Vinepredict - AI-Driven Powdery and Downy Mildew Forecasting Models

Ziel unseres Projekts ist es, Modelle künstlicher neuronaler Netze, d. h. Sequenzmodelle, zu trainieren, um den Falschen und den Echten Mehltau anhand von bereits vorhandenen (5 Jahre) und neu erhobenen Trainingsdaten vorherzusagen, die standortspezifische Unterschiede beim Auftreten von Krankheiten aufweisen. Unser Forschungsansatz berücksichtigt nicht nur Wetterparameter, sondern auch die Entwicklung der Reben und die Vegetationsdecke. Die Anfälligkeit für beide Krankheiten ändert sich im Laufe der Entwicklung der Reben. Die Ergebnisse der Modelle können den Winzern wertvolle Informationen darüber liefern, wann sie Fungizide einsetzen sollten, um so deren Einsatz zu verringern.