US-Team entwickelt KI-gestütztes Mikroskop für Bodengesundheitsprüfungen auf dem Land.

Klassisches Mikroskop erhält durch KI neue Lebenskraft für Bodengesundheitstests auf dem Bauernhof Forschende der University of Texas at San Antonio (UTSA) in den USA haben erfolgreich ein cost-effektives optisches Mikroskop mit Maschinellem Lernen kombiniert, um die Anwesenheit und Menge von Pilzen in Bodenproben zu messen. Ihre prototypische Technologie wurde am 9. Juli auf der Goldschmidt Konferenz in Prag vorgestellt. Die Bestimmung der Abundanz und Vielfalt von Bodenpilzen bietet wertvolle Einblicke in die Bodengesundheit und Fruchtbarkeit, da Pilze wichtige Rollen bei der biogeokemischen Zyklen von Nährstoffen, Wasserhaltung und Pflanzenwachstum spielen. Mit diesem Wissen können Landwirte ihre Erzeugung optimieren und nachhaltigere Praktiken erarbeiten, indem sie aufgrund fundierter Informationen über den Bodenmanagement entscheiden, einschließlich der Anwendung von Düngemitteln, Bewässerung und Pflügung. Optische Mikroskope sind das älteste Mikroskopdesign und wurden lange Zeit zur Entdeckung und Identifikation winziger Organismen im Boden verwendet. Andere Bodentestmethoden nutzen techniken wie Phospholipidfettsäure-Analyse und DNS-Analyse, um Organismen zu detektieren oder die Präsenz von Chemikalien wie Stickstoff, Phosphor und Kalium zu messen. Obwohl diese modernen Methoden leistungsfähig sind, sind sie oft teuer oder legen den Fokus auf die chemische Zusammensetzung, wobei die vollständige biologische Komplexität der Bodenökosysteme vernachlässigt wird. Alec Graves vom UTSA College of Sciences präsentierte die Forschung auf der Goldschmidt Konferenz. Er sagte: "Aktuelle biologische Bodenanalysen sind begrenzt, da sie entweder teure Laborequipment erfordern, um die molekulare Zusammensetzung zu messen, oder einen Experten, der Organismen visuell unter dem Labor-Mikroskop identifiziert. Eine umfassende Bodentestung ist für Landwirte und Landwirtschaftsmanager nicht weit verbreitet, obwohl sie verstehen müssen, wie landwirtschaftliche Praktiken die Bodengesundheit beeinflussen." Durch die Verwendung von Maschinellem Lernen und einem optischen Mikroskop schaffen die Forscher eine kostengünstige Lösung für Bodentests, die sowohl die Arbeitsbelastung als auch das erforderliche Fachwissen reduziert und gleichzeitig ein vollständigeres Bild der Bodenbiologie bietet. Im frühen Entwicklungsstadium bauten und testeten die Forscher einen algorithmus basierend auf mehreren tausend Bildern von Pilzen aus Böden im südzentralen Texas. Die Software analysiert Videos von Bodenproben, teilt sie in Bilder auf und verwendet ein neuronales Netzwerk, um Pilze zu identifizieren und deren Biomasse zu quantifizieren. Graves erklärt weiter: "Unsere Technologie kann bereits Pilzfäden in verdünnten Proben detektieren und die Biomasse der Pilze schätzen. Unser Ziel ist es, diese Technik in eine mobile roboterische Plattform zu integrieren, die es ermöglicht, Pilze im Boden zu detektieren. Das System wird Probenahme, Mikrofotografie und Analyse in einem einzigen Gerät vereinen. Wir hoffen, innerhalb der nächsten zwei Jahre ein voll funktionsfähiges, einsetzbares Gerät für Tests bereit zu haben." Das Projekt wird von Professor Saugata Datta, Direktor des Instituts für Wassersuchfragen, Nachhaltigkeit und Politik an der UTSA, geleitet. Die Details des Maschinelles Lernalgorithmus sollen in einem Peer-Review-Journal im Laufe des Jahres veröffentlicht werden. Brancheninterner Kommentar: Die Entwicklung dieser KI-gestützten Mikroskop-Technologie hat das Potenzial, Bodentests erheblich zu revolutionieren. Sie könnte dazu beitragen, die Kosten für umfassende Bodenanalisen zu senken und die Zugänglichkeit für kleinere Landwirte zu verbessern. UTSA ist bekannt für seine fortschrittlichen Forschungen im Bereich Umweltwissenschaften und technologische Innovationen, die sich direkt auf praktische Anwendungen in der Landwirtschaft und Umweltbewirtschaftung auswirken.