. Die Unkrautdichte wird dabei in die Klassen „unkrautfrei“, „gering“, „mittel“ und „hoch“ eingeteilt (OEBEL und GERHARDS 2005). Die kameragestützte Bonitur ermittelt die Unkrautverteilung durch die Aufnahme und Auswertung von Digitalbildern. Für die Bildaufnahme werden Bi-Spektralkameras benutzt, deren Funktionsweise bei SÖKEFELD et al. (2002) beschrieben wird. Die Kameras verknüpfen zwei spektrale Kanäle im roten und nah-infraroten Spektrum, so daß Störungen im Bild durch Bodenreflexionen, Steine oder Mulch entfernt werden. Drei dieser Bispektralkameras mit einer Bildauflösung von 636 * 480 Pixeln wurden im Abstand von 3 Metern auf einem Trägerfahrzeug montiert. Die Belichtungszeit der Kamera wird automatisch geregelt und die Bilder werden über ein differentielles GPS georeferenziert. Mit Hilfe einer eigens entwickelten Software wurden die Bilder binarisiert und die Konturen der Pflanzen extrahiert. Geometrische Formmerkmale der Pflanzenarten sowie Fourierdeskriptoren des Konturverlaufs wurden berechnet. Die Erkennung der Pflanzen erfolgte über den Vergleich mit einer Datenbasis von repräsentativen Individuen aller untersuchten Unkrautarten und Kulturpflanzen (Abb. 1). Aus den klassifizierten Bilddaten wurden Unkrautverteilungs sowie Applikationskarten für die teilschlagspezifische Unkrautbekämpfung erstellt. Kameragesteuerte Unkrautbekämpfung Kontur Differenzbild Kompaktheit 23,5 65,4 234,5 654,4 23,4 66,5 56,4 45,4 23,44 445,2 443,4 ... Automatischer Vergleich mit Wissensbasis (Fuzzy Logik) 183 U² A Transformation der Kontur in Formparameter (Fourieranalyse und geometrische Parameter) 97,5 65,7 434,5 654,4 23,4 54,1 58,4 25,4 33,04 445,2 513,3 ... 18,7 54,8 534,2 310,4 27,4 64,1 88,4 75,4 73,74 485,2 747,7 ... 47,8 84,7 434,5 654,4 24,4 58,1 54,8 24,5 33,54 444,2 483,4 ... 33,5 65,7 434,5 634,4 63,4 64,1 38,4 25,4 63,04 445,3 447,1 ... Abb. 1: Verfahrensschritte der Bildauswertung für die kamera-gestützte Unkrauterkennung. Fig. 1: Steps of image analysis for camera-based weed identification. Die Bildaufnahme erfolgte in Wintergerste, Winterweizen, Sommergerste, Winterraps, Körnererbsen, Zuckerrüben und Mais. Bei einer durchschnittlichen Fahrgeschwindigkeit von 6 km/h und einer Arbeitsbreite von 9 m konnte eine Flächenleistung von ca. 5 ha/h erreicht werden. Bei einer Kamerahöhe von 60 cm und ca. 3000 Aufnahmen pro Hektar wurde eine Boniturfläche von 60 m²/ha erreicht. Bei dieser Bildauflösung (1 mm² = 20 Pixel) wurden auch kleine Unkräuter noch gut dargestellt. Die hohe Dynamik der natürlichen Beleuchtung zwischen bedecktem Himmel und hellem Sonnenschein wurde durch eine rechnergesteuerte Einstellung der Shutterzeit ausgeglichen. Störungen durch Beleuchtungsinhomogenitäten im Bild waren dadurch weitgehend korrigiert, so daß bei einer Aufnahmefrequenz von 6 Bildern pro Sekunde konturscharfe und kontrastreiche Grauwertbilder von Kulturpflanzen und Unkräutern aufgenommen werden konnten (Abb. 2). Mais Braugerste Zuckerrüben Winterraps Abb. 2: Bispektralbilder von Kulturpflanzen und Unkräutern. Fig. 2: Bi-spectral images of crop and weeds. Die teilschlagspezifische Unkrautbekämpfung wurde mit einer DGPS-gesteuerten Dreikammerspritze mit 21 m Arbeitsbreite, Teilbreitenschaltung (3 m) und zentraler Bedienung über einen Bordrechner ermöglicht. Der Bordcomputer überträgt den Spritzauftrag über eine zentrale Steuereinheit an alle drei Spritzcomputer und berechnet die benötigte Spritzmenge für alle drei Tanks. Die drei Spritztanks wurden mit drei unterschiedlichen selektiven Wirkstoffmischungen befüllt und entsprechend der Unkrautartenverteilung wurde kein Mittel, ein, zwei oder drei Wirkstoffe gleichzeitig