Ziel:
Ziel des Vorhabens ist die Entwicklung einer selektiven, nicht-chemischen Bekämpfungsmethode gegen Giftpflanzen in extensiven Grünlandbeständen am Beispiel der Herbstzeitlose (Colchicum autumnale). Das Verfahren beruht auf einer Bestandserfassung zum Zeitpunkt der Blüte im Herbst mit einer RGB-Kamera und einer Drohne, einer bildanalytischen Erkennung der Herbstzeitlose mit neuronalen Netzen und einer entsprechenden Positionsbestimmung der Herbstzeitlose sowie einer kleinräumigen Bekämpfung im Frühjahr. Zur Bekämpfung sollen zwei verschiedene Maschinen- bzw. Fahrzeugkonzepte entwickelt werden, die in der Lage sind, eine aus der Bildanalyse abgeleitete Applikationskarte abzuarbeiten. Zusätzlich soll ein geeigneter Verfahrensablauf gefunden werden, damit die Bildaufnahmen und die Bekämpfungsmaßnahmen zu einem geeigneten Zeitpunkt durchgeführt werden können. Ergänzend werden auch Erkennungssysteme für Jakobskreuzkraut (Senecio jacobaea) entwickelt.

Bisherige Ergebnisse (Stand Juni 2020):
Blühende Herbstzeitlosen konnten mit einem Fehler von maximal 0,20 m in Orthofotos abgebildet werden. Mit Hilfe neuronaler Netze wurden blühende Herbstzeitlose mit einer Detektionsrate von 89% erkannt.

Im Rahmen von Feldversuchen wurden verschiedene Schnittzeitpunkte im Hinblick auf die Zurückdrängung der Herbstzeitlose untersucht. Als bisher wirkungsvollste Maßnahme hat sich ein früher Schnitt im April mit einer Wiederholung des Schnittes nach etwa 3 Wochen herausgestellt. Dadurch wurden der sichtbare Herbstzeitlosenbestand bis zum Zeitpunkt des Heuschnitts Mitte Juni um 83% reduziert. Der Wiederaustrieb im darauffolgenden Frühjahr lag unter 50%.

Im Jahr 2020 befinden sich die Bekämpfungsgeräte im Aufbau. Das fahrerlose Gerät baut auf dem Trägerfahrzeug Oz der Firma Naio auf, das einen Sichelmäher mit einer Arbeitsbreite von 0,40 m aufnimmt (Bild 1). Das Traktor gebundene Gerät wird im Frontkraftheber aufgenommen und hat 10 Schnittsektionen mit jeweils 0,25 m Arbeitsbreite. Beide Gerätetypen werden mit zentimetergenauem RTK-GNSS zur Positionsbestimmung im Feld und einer Steuerung ausgestattet, die in der Lage ist, Applikationskarten abzuarbeiten. Beide Geräte sollen im Frühjahr 2021 in befallenen Grünlandbeständen erprobt werden.

Die entwickelte Bekämpfungsmethode stellt zurzeit ein konkurrenzloses Verfahren dar. Das Verfahren zur automatisierten teilflächenspezifischen und nicht-chemischen Unkrautbekämpfung kann die bisher übliche Praxis des manuellen Entfernens oder des flächendeckenden Mulchens der Herbstzeitlosen ersetzen und bietet das Potential, auf andere Schadpflanzen ausgedehnt zu werden.

Veröffentlichungen:

Petrich, L., G. Lohrmann, M. Neumann, F. Martin, A. Frey, A. Stoll, V. Schmidt (2020): Detection of Colchicum autumnale in drone images, using a machine‑learning approach. Precision Agriculture, Online veröffentlicht, https://doi.org/10.1007/s11119-020-09721-7

Stoll, A. et al.: Selektive, nicht-chemische Bekämpfung von Giftpflanzen in extensiven Grünlandbeständen (SELBEX). Tagungsband Innovationstage 20./21.Oktober 2020. Herausgeberin Bundesanstalt für Landwirtschaft und Ernährung, Bonn, S. 191-193.

Martin, F.: Neue Ansätze bei der Bekämpfung von Giftpflanzen – Hilfe aus der Luft. Badischer Landwirtschafts-Verlag, Wochenblatt Magazin, H. 2, 27.03.2021.

Petrich, L., A. Stoll, V. Schmidt (2021): Detection of Senecio jacobaea in drone images, using a machine-learning approach. Proceedings of the 21st Symposium of the European Grassland Federation, 17-19 May 2021. p. 178-180.

Martin, F., G. Lohrmann, and A. Stoll (2022): Selective weed control in grassland using high-pressure water jets. Proceedings of the Conference 79th International Conference on Agricultural Engineering LAND.TECHNIK/AgEng 2022 (VDI-Berichte Nr. 2395), p. 105-110.

Petrich, L., A. Stoll and V. Schmidt (2022): Tractor-mounted implement with section control and small-scale robot: Monte Carlo-based scenario analysis for effective weed control in extensive grassland. Proceedings of the Conference 79th International Conference on Agricultural Engineering LAND.TECHNIK/AgEng 2022 (VDI-Berichte Nr. 2395), p. 285-292.

Stoll, A. (2022): Selektive, nicht-chemische Bekämpfung von Giftpflanzen in extensiven Grünlandbeständen. DLG-Feldtage – Forum „Neue Technologien der Unkrautregulierung“, Versuchsgut Kirschgartshausen Mannheim, 16.6.2022.

Petrich, L., Lohrmann, G., Martin, F., Stoll, A.  & Schmidt, V., 2022:  Model-based scenario analysis for effective site-specific weed control on grassland sites. In: Computers and Electronics in Agriculture, Vol.202, Nov2022, 107332, doi.org/10.1016/j.compag.2022.107332, 10 Seiten.

Stoll, A.,  Lohrmann, G., und Martin, F. (2023): Kleinräumig arbeitende Werkzeuge zur nicht-chemischen Zurückdrängung von Herbstzeitlosen (Colchicum autumnale). Tagungsband 16. Wissenschaftstagung Ökologischer Landbau, Frick, Schweiz, 07.-10.03.2023, ISBN 978-3-96831-055-8, S. 178-181.