Evaluation des Einflusses von UV-C Strahlung auf die Pathogenresistenz von Gräsern mittels KI-basierter Auswertung von hyperspektralen Sensordaten
- Beschreibung
Die Wirkung von UV-C Strahlung zur Pathogenresistenzsteigerung bei Gräsern konnte in einem noch laufenden Projekt nachgewiesen werden. Hierzu waren allerdings molekulare Nachweismethoden erforderlich, welche mit entsprechenden Laboruntersuchungen einhergingen. Hyperspektrale Sensordaten könnten – unter Einsatz von KI-basierter Datenanalyse – eine Alternative zur Evaluierung der Wirksamkeit von UV-C Strahlung darstellen.
Innerhalb des Projekts werden Gräser-Proben mittels UV-C Strahlung behandelt und mittels entsprechenden Pathogenen inokuliert. Die Auswirkung der UV-C Behandlung auf den Krankheitsverlauf im Vergleich zu unbehandelten Proben wird dann in Zeitreihenmessungen mittels hyperspektraler Sensoren dokumentiert. Anschließend wird der so entstandene Datensatz mittels Einsatzes von KI-basierten Datenanalysemethoden bearbeitet um eine möglichst automatisierte Erkennung der Befallsstärke der verschiedenen Proben zu erreichen.
Weiterhin wird während des Projekts auch untersucht ob die Applikation von UV-C Strahlung einen mittels hyperspektraler Sensoren messbaren Einfluss auf den Metabolismus der Pflanzen hat.
- Projektzeitraum
- Sommersemester 2024
- Bewerbungszeitraum
- 01. bis 14.04.2024
- Durchführung
- semesterbegleitend
- Details zu Projektzeitraum und Durchführung
Das Projekt kann zeitlich flexibel über den Verlauf des Semesters hinweg durchgeführt werden. Anzucht der Pflanzen, Inokulation mit Pathogenen und Datenanalyse sind nicht in feste Zeiträume gebunden.
Die einzigen festen Zeiten sind die der Messreihen der inokulierten Pflanzen, welche täglich über einen Zeitraum von etwa zwei bis drei Wochen durchgeführt werden müssen.
- Studienfach
- offen für alle Studienfächer
- Betreuende
- Dr. Stefan Thomas
- Institut
- Institut für Phytomedizin (360) (Phytopathologie)
- Sprache
- deutsch/englisch
- Teilnehmendenanzahl
- min. 1, max. 1
- Arbeitsaufwand
-
ca. 180 Stunden pro Teilnehmende:r
| 6
ECTS-Punkte
Arbeitsaufwand (Stunden und ggf. ECTS) sind ungefähre Angaben. Die tatsächlich vergebenen ECTS-Punkte ergeben sich aus der tatsächlich geleisteten Arbeit.
- Für dieses Projekt ist kein Motivationsschreiben des Studierenden erforderlich
- Projektart
- experimentell
- Lernziele
-
Die Teilnehmende lernen in diesem Projekt:
Innerhalb des Projekts erweben die Studierenden Kenntnisse von Pflanzenanzucht, Gewächshausversuchen, Priming durch UV-C Behandlung, Pathogeninokulation, hyperspektraler Sensormessungen, sowie Analyse von Bilddaten mittels Machine Learning.
- Anmerkungen für Studierende
- Schlagworte
- Pflanzen, Datenanalyse, Spektroskopie