Wir bieten Lösungen - regional & praxisnah!

PPP

Predective Plant Production

Beginn: 04.03.2021 / Ende: 30.04.2024

 Etwa 700 neue Beet- und Balkonpflanzensorten werden am Standort Bad Zwischenahn jährlich geprüft.
Etwa 700 neue Beet- und Balkonpflanzensorten werden am Standort Bad Zwischenahn jährlich geprüft.LVG Bad Zwischenahn

Ausgangslage
Zunehmend trockenere Sommer mit abnehmender Wasserverfügbarkeit stellen gartenbauliche Betriebe vor die Problematik der effizienten Bewässerung. Die Steuerung der Bewässerungselemente und die Erfassung der Düngungssituation erfolgt in den meisten Betrieben von Hand und nach der aktuellen Lage im Pflanzenbestand. Des Weiteren wird oft, entweder zur Sicherheit oder aus Zeitmangel, mehr Wasser eingesetzt, als für eine gute Wasserversorgung notwendig wäre. Außerdem erfordert die Bewässerung an trockenen Sommertagen einen sehr großen Arbeitsaufwand. Um diese Herausforderungen anzugehen, wurde das Projekt Predictive Plant Production (PPP) konzipiert.

Zielsetzung
Ziel des Projektes ist es, ein System zu erforschen, das die Umweltbedingungen der Pflanzen überwacht, um daraus die erforderlichen Pflegemaßnahmen zu bestimmen und ggf. durchzuführen. Im Kern befasst sich das Projekt mit einer KI (künstlichen Intelligenz), welche Baumschulen bei einer ressourcenschonenden Pflanzenproduktion unterstützen soll.

Projektdurchführung
Für die Umsetzung des Projektes werden in Böden und Substraten die Feuchtigkeit, Temperatur und Leitfähigkeit (Salzgehalt) repräsentativ für den Bestand erfasst. Zusätzlich erfolgt eine Messung der lokalen Wetterdaten sowie das Erlernen der individuellen lokalen Gegebenheiten jedes Einsatzortes mit KI. Darauf aufbauend sollen Vorhersagemodelle trainiert und die Bewässerung und Düngung automatisiert werden. Zu den Aufgabenbereichen der Landwirtschaftskammer Niedersachsen gehören die Prüfung einzelner Sensortypen, Laboranalysen und das Sammeln von Wachstumsdaten, aber auch die Entwicklung von Modellen.

Kontakt

Jan Pinski
M.Sc. hort.
Jan Pinski

Projektbetreuung (PPP), Versuchswesen

04403 9796-28

jan.pinski~lwk-niedersachsen.de

Drittmittelgeber

Europäische Innovationspartnerschaften


Projekt-Partner

Praxisbetriebe

Beiträge aus dem Projekt-Blog

18.06.2021
Bohmann, Sonja

An der Lehr- und Versuchsanstalt für Gartenbau in Bad Zwischenahn-Rostrup wurde am 04. März 2021 das Projekt PPP gestartet. Untersucht werden verschiedene Bodensensoren und die darauf basierenden Einsatzmöglichkeiten von künstlicher Intelligenz (KI) in der Wasser- und Nährstoff-Versorgung von Baumschulkulturen.

 

Logo Projekt PPP - Predective Plant Production
Logo Projekt PPP - Predective Plant ProductionOFFIS – Institut für Informatik e.V.
Wie kann eine optimale Wasserversorgung in Dürrejahren und mit weniger Arbeitsaufwand aussehen?

Die Steuerung der Bewässerungselemente und die Erfassung der Düngungssituation erfolgt in den meisten Betrieben von Hand und nach der eingeschätzten aktuellen Lage im Pflanzenbestand. Oft wird, entweder zur Sicherheit oder aus Zeitmangel, mehr Wasser eingesetzt, als für eine gute Wasserversorgung notwendig wäre. Diese Herangehensweise ist aus praktischer Sicht sinnvoll, jedoch aus ökologischer Perspektive problematisch und bei Wassermangel nicht umsetzbar. Des Weiteren erfordert die herkömmliche Art der Bewässerung, insbesondere in großen Betrieben, an trockenen Sommertagen einen sehr hohen Arbeitsaufwand. Zuletzt kommt es nach wie vor immer noch zu Schäden und Ausfällen, verursacht durch zu viel oder zu wenig Wasser im Bestand.

Das Projekt befasst sich im Kern mit einer KI, welche Baumschulen bei einer ressourcenschonenden Pflanzenproduktion unterstützen soll. Ziel des Projektes ist es, ein System zu erforschen, das die Umweltbedingungen der Pflanzen überwacht, um daraus die erforderlichen Pflegemaßnahmen zu bestimmen und ggf. durchzuführen.

 

PPP Sensoren - Dragino (FDR), Trübner (SMT100), Tensiometer, Plantcare - (von links nach rechts)
PPP Sensoren - Dragino (FDR), Trübner (SMT100), Tensiometer, Plantcare - (von links nach rechts)Jan Pinski
Effiziente Bewässerung und Düngung durch Sensorik und KI

In Böden und Substraten werden die Feuchtigkeit, Temperatur und Leitfähigkeit (Salzgehalt) repräsentativ für den Bestand bestimmt. Zusätzlich erfolgt eine Erfassung der lokalen Wetterdaten und das Erlernen der individuellen lokalen Gegebenheiten jedes Einsatzortes mit KI. Darauf aufbauend sollen Vorhersagemodelle trainiert sowie die Bewässerung und Düngung automatisiert werden.

Das Projekt läuft bis zum 30.04.2024 und die LVG Bad Zwischenahn-Rostrup bearbeitet dabei folgende Aufgabenbereiche: Zu Beginn werden verschiedene Boden-Sensormodelle in der Praxis getestet und die benötigte Funk-Infrastruktur errichtet. Danach wird eine große Stückzahl von den geeignetsten Sensoren für die weiteren Versuche eingesetzt. Währenddessen und im weiteren Verlauf des Projektes werden die Daten der Sensoren sowie des Pflanzenwachstums und der Substratparameter erfasst. Mit Hilfe dieser Daten und gartenbaulicher Expertise werden dann Modelle für eine KI entwickelt und diese schließlich auch trainiert.

 

Projektpartner und Förderung

Weitere Projektpartner sind: OFFIS e.V. (Projektleitung), Comunicate2Integrate GmbH, Hellwig Pflanzenhandel GbR, Baumschule Johann Bruns GmbH & Co KG und der Baumschul-Beratungsring Weser-Ems e.V.

Dieses Vorhaben findet im Rahmen der Europäischen Innovationspartnerschaft „Produktivität und Nachhaltigkeit“ (EIP Agri) statt. Die Projektförderung stammt aus dem Europäischen Landwirtschaftsfonds für die Entwicklung des ländlichen Raums (ELER).

 

Logo EIP Agri
Logo EIP Agri © ML NiedersachsenML Niedersachsen
                
ELER-Logo
ELER Logo © Europäische UnionEuropäische Union

 

 

 

 

 

 

 


 

Hier investiert Europa in die ländlichen Gebiete mit der Maßnahme: Europäische Innovationspartnerschaft.

Mit dieser Maßnahme wird die Zusammenarbeit zwischen Landwirtschaft, Ernährungswirtschaft und Wissenschaft unterstützt. Ziel ist die Durchführung von Projekten, die zu Innovationen und einer Stärkung der Wettbewerbsfähigkeit in der Landwirtschaft führen.