Forsøgsleder: Thies Marten Heick

Projektets formål og mål

Kraftige angreb af bladsvampe som fx rust og meldug kan medføre betydelige udbyttetab i roer, hvis ikke der udføres en effektiv kontrol til tiden. Bekæmpelse af bladsvampe i sukkerroer udføres normalt med samme dosering i hele marken, når de første symptomer kan ses. Ved epidemistart er angreb af blads-vampe dog ujævnt fordelt. Idéen bag projektet er at bruge sensorteknologi til en målrettet bekæmpelse af de første symptomer, og dermed forsinke udvikling i epidemien. Det vil reducere behandlingsindekset for fungicider uden at gå på kompromis med udbyttet og kvaliteten af udbyttet. RGB-sensor målinger foretaget med kamera på en robot i samspil med avanceret billedanalyse og modeller har tidligere vist sig at kunne kvantificere skimmelangreb i kartofler. Projektets mål er at udvikle og validere første version af en model til genkendelse af bladsvampesygdomme i roer. Udover fremtidig praktisk anvendelse forventes sensorbaserede målinger også at kunne anvendes i forskning og forsøg i tilvejebringelse af præcise og uvildige bedømmelser af bladsvampeangreb til mere præcise evalueringer af fungicid-strategier og sortsmodtagelighed.

Offentliggørelse, formidling og vidensdeling

Resultater vil fraligge i slutning af 2022 og være tilgængelige på https://agro.au.dk/forskning/projekter/sukkerroeafgiftsfonden i januar-februar 2023.

Desuden offentliggøres resultater i AUs Applied Crop Protection udkommer i første kvartal af 2023. Det er flyttet til Applied Crop Protection 2024 hvor vi har resultater fra to år med. Desuden regnes der med at resultaterne kan var del i en peer-reviewed artikel. Vi har endnu ikke haft tilstrækkelig med resultater til at kunne skrive en peer-review artikel

Rapport
Kamerabaseret bestemmelse af sygdomstryk i sukkerroer med kunstig intelligens