DeepIntegrate: Wie Raps mit Künstlicher Intelligenz analysiert wird
Eine enorme Menge an Daten kommt in der Pflanzenforschung zusammen, die von Computern auch mit Methoden des maschinellen Lernens autonom analysiert werden. Eine Herausforderung dabei ist die Kombination unterschiedlicher Datentypen wie beispielsweise Fotos, Wetterdaten und genetische Informationen. Wie es gelingen kann noch bessere Vorhersagemodelle für Forschung und Züchtung zu entwickeln, untersuchte das BMBF-Projekt DeepIntegrate. Das Projekt lief über drei Jahre und wurde Ende 2021 abgeschlossen. Die Projektpartner, die TU Kaiserslautern und das Züchtungsforschungsunternehmen NPZ Innovation GmbH (NPZi), sind mit den Ergebnissen zufrieden: „Gegenüber den klassischen Vorhersagemethoden konnten wir mit unseren Algorithmen deutlich bessere Vorhersagen für einzelne Pflanzenmerkmale treffen, insbesondere für Merkmale mit bekannter und hoher Abhängigkeit von Umwelteinflüssen, wie z. B. dem Blühbeginn, der stark von den Temperaturen im Frühjahr abhängt“, fasst der beteiligte Bioinformatiker Dr. Matthias Enders zusammen. Die neu entwickelten Algorithmen können nun zu einer automatisierten Bewertung der Leistung von Pflanzensorten in der Pflanzenzüchtung genutzt werden und erweitern die Werkzeugpalette der Bioinformatik. Das Portal Pflanzenforschung fasst die Ergebnisse zusammen.
Quelle: Pflanzenforschung.de