PRACTICAL WISION – Automatisk identifikation och kartläggning av ogräs

Bildanalys har revolutionerat forskningsområden från medicin till naturvård. Ett område där både potentialen och utmaningen är stor är inom ogräsforskningen. Det är inte det lättaste att identifiera små och gröna ogräs bland mångtalet likartade små grödplantor, särskilt svårt är det
att göra detta från fordon som rör sig över ojämn terräng och över stora åkerarealer. På senare tid har det dock skett stora framsteg inom metoder för att identifiera olika ogräsarter med hjälp av artificiell intelligens (AI)-baserad bildanalys.

Automatisk ogräsidentifiering skulle kunna göra det möjligt att använda artspecifik ogräsbekämpning och därigenom minska både mängden växtskyddsmedel, såsom glyfosat, och behovet av jordbearbetning. Vidare skulle det också kunna hjälpa ogräsforskare att studera hur ogräsfloran påverkas av olika åtgärder såsom odling av mer vall och mellangrödor, mindre plöjning, anläggning av blomsterremsor, metoder i linje med exempelvis regenerativt jordbruk och/eller ekologiskt jordbruk etc. På så sätt skulle man kunna främja design av odlingssystem som kräver mindre mängd växtskyddsmedel och jordbearbetning för att bekämpa ogräs, något som skulle skapa bättre förutsättningar för bevarande av jordhälsan och den biologiska mångfalden. Man skulle också kunna designa odlingssystem som behåller en del ogräs vilket också skulle bidra till ökad biologisk mångfald. Ogräs är nämligen inte bara ogräs. De är växter som kan ge mat åt pollinatörer, vara värdar åt viktiga naturliga fiender åt skadeinsekter, öka markens kolinlagring och minska näringsläckaget. För att hålla dem på en nivå där de inte orsakar stora skördeförluster, utan att bekämpningsåtgärderna i sig blir skadliga för exempelvis omgivande ekosystem, behöver vi dock veta var de är i fältet och vilka arter det rör sig om för att skräddarsydda och resurseffektiva åtgärder ska kunna sättas in.

Automatisk identifiering av ogräs med AI-baserad bildanalys fungerar bra i teorin, men för att det ska kunna användas inom ogräsforskningen (och sedan i jordbruket) måste det ut i praktiken. PRACTICAL WISION är ett samarbete mellan RISE Research Institutes of Sweden, Sveriges Lantbruksuniversitet (SLU), Hushållningssällskapet Skåne och NBR Nordic Beet Research, där vi kommer att 1) utvärdera hur bra AI-baserad bildanalys kan identifiera och kartlägga olika ogräsarter i svenska fältförsök, 2) bygga upp en iterativ process för att samla in högkvalitativa och annoterade ogräsbilder i svenska fältförsök (att publiceras i open-access) – som därigenom kan leda till bättre och bättre ogräsigenkänning för varje år, och 3) vidareutveckla AI-modellerna för att bli mer lämpade för användning i fältförsök. På så sätt tar vi första steget för att AI-baserad bildanalys ska användas inom ogräsforskning i praktiken, något som är essentiellt för att kunna utveckla mer hållbara odlingssystem som säkrar den framtida livsmedelsförsörjningen och verkar för bevarande av ekosystem och biologisk mångfald.

PRACTICAL WISION finansieras av FORMAS.