Nutze Ultralytics YOLO11 und Objekterkennung zur Schädlingsbekämpfung

Für Landwirtinnen und Landwirte sind Nutzpflanzen mehr als nur eine Einnahmequelle: Sie sind das Ergebnis monatelanger harter Arbeit und großen Engagements. Schädlinge können diese Arbeit jedoch schnell zunichtemachen und Verluste verursachen. Herkömmliche Schädlingsbekämpfungsmethoden wie manuelle Kontrollen und der weitverbreitete Einsatz von Pestiziden reichen oft nicht aus. Das führt zu Zeit-, Kapital- und Ressourcenverschwendung, beschädigten Pflanzen, geringeren Erträgen und steigenden Kosten. Da der Markt für Schädlingsbekämpfung bis 2028 voraussichtlich ein Volumen von 32,8 Milliarden US-Dollar erreichen wird, sind bessere Lösungen wichtiger denn je.

Hier können Technologien wie künstliche Intelligenz (KI) und Computer Vision helfen. Neue Fortschritte verändern die Art und Weise, wie Landwirtinnen und Landwirte mit Schädlingen umgehen, und Computer-Vision-Modelle wie Ultralytics YOLO11 tragen zu diesem Wandel bei. Anhand von Bildern und Videos kann YOLO11 Nutzpflanzen analysieren, Schädlinge frühzeitig erkennen, Schäden verhindern und eine präzise, effiziente Landwirtschaft ermöglichen. Solche intelligenten Lösungen für die Landwirtschaft sparen Zeit, reduzieren Abfälle und schützen Erträge.

In diesem Artikel zeigen wir, wie Ultralytics YOLO11 zur Schädlingsbekämpfung eingesetzt werden kann, welche wichtigen Funktionen das Modell bietet und wie es die Landwirtschaft intelligenter und effizienter macht.

Computer-Vision-Aufgaben wie Objekterkennung zur Erkennung von Schädlingen einsetzen#

Herkömmliche Schädlingsbekämpfung kann sich wie ein Wettlauf gegen die Zeit anfühlen. Manuelle Kontrollen sind langsam und arbeitsintensiv und erkennen Probleme meist erst, wenn der Schaden bereits entstanden ist. Bis dahin haben sich die Schädlinge schon ausgebreitet und Ernteverluste sowie Ressourcenverschwendung verursacht. Studien zufolge zerstören Schädlinge jedes Jahr 20 bis 40 % der weltweiten Ernte.

Vision AI bietet einen neuen Ansatz zur Lösung dieses Problems. Integrierte hochauflösende KI-Kameras können gemeinsam mit Computer Vision rund um die Uhr Kulturen überwachen und Schädlinge erkennen. Durch die Früherkennung können Landwirte Schädlinge schnell eindämmen, bevor sie größeren Schaden anrichten.

Abb. 1. Beispiel dafür, wie Computer Vision Schädlinge erkennt, die mit bloßem Auge schwer zu entdecken sind.

Ultralytics YOLO11 unterstützt Computer-Vision-Aufgaben wie die Objekterkennung, mit der Schädlinge in Bildern oder Videos identifiziert werden können, und die Bildklassifizierung, mit der Schädlinge kategorisiert werden. So können Landwirtinnen und Landwirte Schädlingsprobleme wirksamer überwachen und angehen. Sie können YOLO11 individuell trainieren, damit das Modell bestimmte Schädlinge erkennt, die ihre Felder bedrohen.

Ein Reisbauer in Südostasien könnte beispielsweise mit braunen Zikaden zu kämpfen haben, einem bedeutenden Schädling, der in der Region bekanntermaßen Reiskulturen schädigt. Ein Weizenbauer in Nordamerika wiederum könnte gegen Schädlinge wie Blattläuse oder Getreidehalmwespen kämpfen, die dafür bekannt sind, die Weizenerträge zu verringern. Dank dieser Flexibilität lässt sich Ultralytics YOLO11 an die besonderen Herausforderungen unterschiedlicher Kulturen und Regionen anpassen und bietet maßgeschneiderte Lösungen zur Schädlingsbekämpfung.

