Der gesicherte und autarke Anbau von Nutzpflanzen wird ein wichtiger Bestandteil zukünftiger Weltraum-Missionen sein. Um hohe Qualität und verlustfreie Erträge auf Raumstationen (z.B. der ISS, Mond- oder Mars-Stationen) zu garantieren, wird ein zuverlässiges Monitoring des Pflanzenanbaus benötigt. Um diesen Bedarf zu adressieren, soll im Rahmen des Projektes SpaceVOCs ein innovatives, olfaktorisches Monitoring-System zur Früherkennung von Pflanzenstress entwickelt werden.

Das Hans Eisenmann-Forum für Agrarwissenschaften der Technischen Universität München forscht u.a. zum Anbau von Nutzpflanzen unter vollständig kontrollierten Bedingungen mit dem Ziel, die Limitierungen des Pflanzenwachstums zu verstehen, um möglichst hohe Erträge bei gleichzeitig hoher Qualität zu erreichen. Zum Monitoring des Pflanzenzustands und der Pflanzengesundheit werden verschiedene Parameter des Pflanzenwachstums erfasst.

Im Rahmen des Projektes SpaceVOCs entwickeln die Forschenden ein innovatives, olfaktorisches Monitoring-System zur Früherkennung von Pflanzenstress. Ziel des Vorhabens ist es, zu erforschen inwieweit stress-spezifische Geruchsmuster von Pflanzen mit Methoden der Künstlichen Intelligenz erkannt und vorhergesagt werden können. Die Nutzung von VOC-Sensorik, die bestimmte Gase und Gerüche (Volatile Organic Compounds/VOC) sowie deren Konzentration erfasst, wird für die Erkennung von Pflanzenstress erprobt. Ein großer Teil der Aufgabe besteht darin, Referenzdaten zu ermitteln, die beispielsweise den Zustand „gesund“ beschreiben, oder den Zustand bestimmter Krankheitsbilder bzw. Stresssituationen im frühzeitigen Stadium. Anhand dieser Referenzdaten sollen anschließend Abweichungen frühzeitig erkannt und ausgewiesen werden, um rechtzeitig gegensteuern zu können. So sollen Ernteverluste minimiert werden. Im Vordergrund steht die Nutzpflanze Weizen.

Im Projektvorhaben SpaceVOCs wird eine effektive Erkennung von Potenzialen und Problemen im Nutzpflanzenanbau angestrebt, auch in isolierten Umgebungen und unter variierten Schwerkraftbedingungen, durch den Einsatz der VOC-Sensor-Technologie an. Dabei stützt man sich auf die Expertise der Technischen Universität München in den Agrarwissenschaften und chemischer Analytik und die Expertise in der Datenanalyse mittels Verfahren der Künstlichen Intelligenz der Firma LANZ.

Links:

https://www.hef.tum.de/hef/startseite/
https://www.hef.tum.de/hef/forschung/fokusthemen/vertical-farming/
https://www.mls.ls.tum.de/fpm/startseite/
https://lanz.ai