29. September 2025
Fruchtfliegen (Bractocera spp.) im Obstanbau und der Herbst-Heerwurm (Spodoptera frugiperda) im Maisfeld verursachen jährlich erhebliche Ernteschäden. Ein internationales Forschungsteam, an dem das Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) beteiligt ist, hat nun ein System entwickelt, das diese Schadinsekten automatisch und in Echtzeit erkennt – mithilfe von sogenannten intelligenten Fallen. Veröffentlicht wurden die Ergebnisse im Fachjournal Scientific Reports. Es handelt sich dabei um eine neue Technologie, die mit Kameras, Sensoren, einer Solarstromversorgung sowie künstlicher Intelligenz ausgestattet ist. Die Fallen kombinieren Lockstoffe mit Echtzeit-Bilderkennung: Sobald ein Insekt eingefangen wird, nimmt die Kamera ein Bild auf, das zur Analyse an einen Server übertragen wird. Dort identifiziert ein speziell trainiertes KI-Modell („Yolo-pest“) die Art des Insekts – mit 94 Prozent Genauigkeit.
Das Forschungsteam testete die Geräte unter realen Bedingungen in Mango-Plantagen und Maisfeldern in der Provinz Punjab in Pakistan. Selbst bei Staub, Hitze oder instabiler Internetverbindung blieben die Systeme zuverlässig. Neben Bildern erheben die Fallen auch Wetterdaten wie Temperatur und Luftfeuchtigkeit – beides wichtige Faktoren für das Verhalten von Schadinsekten.
Die gesammelten Informationen werden automatisch an eine zentrale Datenbank gesendet. Über eine begleitende Smartphone-App erhalten Landwirtinnen und Landwirte direkte Hinweise, wo und wann Schädlingsdruck auftritt. Das spart Zeit, reduziert den Aufwand für Kontrollgänge – und ermöglicht frühzeitiges, gezieltes Eingreifen.
Die Hardware für die intelligenten Fallen wurde maßgeblich in Pakistan entwickelt und gefertigt – insbesondere durch Partner an der MNS-University of Agriculture in Multan und der Cholistan University of Veterinary and Animal Sciences. Das KI-Modell zur Insektenbestimmung („Yolo-pest“) entstand in enger Zusammenarbeit von Forschenden der Universität Bonn und des ZALF. „Die Intelligente Falle funktioniert wie ein digitales Überwachungssystem direkt im Feld. Während der praktischen Versuche in Pakistan erkannte sie sowohl Fruchtfliegen im Mangoanbau als auch Herbst-Heerwürmer im Mais mit einer hohen Genauigkeit, ganz ohne manuelle Kontrolle“, sagt
Dr. Amit Kumar Srivastava vom ZALF, Mitautor der Studie.
Weniger Chemieeinsatz – mehr Effizienz im Pflanzenschutz
Ein großer Vorteil der Smart Traps ist ihr Potenzial zur Reduktion von Pflanzenschutzmitteln. Die Fallen helfen, genau festzustellen, wo sich Schädlingsherde befinden. So können Pflanzenschutzmittel gezielt an den betroffenen Stellen angewandt werden. Das verringert den Einsatz von Insektiziden deutlich, schützt Nützlinge, reduziert Rückstände auf Lebensmitteln und hilft dabei, Böden und Wasser zu schonen.
Die neue Technik ist robust, da die visuelle Artenerkennung auch unter schwierigen Umweltbedingungen funktioniert. Gerade in Gegenden mit hoher Hitze, Staub, starker Sonneneinstrahlung oder schlechter Internetverbindung, wie sie etwa in vielen tropischen und subtropischen Regionen vorkommen, ist diese Widerstandsfähigkeit ein großer Vorteil. Sie macht das System besonders attraktiv für landwirtschaftliche Betriebe in Ländern mit begrenzter Infrastruktur, die bisher kaum Zugang zu digitaler Schädlingsüberwachung hatten.
Was folgt?
Die Forschenden planen, das System künftig auf weitere fliegende Insektenarten auszuweiten und auch an anderen Ackerpflanzen zu testen. Für bodenlebende Insekten ist der derzeitige Aufbau der Falle nicht einsetzbar. Zudem ist die Technologie auf Schadinsekten begrenzt, die sich von verfügbaren Lockstoffen anziehen lassen. Trotz dieser Einschränkungen könnten die Intelligenten Fallen ein fester Bestandteil moderner, nachhaltiger Pflanzenschutzstrategien werden – gerade in Zeiten des Klimawandels, einer zunehmend unvorhersehbaren Schädlingsausbreitung und wachsender Anforderungen an die Lebensmittelsicherheit.
Projektpartner:
- MNS-University of Agriculture, Multan, Pakistan
- Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF), Deutschland
- Universität Bonn, Deutschland
- University of Florida, USA
- Universität Göttingen, Deutschland
- University of Georgia, USA
- Cholistan University of Veterinary and Animal Sciences, Bahawalpur, Pakistan
Förderhinweis:
Die Veröffentlichung wurde im Rahmen des Projekts DEAL Open Access veröffentlicht.
Weitere Informationen:
https://www.nature.com/articles/s41598-025-97825-3#Fun
Hinweis zum Text:
Dies ist eine mit Hilfe von Künstlicher Intelligenz erstellte Zusammenfassung des Originaltextes:
Hakim, Ayesha; Srivastava, Amit Kumar; Hamza, Ali; Owais, Muhammad; Habib-ur-Rahman, Muhammad; Qadri, Salman; Qayyum, Mirza Abdul; Ahmad Khan, Fawad Zafar; Mahmood, Muhammad Tariq; Gaiser, Thomas (2025): Yolo-pest: an optimized YoloV8x for detection of small insect pests using smart traps, in: Scientific Reports, 15:14029. Veröffentlicht Open Access unter der Lizenz CC BY 4.0.
Der Text wurde unter den Gesichtspunkten der KI-Regelungen am ZALF sorgfältig überprüft und überarbeitet.