Die Funktionen der nächsten Generation von Ultralytics YOLO11 kennenlernen#

Vielleicht fragst du dich: Was macht YOLO11 bei so vielen verfügbaren Computer-Vision-Modellen so besonders? YOLO11 ist effizienter, präziser und vielseitiger als frühere YOLO-Modellversionen. So erreicht YOLO11m auf dem COCO-Datensatz eine höhere mittlere durchschnittliche Präzision (mAP), ein Maß für die Genauigkeit der Objekterkennung, als YOLOv8m und benötigt dabei 22 % weniger Parameter. Parameter sind im Wesentlichen die Bausteine, mit denen ein Modell lernt und Vorhersagen trifft. Weniger Parameter bedeuten daher ein schnelleres und leichteres Modell. Dieses Gleichgewicht aus Geschwindigkeit und Genauigkeit zeichnet YOLO11 aus.

Abb. 2. Ultralytics YOLO11 erzielt bessere Ergebnisse als frühere Modelle.

YOLO11 unterstützt außerdem viele Aufgaben, darunter Instanzsegmentierung, Objektverfolgung, Posenschätzung und die Erkennung rotierter Begrenzungsrahmen. Diese Aufgaben dürften Nutzerinnen und Nutzern von Ultralytics YOLOv8 bereits vertraut sein. Zusammen mit der einfachen Bedienung von YOLO11 ermöglichen diese Funktionen die schnelle und effektive Umsetzung von Lösungen zur Identifizierung, Verfolgung und Analyse von Objekten in verschiedenen Anwendungsbereichen – ganz ohne steile Lernkurve.

Darüber hinaus ist Ultralytics YOLO11 sowohl für Edge-Geräte als auch für Cloud-Plattformen optimiert und läuft daher auf verschiedenster Hardware zuverlässig. Ob beim autonomen Fahren, in der Landwirtschaft oder in der industriellen Automatisierung: YOLO11 liefert schnelle, präzise und zuverlässige Ergebnisse und eignet sich damit hervorragend für Computer-Vision-Anwendungen in Echtzeit.

Ultralytics YOLO11 mit eigenen Daten trainieren: ein genauerer Blick#

Wie funktioniert das Training von Ultralytics YOLO11 mit eigenen Daten eigentlich? Stell dir einen Landwirt vor, dessen Kulturen von Käfern bedroht werden. Wenn er YOLO11 mit einem Datensatz aus beschrifteten Bildern von Käfern in verschiedenen Situationen trainiert, lernt das Modell, sie zuverlässig zu erkennen. So kann der Landwirt eine maßgeschneiderte Lösung für sein konkretes Schädlingsproblem entwickeln. Dank der Anpassungsfähigkeit von YOLO11 an verschiedene Schädlinge und Regionen erhalten Landwirte ein zuverlässiges Werkzeug zum Schutz ihrer Kulturen.

Abb. 3. Mit Ultralytics YOLO11 lassen sich Käfer präzise erkennen und gezielt bekämpfen.

So kann ein Landwirt Ultralytics YOLO11 darauf trainieren, Käfer zu erkennen:

• Datensatz zusammenstellen: Im ersten Schritt werden Daten gesammelt oder ein vorhandener Datensatz gesucht. Dieser sollte Bilder von Käfern auf Nutzpflanzen sowie Vergleichsbilder ohne Käfer enthalten.
• Daten beschriften: Gesammelte Daten lassen sich beispielsweise mit Roboflow beschriften, indem Begrenzungsrahmen um die Käfer gezogen und mit dem Label "beetle" versehen werden. Bei einem vorhandenen Datensatz kann dieser Schritt entfallen, da die Annotationen in der Regel bereits enthalten sind.
• Modell trainieren: Anschließend kann der beschriftete Datensatz zum Trainieren von Ultralytics YOLO11 verwendet werden. Dabei wird das Modell gezielt auf die Erkennung von Käfern abgestimmt.
• Testen und validieren: Das trainierte Modell lässt sich anhand eines Testdatensatzes und Leistungskennzahlen wie Precision und mAP bewerten, um seine Genauigkeit und Zuverlässigkeit zu überprüfen.
• Modell bereitstellen: Sobald das Modell einsatzbereit ist, kann es auf Drohnen, Edge-Geräten oder Kameras im Feld bereitgestellt werden. Diese Geräte können Videostreams in Echtzeit analysieren, Käfer frühzeitig erkennen und dem Landwirt helfen, gezielte Maßnahmen zu ergreifen.

