KI für Bildverarbeitung verbessert die Pflanzenüberwachung im hydroponischen Anbau

Wenn wir an Landwirtschaft denken, stellen wir uns meist Pflanzen vor, die in der Erde wachsen. Der hydroponische Anbau geht jedoch anders vor. Dabei werden Pflanzen ohne Erde in nährstoffangereichertem Wasser kultiviert. So wachsen Pflanzen schneller und benötigen weniger Platz und Wasser. Das ist eine gute Möglichkeit für Gegenden mit begrenzter landwirtschaftlicher Nutzfläche.

Der weltweite Markt für hydroponisch angebaute Pflanzen dürfte bis 2027 ein Volumen von rund 53 Milliarden US-Dollar erreichen. Dieses Wachstum bringt jedoch auch Herausforderungen mit sich, insbesondere wenn es darum geht, Pflanzen auf großen Farmen gesund zu halten.

Viele hydroponische Farmen befinden sich in Innenräumen. Dadurch können sich selbst kleine Probleme wie ein niedriger Nährstoffgehalt oder erste Krankheitsanzeichen schnell ausbreiten und die Ernte schädigen. Jede Pflanze manuell zu kontrollieren und zu überwachen, kann zeitaufwendig sein und zu Fehlern führen. Hier können Technologien wie Computervision helfen.

Computer Vision ist ein Teilgebiet der künstlichen Intelligenz (KI), das visuelle Daten verarbeitet und versteht. Damit lassen sich Herausforderungen im hydroponischen Anbau bewältigen, indem Pflanzen mithilfe von Kameras und Bildanalysen automatisch überwacht werden.

So lassen sich beispielsweise Vision-AI-Modelle wie Ultralytics YOLO11 darauf trainieren, Anzeichen von Stress, Krankheiten oder Nährstoffmangel bei Pflanzen zu erkennen. Solche Modelle ermöglichen Computervisionsaufgaben in Echtzeit, etwa Objekterkennung und Instanzsegmentierung, auf großen Indoor-Farmen. So können Landwirte schnell reagieren, bevor sich Probleme ausbreiten.

In diesem Artikel zeigen wir, wie hydroponischer Anbau mit Vision AI die Effizienz steigert, den Arbeitsaufwand senkt und eine nachhaltige Landwirtschaft unterstützt.

Was ist hydroponische Landwirtschaft?#

Hydroponische Landwirtschaft ist eine Methode, Pflanzen ohne Erde anzubauen. Die Pflanzen werden in ein Kultursubstrat gesetzt und mit einer Nährlösung auf Wasserbasis versorgt. In dieser kontrollierten Umgebung wachsen Pflanzen schneller, benötigen weniger Wasser und beanspruchen weniger Platz als beim herkömmlichen Anbau.

In Gegenden mit wenig Land oder schlechter Bodenqualität kann Hydroponik eine praktische Lösung sein. Interessanterweise reicht die Idee des erdelosen Anbaus bis in die Antike zurück: Zivilisationen wie die Babylonier und die Azteken entwickelten frühe Formen des Anbaus ohne Erde.

Abb. 1. Salat wächst ohne Erde auf einer hydroponischen Farm. Bildquelle: Pexels.

Hydroponik hat zwar uralte Wurzeln, doch moderne Technologie hat sie zu einer hochtechnologischen Lösung für die heutigen Anforderungen der Landwirtschaft gemacht. Fortschrittliche Systeme führen Wasser und Nährstoffe jetzt direkt zu den Pflanzen. Bei der Nährfilmtechnik (NFT) fließt beispielsweise eine dünne Wasserschicht über die Wurzeln, während die Aeroponik Nährstoffe als feinen Sprühnebel auf in der Luft hängende Wurzeln aufbringt.

Mit dem Wachstum dieser Farmen wird es jedoch schwieriger, den Überblick über einzelne Pflanzen zu behalten. Schon kleine Veränderungen an Farbe oder Form von Blättern und Stängeln können frühe Anzeichen von Stress oder Krankheiten sein. Diese Probleme früh zu erkennen, ist entscheidend, damit sie sich nicht auf der Farm ausbreiten. Regelmäßige Ernteüberwachung und schnelles Handeln sind unverzichtbar, um die Pflanzen gesund zu halten und stabile Erträge zu sichern.

Die Rolle von Computervision in der hydroponischen Landwirtschaft#

Genau wie in der traditionellen Landwirtschaft hängt die Gesundheit der Pflanzen in der Hydroponik von den richtigen Bedingungen ab. Schon leichte Ungleichgewichte bei Faktoren wie Nährstoffen, Temperatur oder Luftfeuchtigkeit können zu Problemen wie vergilbten Blättern, verkümmertem Wachstum oder Krankheiten führen. Da hydroponische Systeme auf kontrollierte Umgebungen angewiesen sind, kann jede Störung innerhalb kurzer Zeit zahlreiche Pflanzen beeinträchtigen.

