Huhn, MarkusFriesewinkel, TobiasEidmann, DavidHeinrich, AnnaPaulus, StefanPfeffer, PhilippStarzmann, DominikBargiel, DamianDörr, JörgSteckel, Thilo2025-02-042025-02-042025978-3-88579-802-6https://dl.gi.de/handle/20.500.12116/45683Die Blattfleckenkrankheit Cercospora beticola bedroht den Zuckerrübenanbau weltweit und kann Zuckerertragsverluste bis zu 69 % verursachen. Um den Befall automatisiert zu erkennen, wird die Nutzung künstlicher Intelligenz (KI) und Fernerkundung mittels Satellitendaten untersucht. Hyperspektrale und multispektrale Daten, besonders der Sentinel-2-Satelliten, ermöglichen in Kombination mit Deep Learning eine Analyse der Krankheitsindikatoren. Feldmessungen und spektrale Analysen zeigten deutliche Unterschiede zwischen gesunden und befallenen Pflanzen, vor allem im Spektralbereich 700-1000 nm. Erste Ergebnisse bestätigen, dass KI-basierte Modelle den Befall auf großen Anbauflächen zuverlässig erfassen und so manuelle Kontrollen reduzieren.deCercospora beticolaKI-gestützte KrankheitsdetektionSatellitendatenBildverarbeitungText/Conference Paper10.18420/giljt2025_252944-76822944-7682