Forschungs- und Innovationsprojekt EWIS2
Entwicklung und Bewertung von Beikraut-Applikationskarten für den Einsatz von Robotern zur mechanischen Beikrautregulierung

In diesem Projekt werden mittels Drohnenfotos in Sorghum und Mais Karten zum räumlichen Verteilungsmuster des Beikrautbesatzes entwickelt und validiert. Diese Karten bilden die Basis für teilflächenspezifischen mechanischen oder chemisch-synthetischen Pflanzenschutz, um durch reduzierte Bodenbearbeitung das Erosionsrisiko zu mindern und den Einsatz von Pflanzenschutzmitteln zu reduzieren. Essenzielle Schritte zum teilflächenspezifischen Einsatz von Hackrobotik auf landwirtschaftlichen Feldern werden aufgezeigt. Abschließend erfolgt auf Grundlage der Beikraut-Kartierung eine Wirtschaftlichkeitsbewertung für die verschiedenen Anwendungsmöglichkeiten teilflächenspezifischer Pflanzenschutzmaßnahmen.

In EWIS2 wird die Drohnen-Befliegung von Sorghum- und Maisbeständen mit Blick auf Bildqualität und Flächenleistung optimiert. Die zeitintensive Annotation soll mit Hilfe von eigens entwickelten Vormaskierungen beschleunigt werden, um genaue GNNS-basierte Beikraut- und Kulturkarten zur teilflächenspezifischen Beikrautregulierung automatisiert zu generieren. Diese KI-basierten Karten werden verwendet, um mit Feldrobotern eine autonome teilflächenspezifische mechanische Beikrautregulierung durchzuführen. Im gesamtheitlichen Kontext soll eine ökonomisch-ökologische Bewertung der teilflächenspezifischen mechanischen oder chemisch-synthetischen Beikrautregulierung erfolgen. Alle Ergebnisse des Projektes werden zielgruppenorientiert aufbereitet und über verschiedene Medien (Online, Print, Video, Vorträge, …) weitergegeben. Ebenso werden sämtliche entwickelten Modelle und Daten der wissenschaftlichen Community als Open Source bereitgestellt.

Die Ergebnisse werden am Ende des Projekts hier zur Verfügung gestellt.

[1] GENZE, N., WIRTH, M., SCHREINER, C., AJEKWE, R., GRIEB, M. & GRIMM, D. G. (2023): Improved weed segmentation in UAV imagery of sorghum fields with a combined deblurring segmentation model. Plant Methods 19, 87.

Improved weed segmentation in UAV imagery of sorghum fields with a combined deblurring segmentation model.

[2] GENZE N., VAHL, W., GROTH, J., WIRTH, M., GRIEB, M., GRIMM, D. (2024): Manually annotated and curated Dataset of diverse Weed Species in Maize and Sorghum for Computer Vision. Nature Scientific Data 11: 109.

Manually annotated and curated Dataset of diverse Weed Species in Maize and Sorghum for Computer Vision.

[3] PITSYK, V.; PFROMBECK, J.; GANDORFER, M. (2025): Economics of site-specific weed management: a review. Precision agriculture '25, S. 1045–1053.

Economics of site-specific weed management: a review. Precision agriculture

[4] SÜẞ H. (2024): Drohnen, KI und Robotik In: Bayerisches Landwirtschaftliches Wochenblatt, Bd. 31/2024, S. 39–40

[5] VILSMEIER; M., JÄNICKE J., GRIEB M. (2025): Drohnen und KI im Feld: Der Weg zu präziser Beikrautregulierung. Schule und Beratung. München: Bayerisches Staatsministerium für Ernährung, Landwirtschaft, Forsten und Tourismus

[6] VILSMEIER; M., JÄNICKE J., GRIEB M. (2025): Drohnen und KI im Feld. Bayerisches Landwirtschaftliches Wochenblatt. Hannover: Deutscher Landwirtschaftsverlag GmbH. Bd. 12/2025, S. 44-45

[7] JÄNICKE J., VILSMEIER; M., GRIEB M. (2025): Entwicklung und Bewertung von Beikraut-Applikationskarten – EWIS2.

Entwicklung und Bewertung von Beikraut- Applikationskarten – EWIS2

[8] STEINER F. (2025): Landwirtschaft: Grundlagen fürs Hacken schaffen. Heise Medien GmbH & Co. KG.

Landwirtschaft: Grundlagen fürs Hacken schaffen.

[9] JÄNICKE J., VILSMEIER; M., GRIEB M. (2025): Überflieger der Landtechnik. Möglichkeiten des Drohneneinsatzes in der Landwirtschaft. Landwirtschafliches Wochenblatt Hessebauer | Pfälzer Bauer | Der Landbote, Nr. 30/2025, S. 11–13

[10] JÄNICKE J., VILSMEIER; M., GRIEB M. (2025): Überflieger der Landtechnik. Möglichkeiten des Drohneneinsatzes in der Landwirtschaft. Rheinische Bauernzeitung, Nr. 31, S. 14–16