Computervision bietet Landwirten eine bessere Möglichkeit, ihre Pflanzenbestände zu überwachen. Kameras lassen sich über den Anbauflächen installieren, etwa über Pflanzschalen, Regalen oder vertikalen Gestellen, oder an Schienen befestigen, die entlang der Reihen verlaufen. Diese Kameras können rund um die Uhr Bilder aufnehmen und so den Wachstumsverlauf jeder Pflanze visuell dokumentieren.

Diese Bilder können auch von Vision-AI-Modellen wie YOLO11 analysiert werden. Sie können einzelne Pflanzen erkennen, Blätter vom Hintergrund segmentieren, Wachstumsstadien klassifizieren und sichtbare Veränderungen im Zeitverlauf verfolgen. So lassen sich Probleme bei einzelnen Pflanzen oder Pflanzengruppen leichter erkennen.

Wenn beispielsweise mehrere Pflanzen helle Flecken entwickeln, kann Computervision das Muster erkennen und den betroffenen Bereich hervorheben. Indem Vision AI Bilder in konkrete Erkenntnisse umwandelt, hilft sie Landwirten, schnell auf mögliche Probleme zu reagieren, den manuellen Arbeitsaufwand zu verringern und die Pflanzen gesund und ertragreich zu halten.

Anwendungen von Computervision in der hydroponischen Landwirtschaft#

Nachdem wir nun besprochen haben, wie Computer Vision hydroponische Systeme verbessert, sehen wir uns einige Anwendungen aus der Praxis an, bei denen diese Technologie bereits einen Unterschied macht.

Intelligente Hydroponik und Robotik#

In hydroponischen Farmen wachsen Pflanzen oft in dicht stehenden Trays, die während verschiedener Wachstumsphasen bewegt werden müssen. Das Bewegen der Trays kann die Beleuchtung verbessern, die Pflanzenpflege erleichtern oder die Ernte vorbereiten. Auf großen Farmen kostet diese Arbeit von Hand viel Zeit und Mühe.

Autonome Roboter mit integrierter Computer Vision können diesen Prozess erleichtern. Während sich die Roboter durch das Gewächshaus bewegen, kann Computer Vision dabei helfen, den Zustand jeder Pflanze zu erkennen.

Ein interessantes Beispiel ist Grover, ein Gewächshausroboter, der dafür entwickelt wurde, große Pflanzenmodule zu transportieren, von denen einige bis zu 1.000 Pfund wiegen. Mithilfe von Sensoren kann er sicher navigieren und nutzt Vision AI, um den Zustand der Pflanzen zu überwachen. Indem Roboter wie Grover sowohl den Transport als auch die Pflanzenbeurteilung übernehmen, unterstützen sie einen reibungslosen Arbeitsalltag und verringern den Bedarf an manueller Arbeit in kontrollierten Anbausystemen.

Abb. 2. Ein autonomer Roboter bewegt Pflanzentrays in einer hydroponischen Farm.

Präzisionslandwirtschaft mit Computer Vision auf Mikro-Farmen#

Hydroponische Farmen brauchen nicht immer viel Platz. Kleine Anlagen lassen sich beispielsweise in Büros, Schulen oder Krankenhäusern einrichten, um frisches Blattgemüse in Innenräumen anzubauen. Solche Anlagen werden oft für Bildungsangebote, Wellnessprogramme oder die lokale Lebensmittelproduktion genutzt. Die tägliche Verwaltung kann jedoch eine Herausforderung sein. Mitarbeitende sind möglicherweise beschäftigt oder haben wenig Erfahrung in der Pflanzenpflege, was eine konsequente Wartung erschwert.

Um die Arbeit zu erleichtern, lassen sich Sensoren, Kameras und Computer Vision einsetzen, um die Pflanzengesundheit den ganzen Tag über zu überwachen. Ein Beispiel sind Babylon Micro-Farms. Die Anbaueinheiten sind für Innenräume konzipiert, in denen die Menschen möglicherweise keine Erfahrung mit Landwirtschaft haben. Jede Einheit nutzt integrierte Kameras, um das Pflanzenwachstum zu überwachen, und sendet über eine App hilfreiche Aktualisierungen und Pflegetipps. So wird die Wartung einfacher.

Abb. 3. Eine intelligente hydroponische Anlage zur Fernüberwachung.

Automatisierte Pflanzenüberwachung mit Vision AI#

Beim Anbau in mehreren Chargen reifen die Pflanzen zu unterschiedlichen Zeiten. Um dies zu bewältigen, müssen Landwirte wissen, welche Pflanzen erntereif sind und welche noch wachsen. Computer Vision kann dies unterstützen, indem sie Bilder interpretiert, Pflanzenstandorte erkennt und Wachstumsstadien klassifiziert – eine Form der Pflanzenphänotypisierung.

