KI-verbesserte Digitalkameras revolutionieren Bodenfeuchte-Monitoring

Die Vereinten Nationen prognostizieren, dass bis 2050 viele Gebiete des Planeten möglicherweise nicht genug Süßwasser haben, um die Anforderungen der Landwirtschaft zu erfüllen, wenn wir unsere aktuellen Nutzungsmuster beibehalten. Eine Lösung für dieses globale Dilemma ist die Entwicklung effizienterer Bewässerung, zentral für die präzise Überwachung der Bodenfeuchte, die es Sensoren ermöglicht, "intelligente" Bewässerungssysteme zu steuern, um sicherzustellen, dass Wasser zum optimalen Zeitpunkt und in optimaler Menge ausgebracht wird.

Aktuelle Methoden zur Erfassung der Bodenfeuchte sind problematisch – im Boden verbaute Sensoren sind anfällig für Salze im Substrat und erfordern spezielle Hardware für Verbindungen, während Wärmebildkameras teuer sind und durch klimatische Bedingungen wie Sonnenintensität, Nebel und Wolken beeinträchtigt werden können.

Forscher der University of South Australia und der Middle Technical University in Bagdad haben eine kosteneffektive Alternative entwickelt, die präzises Bodenmonitoring in fast jeder Situation einfach und erschwinglich machen könnte. Sie testeten erfolgreich ein System, das eine Standard-RGB-Digitalkamera verwendet, um die Bodenfeuchte unter einer Vielzahl von Bedingungen genau zu überwachen.

Das System basiert auf einer Standard-Videokamera, die die Unterschiede in der Bodenfarbe analysiert, um den Feuchtigkeitsgehalt zu bestimmen. Es wurde bei verschiedenen Entfernungen, Zeiten und Beleuchtungsstufen getestet und als sehr genau befunden. Die Kamera war mit einem künstlichen neuronalen Netzwerk (ANN) verbunden, einer Form von Machine-Learning-Software, die die Forscher trainierten, unterschiedliche Bodenfeuchtegrade unter verschiedenen Himmelsbedingungen zu erkennen.

Mit diesem ANN könnte das Überwachungssystem potenziell trainiert werden, die spezifischen Bodenbedingungen jedes Standorts zu erkennen, was es für jeden Benutzer anpassbar und für sich ändernde klimatische Umstände aktualisierbar macht, was maximale Genauigkeit gewährleistet.

"Sobald das Netzwerk trainiert ist, sollte es möglich sein, kontrollierte Bewässerung zu erreichen, indem das Erscheinungsbild des Bodens im gewünschten Zustand gehalten wird", sagte Professor Javaan Chahl.

"Da wir nun wissen, dass die Überwachungsmethode genau ist, planen wir, ein kosteneffektives Smart-Irrigation-System basierend auf unserem Algorithmus zu entwerfen, das einen Mikrocontroller, eine USB-Kamera und eine Wasserpumpe verwendet, die mit verschiedenen Bodentypen arbeiten kann. Das System verspricht, ein Werkzeug für verbesserte Bewässerungstechnologien in der Landwirtschaft in Bezug auf Kosten, Verfügbarkeit und Genauigkeit unter sich ändernden klimatischen Bedingungen zu sein."