appliziert. Über GPS wurden die Teilbreiten aller drei Spritzen automatisch angesteuert. Somit wurde die Herbizidmischung online der 184 OEBEL, GERHARDS lokalen Verunkrautung angepasst. Die Ausbringungsmenge wird über Drucksensoren und Durchflußmesser reguliert. Sie betrugt 200 bis 290 l/ha (GERHARDS et al., 2004). Ergebnisse Durch den wissensbasierten Vergleich der Formmerkmale unbekannter Pflanzen mit einer vorher erstellten Datenbank wurden in Braugerste 73 %, in Zuckerrüben 77 % und in Mais 74 % aller Pflanzen online richtig klassifiziert (Tab. 1). Tab. 1: Erkennungsrate von Unkräutern in Mais, Zuckerrüben und Braugerste durch digitale Bildanalysetechnik. Tab. 1: Identification rate of weed species in maize, sugar beets and malt barley after digital image analysis. Erkennungsrate Braugerste in % Hordeum vulgare dikotyle Unkräuter Ungräser Galium aparine Hordeum vulgare 69 10 12 9 dikotyle Unkräuter 9 74 9 8 Ungräser 13 10 72 5 GALAP 9 6 7 78 Zea mays dikotyle Unkräuter Ungräser Chenopodium album Zea mays 81 5 7 6 dikotyle Unkräuter 10 73 4 14 Ungräser 7 9 74 10 Chenopodium album 2 13 15 70 Total 73 Erkennungsrate Mais in % Total 74 Erkennungsrate Zuckerrüben in % Beta vulgaris dikotyle Unkräuter Ungräser Galium aparine Beta vulgaris 80 9 8 3 dikotyle Unkräuter 7 79 8 5 Ungräser 8 8 69 14 GALAP 5 4 14 77 Total 77 Für die Erstellung von Applikationskarten wurden alle aufgenommenen Bilder einer Fläche automatisch eingelesen und die Pflanzen nach dem Verfahren der Fuzzy-Logik anhand der Formmerkmale klassifiziert. Mit einer Auswertungsgeschwindigkeit von 20 Bildern/s wurden die Ergebnisse der Klassifizierung in einer Protokolldatei gespeichert. Aus der Protokolldatei wurden Unkrautverteilungskarten erstellt und mit den manuell erzeugten Karten verglichen (Abb. 3). Kameragesteuerte Unkrautbekämpfung Verteilung von Unkräutern anhand einer manuellen Bonitur im 7,5*15 m < 10 Verteilung von Unkräutern anhand der Bildauswertung von Bispektralbildern im 3*6 m Raster 10-24 Pfl./m² 25-39 Pfl./m² Verteilung von Gräsern anhand einer manuellen Bonitur im 7,5*15 m Raster 185 Verteilung von Gräsern anhand der Bildauswertung von Bispektralbildern im 3*6 m > 40 Pfl./m² Abb. 3: Verteilungskarten für Unkräuter und Ungräser in Braugerste (2,4 ha) aus manuellen Bonituren und digitaler Bildanalyse. Fig. 3: Distribution maps for broad-leaved weed species and grass weeds in malt barley (2.4 ha) derived from manual weed sampling and digital image analysis. Die für die teilschlagspezifische Unkrautbekämpfung genutzte Dreikammerspritze erreicht durch ihre geringe Reaktionszeit (< 1 s vom Signal an den Spritzcomputer bis zum Aufbau des Spritzkegels) und die Positionsbestimmung über DGPS eine hohe Applikationsgenauigkeit. Durch eine zentrale Steuerungssoftware können Schadschwellen für Unkrautklassen und die Herbiziddosis individuell eingestellt werden. Benötigte Herbizidmengen werden berechnet und dokumentiert, so dass keine Restmengen entstehen. Die Effizienz der teilschlagspezifischen Unkrautbekämpfung wurde durch manuelle Bonituren vor und nach der Herbizidbehandlung dokumentiert und lag zwischen 85 und 98 %. Die Kosten dieser Applikationstechnik wurden vom Kuratorium für Technik und Bauwesen in der Landwirtschaft (KTBL) berechnet. Manuelle Boniturverfahren sind sehr zeitaufwendig und deshalb mit Kosten von über 60 €/ha nicht praxisrelevant. Die GIS-gestützte Unkrautbonitur mit Hilfe eines Handheld PDA hatte weniger Boniturpunkten und wurde mit 26,60 €/ha berechnet. Die Erstellung einer Applikationskarte für drei Unkrautklassen durch digitale Bildverarbeitung wurde mit 10,92 €/ha (OfflineVerfahren) kalkuliert. Im Online-Verfahren