Künstliche Intelligenz als Retter für Stadtbäume
Stadtbäume sind wichtig für nachhaltige urbane Ökosysteme. Es ist jedoch aufwendig, die Gesundheit der Pflanzen zu überwachen. Ein KI-System namens „Plant Doctor“ könnte die Lösung sein. Es diagnostiziert den Zustand von Stadtbäumen anhand von Videos und ermöglicht eine effiziente Analyse.
Stadtbäume zu hegen und zu pflegen ist aufwendig. KI kann Abhilfe schaffen.
Foto: PantherMedia / Wasin Pummarin
Grüne Oasen inmitten von Beton und Asphalt – Stadtbäume und -pflanzen prägen nicht nur optisch urbane Räume, sondern erfüllen wichtige Funktionen. Sie fungieren als natürliche Luftfilter, verringern die Hitzebelastung in städtischen Betonschluchten und bieten Orte der Entspannung für die Bewohnerinnen und Bewohner. Darüber hinaus tragen Stadtbäume sogar zur Wertsteigerung von Immobilien bei. Die pflanzlichen Mitbewohner unterstützen das Wohlbefinden der Menschen und sind ein unverzichtbarer Teil nachhaltiger Stadtökosysteme. Aber: Das Leben in der Stadt birgt zahlreiche Gefahren für die grünen Oasen. Schädlinge, Krankheiten und die Auswirkungen des Klimawandels setzen ihnen zu. Um ihr gesundes Gedeihen zu sichern, ist eine kontinuierliche Überwachung notwendig.
Anmelden für das kostenfreie Webinar: Städte als Hitzefalle – Wie lokale Kaltluft das urbane Klima verbessern kann
Bisher war eine solche Kontrolle ein personalintensiver und aufwendiger Prozess, der sowohl Fachwissen im Bereich der Botanik als auch Ressourcen erforderte. Mit dem stetigen Wachstum der Städte und auch mit der zunehmenden Komplexität urbaner Siedlungen wird es immer schwieriger, die Pflanzengesundheit im Blick zu behalten. Könnte der Einsatz von Künstlicher Intelligenz (KI) der Schlüssel sein, um diese Herausforderung zu meistern? Ein Forschungsteam unter der Leitung von Shinjiro Umezu vom Department of Life Science and Medical Bioscience der Waseda University und Kaori Shiojiri von der Faculty of Agriculture der Ryukoku University hat sich dieser Frage angenommen und eine neuartige KI-basierte Lösung entwickelt, um die Pflanzengesundheit zu überwachen.
Plant Doctor: KI-gestützte Diagnose für Stadtbäume
Das Ergebnis ihrer Studie, die im Februar 2025 online in der Fachzeitschrift „Measurement“ veröffentlicht wurde und am 31. Mai 2025 in Band 249 erscheinen wird, ist „Plant Doctor“. Dabei handelt es sich um ein hybrides KI-System, das in der Lage ist, den Gesundheitszustand von Stadtbäumen anhand von Videomaterial einzuordnen, das mit normalen Kameras aufgenommen wurde. Erstautor Marc Josep Montagut Marques erläutert die Beweggründe hinter der Entwicklung: „Bildverarbeitungstechniken wie die Segmentierung haben sich im medizinischen Bereich bereits als äußerst effektiv erwiesen. Unser Ziel war es, diese Technologie auf andere Bereiche wie die Pflanzengesundheit zu übertragen.“ Plant Doctor kombiniert zwei neuartige Algorithmen für maschinelles Sehen – YOLOv8 und DeepSORT – um einzelne Blätter in den Videobildern zu erkennen und deren Entwicklung zu verfolgen.
Die Algorithmen helfen dabei, aus der Menge der Aufnahmen nur qualitativ hochwertige Bilder für die weitere Analyse auszuwählen. Im nächsten Schritt segmentiert ein dritter Algorithmus namens DeepLabV3Plus die ausgewählten Bilder detailgenau durch, um Schäden an den Blättern einzuschätzen. Auf diese Weise ist das System in der Lage, erkrankte Bereiche auf einzelnen Blättern, wie beispielsweise Flecken, die durch Bakterien, Schädlinge oder Pilzbefall verursacht wurden, selbstständig zu erkennen. Ein Vorteil von Plant Doctor liegt darin, dass er zu einem sehr gut skalierbar ist, sich also an steigende Anforderungen anpassen kann. Zu anderen ist das System wirtschaftlich lohnend. Plant Doctor kann Videomaterial verarbeiten, das von Kameras aufgezeichnet wurde, die nicht nur an Drohnen, sondern auch an städtischen Fahrzeugen wie Müllwagen angebracht sind. So verwandeln sich routinemäßige Fahrten in beste Gelegenheiten, neue Daten zu erfassen. Weitere Investitionen in zusätzliche Ressourcen sind nicht nötig.
Schonende Analyse für Stadtbäume durch Plant Doctor
Ein weiterer Pluspunkt besteht darin, dass die Methode die Pflanzen nicht belastet, da die Analyse ausschließlich anhand von Bildmaterial erfolgt und keine Proben von Ästen oder Blättern notwendig sind. Marques betont: „Wir haben Botanikerinnen und Botanikern ein Werkzeug an die Hand gegeben, mit dem sie den Gesundheitszustand von Pflanzen ganzheitlich beurteilen können, ohne invasive Probenentnahmen durchführen und dabei die Pflanzen beschädigen zu müssen.“ Das Forschungsteam machte mit dem neuen System einem Praxistest, bei dem es Aufnahmen von Stadtbäumen und -pflanzen in Tokio analysierte. Die Ergebnisse waren durchweg positiv und die Diagnosen des Blattzustands der verschiedenen Pflanzen waren bemerkenswert präzise.
Da Plant Doctor Daten zur Pflanzengesundheit mit genauen Standortinformationen verknüpft, eröffnet er sowohl die Möglichkeit einer mikroskopischen Analyse einzelner Pflanzen als auch einen makroskopischen Blick auf Krankheitsmuster in bestimmten Gebieten. Interessant ist, dass sich Plant Doctor nicht nur in urbanen Bereichen anwenden lässt, sondern auch an die Bedürfnisse der Landwirtschaft angepasst werden könnte. Landwirtinnen und Landwirte könnten mithilfe dieser Technologie den Gesundheitszustand ihrer Nutzpflanzen überwachen und Krankheiten frühzeitig erkennen, bevor sie sich großflächig ausbreiten.
Plant Doctor: Ein Meilenstein für gesunde Stadtbäume?
Die von den Forscherinnen und Forschern entwickelte Technologie bietet eine gute Alternative, um die Gesundheit von Stadtbäumen und Pflanzen nachhaltig zu überwachen. Sie entlastet Botanikerinnen und Botaniker von zeitaufwendigen Routinekontrollen und ermöglicht es ihnen, sich verstärkt auf Aktionen zum Schutz des urbanen Grüns zu konzentrieren. Plant Doctor könnte somit zu einem Instrument werden, um die Vitalität von Bäumen und Pflanzen in den Städten langfristig zu sichern. Die Symbiose aus Künstlicher Intelligenz und Botanik eröffnet spannende Perspektiven für den Erhalt und die Förderung des Grüns in einer zunehmend urbanisierten Welt.
Ein Beitrag von:
