增长情况如何？病虫害发生了吗？干旱加剧对植物有影响吗？新品种的培育者必须收集有关这些问题的大量数据。波恩大学（university of bonn）的初创企业“物候检测”（pheno inspect）希望加快植物栽培。装备摄像头的无人机记录作物，然后软件使用人工智能方法自动评估其特性。这很快表明新品种是否成功。该项目得到了“开办大学附属项目”的支持。
雄蜂轻轻地嗡嗡声飞过植物繁育者的田地。在飞行过程中，它不断地拍摄这些植物的照片，然后用人工智能自动分析。然后，育种家可以利用结果来评估哪些品种特别适合育种目标。”全球人口增长意味着，未来农业将不得不生产更高的产量，而耕地面积保持不变，”波恩大学大地测量和地理信息研究所副研究员Philipp Lottes说。目前开发新品种和更好品种的瓶颈是田间高通量表型。”
这在植物栽培中仍然是一个非常复杂的过程。在表型方面，专家们决定了植物的外观或表型：一个新品种的小麦穗有多大？农作物有病虫害吗？植物是如何应对干旱的？”只有当这些数据统计上是安全的，育种家才能知道他们的新杂交种是否是一个成功的比较其他品种，”洛茨报告。将来，这些数据可以用人工智能自动采集。洛茨是这家初创公司的创始人，该公司正在推进这些计划。
自动学习计算机方法
这位测地学家已经在他的博士研究中研究了植物识别的机器学习方法，他还在波恩大学作为“Phenorob”优秀集群的一部分写了这篇文章。在这一过程中，他开发了使用无人机拍摄作物照片的方法，通过这些方法，软件能够确定，例如，种植植物的数量、不同杂草的分布以及病虫害的侵扰。”这些都是自学习的自动化过程，可以根据用户规范进行自我优化。在“训练阶段”，该软件根据大量照片了解谷穗、干应力症状或杂草的长相。然后，利用统计方法，分析程序可以自动评估图像，并以地图的形式提供全面的文件，说明哪些育种地块营养不足，哪些特别高产。”特别是对大规模数据的全自动评估具有巨大的潜力，”西里尔·斯塔希尼斯博士解释说。
在检查期间，无人机在作物上方10至100米的高度飞行。没有一片草能逃过镜头，因为分辨率可以提供几毫米以下的细节。”“定位是通过一个非常精确的全球定位系统，如测地线使用，”洛茨报告。智能手机GPS在精度上无法竞争。”
通过“开办大学附属项目”提供资金
现在，这位测地线专家与他的导师、波恩大学摄影测量和
机器人学工作组组长西里尔·斯泰奇尼斯博士一道，作为北莱茵-威斯特伐利亚州和欧盟“开办大学附属项目”的一部分，接受了资助。在接下来的18个月里，Pheno Inspect将受益于约27万欧元的资金，用于检测表型。”我们希望进一步开发我们的软件，并使其适
应用户的需求，”洛茨报告，他也在推动商业计划。
到目前为止，德国联邦议院、扎克勒本福松研究所、德国科学院、波恩大学农业校区克莱恩阿尔滕多夫（klein altendorf）一直在测试作为发展伙伴的pheno inspect的发展情况。洛茨：“任何人如果对我们在田间的自动化高通量表型有实际的应用建议，或希望提高其业务的自动化程度，都应与我们联系。”在确定杂草或害虫在作物中的侵染程度或如何优化肥料的使用。
波恩大学技术转让部的Rüdiger Wolf建议创始人说：“Pheno Inspect的高通量表型鉴定过程是显著加快新品种培育的一个有希望的方法。”这家初创企业再次强调了在健康和可持续性领域的高创业潜力。