Dieser Ansatz ermöglicht eine nicht invasive Überwachung. Das bedeutet, dass Landwirte die Pflanzengesundheit und -entwicklung verfolgen können, ohne die Pflanzen anzufassen oder zu stören. Durch die regelmäßige Analyse von Bildern kann das System den Fortschritt im Laufe der Zeit überwachen und Muster erkennen, die darauf hindeuten, dass eine Pflanze bald reif ist.

So funktioniert das im Einzelnen:

• Einzelne Pflanzen erkennen: Zunächst lässt sich die Objekterkennung einsetzen, um jede Pflanze im Anbaubereich zu lokalisieren und zu identifizieren, selbst in dicht bepflanzten oder überlappenden Anzuchtschalen.
• Pflanzenmerkmale klassifizieren: Anschließend kann die Bildklassifizierung sichtbare Merkmale wie Farbe, Größe und Form analysieren, um das Wachstumsstadium der Pflanze zu bestimmen oder Anzeichen von Stress und Krankheit zu erkennen.
• Erkenntnisse für die Entscheidungsfindung gewinnen: Zusammengenommen ermöglichen diese Aufgaben, die Entwicklung der Pflanzen im Zeitverlauf zu verfolgen und Landwirten klare, zeitnahe Erkenntnisse zu liefern, etwa welche Pflanzen erntereif sind und welche noch mehr Zeit brauchen.

Abb. 4. Salat mithilfe von Objekterkennung erkennen.

Vor- und Nachteile von Computer Vision im hydroponischen Anbau#

Hier sind einige wichtige Vorteile von Computer Vision im hydroponischen Anbau:

• Betriebe einfacher vergrößern: Einmal installiert, lassen sich Computer-Vision-Systeme in weiteren Anbaueinheiten oder an anderen Standorten einsetzen, ohne zusätzliches Personal einstellen zu müssen. So kann der Betrieb leichter erweitert werden, während Kontrolle und Einheitlichkeit erhalten bleiben.
• Fernzugriff und Fernsteuerung: Viele Systeme ermöglichen es Landwirten, den Zustand der Pflanzen von überall aus einzusehen und Warnmeldungen zu erhalten. So lassen sich Farmen leichter verwalten, ohne vor Ort zu sein.
• Mehr Einheitlichkeit: Die automatisierte Überwachung verringert menschliche Fehler und sorgt so für eine einheitlichere Pflanzenpflege und eine insgesamt höhere Qualität.

Trotz der vielen Vorteile von Vision AI im hydroponischen Anbau gibt es auch einige Einschränkungen, die du beachten solltest. Hier sind einige Faktoren, die es zu berücksichtigen gilt:

• Empfindlichkeit gegenüber Umgebungsbedingungen: Computer-Vision-Systeme können durch schlechte Beleuchtung, Spiegelungen, verschmutzte oder beschlagene Kameraobjektive und sich überlappende Pflanzen beeinträchtigt werden. Diese häufigen Probleme in Innenräumen können die Genauigkeit verringern.
• Kompatibilitätsprobleme: Manche Farmen müssen möglicherweise ihre Infrastruktur aufrüsten, um Vision-AI-Systeme zu unterstützen. Älteren Anlagen fehlen unter Umständen die erforderliche Stromversorgung, der nötige Platz oder die Netzwerkverbindung, um Kameras und Sensoren zu installieren und zu betreiben.
• Anforderungen an das erneute Trainieren von Modellen: KI-Modelle müssen möglicherweise erneut trainiert oder fein abgestimmt werden, wenn sie mit neuen Pflanzenarten, Beleuchtungsanordnungen oder Anbausystemen eingesetzt werden. Das erhöht die Komplexität.

Die wichtigsten Erkenntnisse#

Computer-Vision-Aufgaben wie Objekterkennung und Instanzsegmentierung ermöglichen es, Pflanzengesundheit, Wachstumsphasen und die allgemeine Leistungsfähigkeit der Pflanzen schneller und genauer zu erfassen. Von der Erkennung früher Stressanzeichen bis zur Unterstützung der Ernteplanung verringern bildbasierte Systeme den manuellen Arbeitsaufwand und sorgen für mehr Einheitlichkeit bei den täglichen Aufgaben.

Mit den Fortschritten bei Vision AI wird die Technologie einfacher anzuwenden, lässt sich besser an unterschiedliche Pflanzenarten anpassen und kann auf Betrieben jeder Größe eingesetzt werden. Da Computer Vision immer zugänglicher und präziser wird, dürfte sie künftig zu einem zentralen Werkzeug für eine effiziente, datengestützte Landwirtschaft werden.

Tritt unserer Community bei und sieh dir unser GitHub-Repository an, um mehr über Computer Vision zu erfahren. Entdecke auf unseren Lösungsseiten verschiedene Anwendungen von KI im Einzelhandel und Computer Vision im Gesundheitswesen. Wirf einen Blick auf unsere Lizenzoptionen und leg noch heute mit Vision AI los!