Mit diesen Schritten können Landwirte eine maßgeschneiderte Lösung zur Schädlingsbekämpfung entwickeln, den Pestizideinsatz reduzieren, Ressourcen sparen und ihre Kulturen intelligenter und nachhaltiger schützen.

Anwendungsbereiche der Schädlingserkennung mit Computer Vision#

Nachdem wir nun die Funktionen von Ultralytics YOLO11 und die Möglichkeiten für das individuelle Training erläutert haben, sehen wir uns einige Anwendungsbereiche an.

Pflanzenkrankheiten mit Ultralytics YOLO11 klassifizieren#

Die Klassifizierung von Pflanzenkrankheiten und die Erkennung von Schädlingen hängen eng zusammen. Beide sind entscheidend für gesunde Kulturen. Mit seinen fortschrittlichen Funktionen zur Objekterkennung und Bildklassifizierung kann Ultralytics YOLO11 bei beiden Herausforderungen helfen.

Nehmen wir an, ein Landwirt hat sowohl mit Blattläusen als auch mit Echtem Mehltau zu kämpfen. Ultralytics YOLO11 kann darauf trainiert werden, Blattläuse zu erkennen, die möglicherweise auf den Blattunterseiten sitzen, und zugleich frühe Anzeichen von Echtem Mehltau zu identifizieren. Diese Pilzkrankheit verursacht weiße, pudrige Flecken auf Pflanzenoberflächen.

Abb. 4. Blattläuse und Echter Mehltau treten gemeinsam auf. Bild vom Autor.

Da ein Blattlausbefall die Pflanze häufig schwächt und dadurch Krankheitsbedingungen begünstigt, kann der Landwirt durch die gleichzeitige Erkennung beider Probleme gezielt handeln, etwa indem er die betroffenen Bereiche mit geeigneten Mitteln behandelt.

Schädlingsbewegungen verfolgen, um ihre Ausbreitung zu verhindern#

Zu wissen, wo sich Schädlinge befinden, ist wichtig. Genauso wichtig kann es sein, zu verstehen, wie sie sich bewegen. Schädlinge bleiben nicht an einem Ort: Sie breiten sich aus und verursachen dabei oft weitere Schäden. Mit der Objektverfolgung kann YOLO11 mehr als nur einen einzelnen Zeitpunkt erfassen. Das Modell kann die Bewegungen von Schädlingen in Videos verfolgen und Landwirtinnen und Landwirten zeigen, wie sich ein Befall entwickelt und ausbreitet.

Stell dir beispielsweise einen Heuschreckenschwarm vor, der sich über ein Weizenfeld bewegt. Mit Ultralytics YOLO11 ausgestattete Drohnen können den Schwarm in Echtzeit verfolgen und die am stärksten gefährdeten Bereiche erkennen. Mit diesen Informationen können Landwirte schnell reagieren, gezielte Behandlungen anwenden oder Barrieren errichten, um den Schwarm aufzuhalten, bevor er zu großen Schaden anrichtet. Dank der Verfolgungsfunktion von YOLO11 erhalten Landwirte die nötigen Einblicke, um eine weitere Ausbreitung des Befalls zu verhindern.

Abb. 5. Eine mit Ultralytics YOLO11 ausgestattete Drohne.

Gesundheit der Kulturen beurteilen und Schädlingsschäden erkennen#

Schädlinge zu erkennen und Pflanzenkrankheiten zu klassifizieren, ist nur ein Teil der Lösung. Ebenso entscheidend ist es, das Ausmaß der dadurch verursachten Schäden an Nutzpflanzen zu verstehen. Ultralytics YOLO11 kann mithilfe der Instanzsegmentierung detaillierte Erkenntnisse darüber liefern, wie Schädlinge die Pflanzen beeinträchtigen.