würden die Kosten für die kameragesteuerte Unkrauterkennung bei 6,75 €/ha liegen. Gegenüber der Ausbringung mit einer konventionellen Pflanzenschutzspritze (8,35 €/ha) wurden die Mehrkosten einer Dreikammerspritze (Anschaffungspreis, Arbeitszeit, Wasser) mit 5,34 €/ha beziffert. Die Mehrkosten für eine kameragesteuerte Unkrautbonitur und eine selektive, teilschlagspezifische Ausbringung mit einer Dreikammerspritze betrugen somit 16,26 €/ha. Die Herbizideinsparungen variierten je nach Kultur und betriebsspezifischer Unkrautsituation. Bedingt durch die pfluglose Bodenbearbeitung kam es auf dem Betrieb Hurtz auf vielen Schlägen zu einem starken Befall mit Ausfallraps in Getreide und von Ausfallgetreide in Winterraps. Dennoch konnten Herbizideinsparungen von 22 % bis 65 % bei Ungräsern und von 20 % bis 58 % bei Unkräutern erzielt werden. Auf der Versuchsstation Dikopshof wurden in Winterweizen 70 % der Herbizide gegen Ungräsern und 80 % der Herbizide gegen Unkräuter eingespart. Die Auswertung von allen Flächen ergab eine durchschnittliche Einsparung von 27,30 €/ha (Tab. 2). 186 OEBEL, GERHARDS Tab. 2: Herbizideinsparungen durch teilschlagspezifische Unkrautbekämpfung auf dem Betrieb Hurtz (1) und der Versuchsstation Dikopshof (2) seit 2004. Tab. 2: Herbicide savings through site-specific weed control on the Hurtz farm (1) and the experimental farm Dikopshof (2) since 2004. Einsparung in % Kultur Ungräser Unkräuter Herbizideinsparung €/ha 25,6 52 21 24,43 € 11,5 22 20 16,23 € ha Braugerste1 1 Winterraps 1 Wintergerste 8,1 34 38 24,81 € 1 20,0 65 58 41,53 € 1 5,8 30 22 18,35 € 8,5 56 39 28,65 € 11,1 70 80 50,84 € 4,6 24 4 7,81 € 2,4 76 40 34,87 € 5,3 46 57* 25,44 € Total 102,9 * nur für Galium aparine 48 36 27,30 € Winterweizen Körnererbsen 2 Wintergerste Winterweizen 2 Mais 2 Braugerste Zuckerrüben 2 2 Diskussion Die angewandte Verfahrenstechnik für eine teilschlagspezifische Unkrautbekämpfung erlaubt eine automatisierte Aufnahme und Auswertung von konturscharfen Pflanzenbildern in Getreide, Raps, Mais und Zuckerrüben.Fortschritte in der Kameratechnik durch höhere Bildauflösung und Lichtempfindlichkeit können in Zukunft die Qualität der Bilder verbessern und zu einer größeren Boniturfläche pro Hektar führen. Der eingesetzte Klassifizierungs-algorithmus eignet sich für die Erkennung von Unkrautklassen. Eine Optimierung des Erkennungsprozesses könnte durch eine Kombination mit anderen statistischen Verfahren erreicht werden. Derzeit werden in der gleichen Arbeitsgruppe Klassifikationsverfahren über Diskriminanzanalyse erprob, die in alle Kulturpflanzen zu deutlich höheren Erkennungsraten der Unkrautarten geführt haben. Die Dreikammerspritze ermöglicht eine der Unkrautverteilung und –dichte angepasste Ausbringung von drei Herbizidlösungen anhand von Applikationskarten. Dadurch können hohe Herbizideinsparungen erzielt werden, die dieses Verfahren auch ökonomisch rentabel machen. Die anwenderfreundliche Steuerungssoftware erlaubt dem Landwirt eine flexible Einstellung von Schadschwellen und eine Dokumentation der Herbizidbehandlung. In Zukunft kann es sinnvoll sein, daß die kameragesteuerte Unkrauterfassung und die Herbizidapplikation in einem Arbeitsgang (Online-Verfahren) durchzuführen. Hierzu müssen Lösungen zur Anbringung der Kameras an ein breites Spritzgestänge, der Reaktionsgeschwindigkeit der Pflanzenschutzspritze und der Umgang mit Restmengen im Tank geklärt werden. Wesentliche Voraussetzung für den sinnvollen Einsatz dieser präzisen Technik zur Unkrauterkennung und selektiven teilschlagspezifischen Unkrautbekämpfung ist es, dass geeignete Entscheidungssysteme (Schadenschwellen) ermittelt