Image-based quantification of berry shrivel in vineyards using explainable AI
Abstract
Traubenwelke (BS) ist eine Zuckerakkumulationskrankheit der Rebe unbekannter Ursache, die sich sehr negativ auf die Traubenqualität auswirkt und ein unkalkulierbares Risiko für Ertragsverluste birgt und für die es keine zuverlässigen Bekämpfungsmethoden gibt. Die österreichische autochthone Rotweinsorte Blauer Zweigelt ist stark von BS betroffen, obwohl das Auftreten von BS-Symptomen sowie deren Intensität von Jahr zu Jahr variieren kann, was sie unvorhersehbar und schwer zu quantifizieren macht. Dies hat dazu geführt, dass Winzer den Anbau von Blauer Zweigelt vermieden haben, was zu einem Verlust an Typizität in der österreichischen Weinlandschaft geführt hat. Ziel des BAISIQ-Projekts ist daher die Entwicklung einer zuverlässigen und standardisierten Methode zur Schätzung des Auftretens von BS in Weinbergen und der daraus resultierenden Ertragsverluste. Zu diesem Zweck umfasst die BAISIQ-Partnerschaft Experten aus dem Bereich der Rebenbiologie, erklärbarer künstlicher Intelligenz (KI) und bildgestützter Ertragsquantifizierung auf der Nah- und Fernskala beschäftigen. Die interdisziplinäre Gruppe von Pflanzenphysiologen, Informatikern und Technikern wird Multisensortechnologien, Algorithmen des maschinellen Lernens und Fernerkundungsausrüstung einsetzen, um sowohl die wissenschaftlichen als auch die angewandten Ziele von BAISIQ zu erreichen. Letztendlich wollen wir Traubenwelke in Weinbergen quantifizieren, einen Dienst oder eine nutzbare Anwendung entwickeln und mit dem Aufbau einer BS-Datenbank beginnen. Dabei werden wir aktuelle Methoden des maschinellen Lernens zur Erkennung von Traubenclustern anpassen und weiter etablieren und dieses Wissen in eine Hochdurchsatz-Fernerkundungsanwendung umsetzen. Eine präsymptomatische BS-Diagnose wäre von großer Bedeutung und höchst innovativ, und das Wissen über den zu erwartenden Ertragsverlust würde es den Winzern ermöglichen, ihre Erntetermine, Kellerkapazitäten und angestrebten Weinstile anzupassen. Darüber hinaus könnte der innovative und bahnbrechende Ansatz, der in BAISIQ entwickelt wurde und der eine Kombination aus Multisensor-Phänotypisierung und KI mit maschinellem Lernen darstellt, auf andere relevante Merkmale im Weinbau angewandt werden.
Project staff
Michaela Griesser
Assoc. Prof. Priv.Doz.DI Dr.nat.techn. Michaela Griesser
michaela.griesser@boku.ac.at
Tel: +43 1 47654-95814
Projektleiter*in
01.05.2025 - 30.04.2028
Sarhan Khalil
Sarhan Khalil M.Sc.
sarhan.khalil@boku.ac.at
Tel: +43 1 47654-95820
Projektmitarbeiter*in
01.05.2025 - 30.04.2028
BOKU partners
External partners
4D-IT GmbH
Partner
Fachhochschule St. Pölten
Partner