Mithilfe der Instanzsegmentierung kann Ultralytics YOLO11 genau umranden, welche Bereiche der Kulturen beschädigt wurden. So erkennen Landwirte das gesamte Ausmaß des Problems, ganz gleich, ob es sich um kleine, krankheitsbedingte Flecken auf Blättern oder um größere, von Schädlingen beschädigte Pflanzenteile handelt. Mit diesen Erkenntnissen können Landwirte die Schäden besser einschätzen und fundierter entscheiden, wie sie damit umgehen.

Vorteile von KI und Ultralytics YOLO11 bei der Schädlingserkennung#

Bei der Erkennung und Bekämpfung von Schädlingen geht es nicht nur darum, einen Befall einzudämmen. Es geht auch darum, mit innovativen Werkzeugen wie Ultralytics YOLO11 auf intelligente Landwirtschaft zu setzen und über herkömmliche Methoden hinauszugehen.

Hier ein kurzer Überblick über einige der wichtigsten Vorteile von Ultralytics YOLO11 bei der Schädlingserkennung:

• Nachhaltigkeit: Präzise Schädlingsbekämpfung verringert die Umweltbelastung, weil Pestizide nicht flächendeckend ausgebracht werden müssen.
• Einblicke in den Gesundheitszustand der Kulturen: Neben Schädlingen kann Ultralytics YOLO11 auch frühe Anzeichen von Pflanzenkrankheiten erkennen und Landwirten helfen, Probleme frühzeitig anzugehen.
• Skalierbare Bereitstellung: Ob in einem kleinen Gewächshaus oder auf einem weitläufigen Bauernhof – Ultralytics YOLO11 lässt sich an die Anforderungen verschiedener landwirtschaftlicher Betriebe anpassen.
• Kosteneinsparungen: Indem Ultralytics YOLO11 Verschwendung, Arbeitsaufwand und übermäßigen Pestizideinsatz verringert, senkt es langfristig die Kosten erheblich.

Wie jede Technologie können auch Vision-AI- und Computer-Vision-Lösungen eigene Einschränkungen haben, etwa durch Umwelteinflüsse oder die Abhängigkeit von hochwertigen Daten. Unsere Modelle wie Ultralytics YOLO11 werden jedoch kontinuierlich weiterentwickelt, um bestmögliche Leistung zu bieten. Durch regelmäßige Aktualisierungen und Verbesserungen werden sie noch zuverlässiger und anpassungsfähiger, um den Anforderungen der modernen Landwirtschaft gerecht zu werden.

Die Vorteile intelligenter Landwirtschaft nutzen#

Schädlinge zu bekämpfen ist eine Herausforderung, doch frühzeitiges Handeln kann den entscheidenden Unterschied machen. Ultralytics YOLO11 hilft Landwirten, Schädlinge schnell zu erkennen und genau zu bestimmen, wo Maßnahmen erforderlich sind. Ein kleiner Schädlingsbefall kann sich rasch ausweiten, doch wenn Landwirte genau wissen, wo sich die Schädlinge befinden, können sie gezielt handeln und Ressourcenverschwendung vermeiden.

Letztlich machen KI und intelligente Landwirtschaft die Landwirtschaft effizienter und nachhaltiger. Werkzeuge wie Computer Vision und Ultralytics YOLO11 können Landwirtinnen und Landwirte auch bei Aufgaben wie der Überwachung der Pflanzengesundheit unterstützen und ihnen helfen, bessere, datengestützte Entscheidungen zu treffen. Das bedeutet gesündere Pflanzen, weniger Abfall und intelligentere Anbaumethoden – und ebnet den Weg für eine widerstandsfähigere und produktivere Zukunft der Landwirtschaft.

Besuche unser GitHub-Repository, um mehr über KI zu erfahren und dich mit unserer Community auszutauschen. Erfahre, wie wir Innovationen in Bereichen wie KI in der Fertigung und Computer Vision im Gesundheitswesen vorantreiben.