project - EIP-AGRI Operational Group
Robot- and drone-based tree vitality monitoring in tree nurseries
RoboTreeSense - Roboter- und drohnengestütztes Baumvitalitätsmonitoring in Baumschulen
Objectives
The project deals with digital fitness monitoring of single trees in the nursery Bonk in Bad Zwischenahn, Germany, for early damage detction. Several optical sensor are mounted on a robot and a drone platform in order to detect spectral changes in the reflection pattern of the trees. Additionally, an electronic nose is used on both plathforms in order to detect the odor emission pattern of the trees, which should allow the detection of the onset of tree vitality decrease. This new monitoring approach improves the capabilties of the tree nursery to maintain the health of the plants with less resources.
Objectives
Im Projekt RoboTreeSense wird am Beispiel der Baumschule Bonk in Bad Zwischenahn ein digitales Vitalitätsmonitoring entwickelt, dass die frühzeitige Detektion von Baumschulen ermöglichen soll. Dabei werden mehrere optische Sensoren verwendet, um Änderungen im Reflexionsmuster der Bäume sichtbar zu machen. Die Sensoren sind an einer Roboterplattform sowie an einer Drohne montiert und liefern regelmäßig Vitalitätsdaten der Einzelbäume. Dies verbessert die Reaktionsfähigkeit der Baumschule zum Werterhalt der Bäume und reduziert den Aufwand zur Baumpflege.
Project details
- Main funding source
- Rural development 2014-2020 for Operational Groups
- Rural Development Programme
- 2014DE06RDRP012 Germany - Rural Development Programme (Regional) - Lower Saxony + Bremen
Emplacement
- Main geographical location
- Göttingen
EUR 448 501.00
Total budget
Total contributions from EAFRD, national co-financing, additional national financing and other financing.
1 Practice Abstracts
Using modern sensor technology, significant differences in plant health were detected across all test areas. By using individual algorithms in the R software, the crowns of the individual plants could be precisely segmented and analyzed based on the multispectral images. For crown segmentation, we used the dense clouds created during the orthomosaic generation. With the help of the GPS technology used, plant health recordings (ground truth data) could always be assigned to the respective crowns in the aerial images. By using current chlorophyll-sensitive vegetation indices, significant differences between the damage categories could be detected. Significant differences were not detectable on all flight dates. Therefore, it seems that a certain level of damage dynamics/severity must be present before the sensors used can detect clear differences in plant health.
Durch die Verwendung moderner Sensortechnik konnten signifikante Unterschiede in der Pflanzengesundheit auf allen Testflächen nachgewiesen werden. Durch die Verwendung individueller Algorithmen in der Software R konnten die Kronen der einzelnen Pflanzen präzise segmentiert werden und anhand der multispektralen Bildaufnahmen analysiert werden. Für die Segmentierung der Kronen verwendeten wir die Denseclouds, welche im Zuge der Orthomosaik-Erstellung erstellt wurden. Mit Hilfe der verwendeten GPS-Technik konnten Aufnahmen der Pflanzengesundheit (Groundtruth-Data) immer den jeweiligen Kronen in den Luftbildern zugeordnet werden. Durch die Verwendung aktueller, chlorophyllsensitiver Vegetationsindizes konnten signifikante Unterschiede zwischen den Schadenskategorien nachgewiesen werden. Signifikante Unterschiede waren nicht an allen Flugterminen nachweisbar. Es scheint daher ein eine gewisse Schadensdynamik/-schwere vorliegen zu müssen, bevor die verwendete Sensorik klare Unterschiede in der Pflanzengesundheit zu detektieren vermag.
Contacts
Project coordinator
-
Georg-August-Universität Göttingen
Project coordinator