ELISE

Autonomous robot for intelligent soil analysis

Pilze und Bakterien stehen stellvertretend für die Sukzessionsstufe, in der sich Boden bei der Wiederherstellung des Ökosystems befindet. In einer bestimmten Stufe der Bodensukzession profitiert eine bestimmte Art von Pflanzenfamilie vom Verhältnis zwischen Pilzen und Bakterien. Je nach der beabsichtigten Kultur kann ein gewünschtes Pilz:Bakterien-Verhältnis das Wachstum, den Unkrautdruck und die Resistenz gegen Schädlinge und Krankheiten positiv beeinflussen. Eine hohe Vielfalt an Bodenorganismen wirkt sich positiv auf die Aggregatbildung, die Bodenbelüftung, die Wasserinfiltration, die Erosion und die Kohlenstoffspeicherung aus. Die Möglichkeit, dieses Verhältnis an Ort und Stelle ohne komplexe chemische Anwendungen zu bestimmen, ist Teil des Projekts ELISE.

Die Innovation ist dabei ein autonom-fahrender Roboter (ANELISE), der an definierten Stellen Bodenproben aus gleicher Tiefe entnimmt, siebt, abfüllt, mikroskopisch analysiert und ergebnisorientiert verarbeitet. Im Herzstück der Analyse werden Bodenproben gezielt auf ihr Pilz-Bakterienverhältnis sowie auf den Krümelstabilitätstest untersucht. Diese werden bei wiederholten Probenentnahmen gegenübergestellt um die Entwicklung bzw. Veränderung in der Bodenqualität ermitteln zu können.

Die Probenentnahmestellen eines Ackers werden per GPS bzw. GNSS definiert und gespeichert, was es dem Anwender ermöglicht, wiederholt die gleichen Stellen (mit einer Genauigkeit von 10 cm) anzufahren. Des Weiteren werden die Bodenproben der einzelnen Stellen separat entnommen und analysiert, was dazu führt, dass man punktuell genau Vergleiche von Proben über mehrere Entnahmen über einen definierten Zeitraum ziehen kann.

Computer Vision zur Bakterienzählung

An den Bodenproben werden mehrere optische Tests durchgeführt. Die Proben werden von einer Kamera aufgezeichnet, die an einem Durchlichtmikroskop angebracht ist. Dabei werden mehrere Bilder aus verschiedenen Fokusebenen durch die Probendicke hindurch aufgenommen. Die Teile des Bildes, die sich im Fokus einer Schicht befinden, werden durch Focus Stacking zu einem Gesamtbild zusammengefügt (vgl. Abbildung 1).

Abbildung 1: Automatisch gesteuertes Mikroskop mit Focus Stacking
(Bild: Tobias Heinrich)

Mittels semantischer Segmentierung wird das Gesamtbild zur Klassifikation, Lokalisierung und Quantifizierung von fadenförmigen Organismen wie Pilzen verwendet. Das Ergebnis ist eine Maske, welche die Pixel der Klasse der Pilze hervorhebt (vgl. Abbildung 2). Die Verteilung und Anzahl der Pixel bilden die Grundlage für die Massenberechnung.

Abbildung 2: Gesamtbild als Eingabe und Maske mit Pilzhyphen (gelb) als Ausgabe der semantischen Segmentierung (Bild: Tobias Heinrich)

Zur Quantifizierung der bakteriellen Biomasse werden zwei Ansätze verfolgt. Bei geringer Bakteriendichte werden die einzelnen Bakterien für einen Teil des Sichtfeldes mit einem Bilderkennungsalgorithmus gezählt (vgl. Abbildung 3) und anschließend auf die Bodenmasse extrapoliert.

Abbildung 3: Objekterkennung zur Bakterienzählung (Bild: Tobias Heinrich)

Bei hoher Bakteriendichte werden bestimmte Regions of Interest (ROIs) ausgewählt, in denen ausschließlich Bakterien vorhanden sind. Ein neuronales Netz, welches mit Bildern von Bakteriendichtemustern vortrainiert wurde, prädiziert dann die Bakterienanzahl (vgl. Abbildung 4).

Abbildung 4: Bildklassifikation zur Abschätzung der Bakterienzahl (Bild: Tobias Heinrich)