CASE STUDY

Branche: Landwirtschaft
Produkt: Phoenix PHX051S-CC Kamera
Anwendung: KI-gestützte Unkrauterkennung und -bekämpfung
SDK: Eigene Software auf Basis von LUCIDs API

KI-basierte Präzisions-Unkrautbekämpfung in der Landwirtschaft mit Phoenix-Kameras von LUCID

Die moderne Landwirtschaft steht zunehmend unter Druck, Produktivität und Nachhaltigkeit in Einklang zu bringen. Eine der größten Herausforderungen bleibt dabei die effektive Unkrautbekämpfung – sie ist entscheidend für stabile Erträge, erfolgt aber häufig durch flächendeckenden Herbizideinsatz. Diese Methode behandelt das gesamte Feld – unabhängig davon, ob sich dort überhaupt Unkraut befindet. Die Folgen sind ein übermäßiger Chemikalieneinsatz, hohe Kosten und Umweltbelastung. Außerdem wird die Herbizidresistenz gefördert, was die Pflanzengesundheit und die Erträge langfristig beeinträchtigen kann.

Herausforderung

Um diese Probleme zu lösen, setzen Landwirte zunehmend auf automatisierte und intelligente Technologien. Ein Unternehmen, das hier führend ist, ist Dimensions Agri Technologies (DAT) mit Sitz in Norwegen. DAT hat ein Machine-Vision-basiertes System zur gezielten Unkrautbehandlung entwickelt, das den Herbizideinsatz um bis zu 90 % reduziert – bei gleichzeitig höherer Effizienz und Nachhaltigkeit.

Bei der Entwicklung dieser Lösung musste DAT mehrere technische Herausforderungen meistern:

  • Integration in landwirtschaftliche Maschinen: Kompatibilität mit dem ISOBUS-Protokoll über unterschiedliche Marken und Gerätegenerationen hinweg.
  • Robuste Hardware: Zuverlässige Funktion in anspruchsvollen landwirtschaftlichen Umgebungen mit Staub, Vibration und Witterungseinflüssen.
  • KI-Erkennungsgenauigkeit: Sichere Unterscheidung zwischen Nutzpflanzen und Unkraut bei unterschiedlichen Feldbedingungen und Regionen.
Phoenix Camera used in automated agriculture weed spray

DAT hat eine KI-basierte Vision-Lösung entwickelt, die Unkraut in Echtzeit erkennt und sofort gezielt besprüht – mit bis zu 90 % weniger Herbizideinsatz.

Lösung

Für sein Erkennungssystem setzte DAT auf die Phoenix PHX051S-CC 5,0 MP Kamera von LUCID mit dem Sony IMX568-Sensor. Die kompakte Board-Level-Kamera bietet genau die Bildqualität, Geschwindigkeit und Flexibilität, die für eine hochpräzise Unkrauterkennung im Feld benötigt wird.

LUCIDのPhoenixカメラで実現する、AIを活用した農業向け精密雑草防除
Phoenix Compact GigE Camera Module

Die modular aufgebaute Phoenix-Kameraserie mit GigE und Power over Ethernet (PoE) bietet verschiedene Formfaktoren, Objektivanschlüsse, Schnittstellen und Sensortypen – ideal für kompakte und anpassbare OEM-Integrationen.

Zentrale Merkmale der Lösung:

  • Hochgeschwindigkeits-Bildgebung mit hoher Detailtreue für KI-basierte Unkrauterkennung in Echtzeit
  • Zuverlässiger Betrieb im Feld, geschützt durch ein robustes Gehäuse von DAT mit integriertem LED-Flash
  • Nahtlose Softwareintegration, dank DATs eigener Softwarelösung auf Basis der LUCID API
  • Umfassende ISOBUS-Kompatibilität, für einfachen Plug-and-Play-Einsatz mit bestehender Landtechnik
Agritech AI-Driven Weed Control with Phoenix GigE Cameras

Das System kann direkt an vorhandene Spritzgestänge montiert werden. Mehrere Kamerasensoren sind entlang des Auslegers verteilt. Ein zentrales Steuergerät analysiert die Bilder in Echtzeit und entscheidet anhand individuell anpassbarer Schwellenwerte, ob ein Sprühvorgang notwendig ist.

Sehen Sie sich das Video des DAT EcoPatch-Systems im Einsatz an.

Fazit

Durch die Integration der LUCID Phoenix Kamera in sein KI-gestütztes Sensorsystem hat DAT eine skalierbare und praxisgerechte Lösung für die präzise Unkrautbekämpfung geschaffen. Landwirte profitieren von bis zu 90 % weniger Herbizideinsatz, niedrigeren Betriebskosten und gesünderen Kulturen.

Das Ergebnis: bessere Ernteerträge, geringere Umweltbelastung und fundierte Erkenntnisse für eine nachhaltige Betriebsführung – auf Basis datengetriebener Entscheidungen.

Dank der Kompatibilität mit bestehender Technik lässt sich das System schnell und einfach in den Betrieb integrieren – ein praxisnaher Schritt in Richtung smarte und nachhaltige Landwirtschaft.