werden, womit an jedem Ort im Feld die richtige Herbizidmischung in der richtigen Dosierung ausgebracht werden kann. Dazu müssen weitere Feldversuche angelegt werden und die Dynamik der Unkrautverteilung unter dem Einfluß der teilschlagspezifischen Unkrautbekämpfung untersucht werden. Kameragesteuerte Unkrautbekämpfung 187 Literatur BILLER, R.H.: Pflanzenunterscheidung und gezielter Einsatz von Herbiziden. ForschungsReport 1, 34-36, 1998. CHAPRON M., M. REQUENA-ESTESO, P. BOISSARD, L.ASSEMAT: A method for recognizing vegetal species from multispectral images. In: Precision Agriculture1999, 2nd European Conference on Precision Agriculture, Part 1. (Ed. JV Stafford). Sheffield Academic Press, Sheffield, UK, 239-248, 1999. CHRISTENSEN, S., T. HEISEL: Patch spraying using historical, manual and real-time monitoring of weeds in cereals. Zeitschrift für Pflanzenkrankheiten und Pflanzenschutz, Sonderheft XVI, 257-263, 1998. DICKE, D., P. KROHMANN, R. GERHARDS: Spatial and temporal dynamics of weed populations in crop populations under the influence of site specific weed control. Precision Agriculture 4, 157-1163, 2003. DOHMEN, B.: Optoelektronisch gesteuerte Applikation von Herbiziden – Erfahrungen mit dem amerikanischen System WeedSeeker bei der Unkrautbekämpfung auf Bahndämmen. In: Innovative Verfahren zur Unkrauterkennung. KTBL Arbeitspapier 236, 86-94, 1996. FELTON, W.L., K.R. MCCLOY: Spot spraying. Agricultural Engineering. 73, 6: 9-12, 1992. GERHARDS, R., D.Y. WYSE-PESTER, D.A. MORTENSEN AND G.A. JOHNSON: Characterizing spatial stability of weed populations using interpolated maps.Weed Science 45, 108-119. 1997. GERHARDS R., S. CHRISTENSEN: Real-time weed detection, decision making and patch spraying in maize (Zea mays L.), sugarbeet (Beta vulgaris L.), winter wheat (Triticum aestivum L.) and winter barley (Hordeum vulgare L.). Weed Research 43, 1-8, 2003. GERHARDS, R., D. DICKE, H. OEBEL: Precision farming in weed control. In: Scientific Colloquium University of Hohenheim, Weed Science on the Go, edited by P. Zwerger and T. Eggers, StuttgartHohenheim, 55-65, 2004. HÄUSLER, A., H. NORDMEYER: Using aerial photography to detect weed patches for site-specific weed control – perspectives and limitations. Precision Agriculture 4, 271-277, 2003. LEE, W.S., D.C. SLAUGHTER, D.K. GILES: Robotic weed control for tomatoes. Precision Agriculture 1, 95-113, 1999. OEBEL H., R. GERHARDS: Site-specific weed control using digital image analysis and georeferenced application maps - On-farm experiences, In: 5th European Conference on Precision Agriculture, (ed. JV Stafford). Academic Publishers, Wageningen, The Netherlands, 131-138, 2005. REW, L.J., B.D. MAXWELL: Can remotely-sensed imagery be used to advance crop management decisions? EWRS 12th Symposium, Wageningen, 422-423, 2002. SÖKEFELD, M., R. GERHARDS, R.-D. THERBURG, A. NABOUT, J. JACOBI, R. LOCK, W. KÜHBAUCH: Multispektrale Bildanalyse zur Erfassung von Unkraut und Blattkrankheiten. Zeitschrift für Pflanzenkrankheiten und Pflanzenschutz, Sonderheft XVIII, 227-233, 2002. SÖKEFELD, M., R. GERHARDS, W. KÜHBAUCH: Automatische Erkennung von Unkrautarten mit digitaler Bildverarbeitung. Zeitschrift für Pflanzenkrankheiten und Pflanzenschutz Sonderheft XIV, 143-152, 1994. WOEBBECKE, D.M., G.E. MEYER, K. VON BARGEN, D.A. MORTENSEN: Shape features for identifying young weeds using image analysis. Transactions of the American Society of Agricultural Engineers (ASAE) 38, 271-281, 1995. YANG, C. C., S. PRASHER, J.-A. LANDRY, H. RAMASWAMY: Development of an image processing system and a fuzzy algorithm for site-specific herbicide applications. Precision Agriculture 4, 5-18, 2003.