ETH Lausanne 05.10.2016, 14:32 Uhr

App diagnostiziert Pflanzenkrankheiten

Wissenschaftler der ETH Lausanne (EPFL) und der US-amerikanischen Penn State University haben einen Computerlernalgorithmus mittels Deep Learning auf die Identifizierung von Pflanzenkrankheiten trainiert.
Pflanzenkrankheiten, die die Welternährungssicherheit bedrohen, können mithilfe von künstlicher Intelligenz bekämpft werden. Wissenschaftler der EPFL und der Penn State University haben ein  neuronales Deep-Learning-Network trainiert,  das  allein  durch  das  «Anschauen»  und  die  Analyse  normaler  Fotos  individueller  Pflanzen  exakte  Krankheitsdiagnosen erstellt. Der zum  «PlantVillage»-Projekt gehörende Algorithmus ist laut Angaben der Forscher der erste Wirksamkeitsnachweis für Krankheitsdiagnostik anhand von Smartphone-Fotos. Das Projekt profitiert von den Fortschritten, die in den vergangenen Jahren im Bereich des Deep Learning gemacht wurden. Deep Learning ist eine Form des maschinellen Lernens, bei dem Algorithmen für das Erkennen von Mustern in grossen Datensätzen genutzt werden: In diesem Fall hat PlantVillage über 50'000 digitale Fotos kranker Pflanzen offen zugänglich  gemacht.  Dank  eines  computergestützten  neuronalen  Netzwerks  durchlaufen  die  Fotos  zahlreiche  Schichten  künstlicher  Neuronen  und  «lernen»  so  schrittweise,  verschiedene  Krankheiten zu identifizieren.

App für Landwirte geplant

Ziel ist es, den Landwirten, Bauern und Gärtnern dieses Instrument als Smartphone-App zur Verfügung zu stellen. «Zukünftig können diese mit der App ein Foto der kranken Pflanze  machen und innerhalb weniger Sekunden die Diagnose erhalten», erklärt Marcel Salathé von der EPFL. Nächste Seite: Vorgehensweise der Forscher und Video Und so gingen die Forscher vor: Zunächst teilten sie 54'306 Fotos kranker und gesunder Pflanzenblätter einem von 38 Paaren aus Pflanze und Krankheit zu. Anschliessend trainierten sie das «Deep Convolutional Neural Network» auf die Erkennung von Pflanzen und Krankheiten (bzw. das Nichtvorhandensein von Krankheiten bei gesunden Pflanzen) und massen, wie korrekt jedes Bild zugeteilt werden konnte. Insgesamt arbeiteten sie mit 14 Kulturpflanzenarten und 26 Pflanzenkrankheiten. Das Ergebnis: Das System kann nun auf Fotos abgebildete Krankheiten mit einer Genauigkeit von 99,35% zuordnen, ohne diese je zuvor  gesehen zu haben. Die  Entwicklung des Algorithmus und das Training des Modells setzt signifikante Rechenkapazitäten und viel Zeit voraus. Nach der «Lernphase» verläuft  die  Klassifizierungsarbeit jedoch sehr schnell und der sich daraus ergebende Code ist klein genug, um leicht auf einem  Smartphone installiert zu werden. «Das ist ein bedeutender Fortschritt für die smartphonegestützte Pflanzenkrankheitsdiagnostik auf massiv globaler  Ebene», sagt Hauptautor Sharada Mohanty. Diese Fotos wurden jedoch unter kontrollierten Bedingungen bezüglich Licht, Farbe etc. geschossen, die nicht immer denen der Schnappschüsse in der Praxis entsprechen. Um dieses Problem zu lösen, erweitert das Team die Bilddatenbank nun auf rund 150'000 Fotos, um die Erkennungsfähigkeit des Systems noch zu verbessern. Zus ätzlich ist geplant, auch die Datenmenge zu vergrössern, die das Netzwerk für eine genaue Diagnostik verwendet. «Dafür brauchen wir Fotos, die von Anwendern vor Ort unter natürlichen Bedingungen  geschossen werden», erklärt Salathé. «In Zukunft möchten wir auch weitere Faktoren  wie Zeitpunkt, Standort, epidemiologische Trends, Wetterbedingungen und andere Signale  berücksichtigen, die die Fähigkeit des Systems noch umfassend steigern würden.»



Das könnte Sie auch interessieren