In dem Vorhaben sollen die Bedingungen für das epidemische Auftreten der Antraknose an Kulturheidelbeeren (Vaccinium corymbosum) erforscht und damit Grundlagen für eine wirkungsvolle, ökonomisch tragbare und ökologisch vertretbare Bekämpfung geschaffen werden. Zur eindeutigen Identifizierung des Pathogens/der Pathogene werden serologische Verfahren (C.acutatum-spezifischer ELISA) eingesetzt und auf Nukleinsäurenachweis basierende Verfahren (PCR) entwickelt. Die Epidemiologie der Anthraknose wird in Ertragsanlagen unter Erfassung von Witterungsbedingungen (Temperatur-, Luftfeuchte-, Niederschlags-, Windgeschwindigkeits- und Blattnässewerte) untersucht. Während der Vegetationsperiode (April-September) wird die Ausbreitung des Pilzes durch Sporen in Sporen- und Flaschenfallen erfasst und die räumliche Verteilung der Krankheit bestimmt. Durch wöchentliche Stichprobennahme werden die latenten Anthraknoseinfektionen an unreifen und reifen Früchten verfolgt, um Infektionsperioden bzw. Infektionshöhepunkte zu ermitteln. Ein Modell zur Prognose von Infektionsperioden soll erstellt werden, welches für die integrierte Bekämpfung der Anthraknose von Bedeutung sein kann.
Reitrouten sind in der Regel Streckenführungen auf öffentlichen Verkehrsflächen, privaten Straßen und Fahrwegen sowie auf den nach den Vorschriften der Straßenverkehrsordnung gekennzeichneten Reitwegen, auf denen zum Zweck der Erholung geritten werden kann. Die Streckenführung kann in der Örtlichkeit beschildert oder nur auf Reitroutenkarten oder in digitalen Medien veröffentlicht sein.
In Waldflächen, die in besonderem Maße für Erholungszwecke genutzt werden, können die Kreise und kreisfreien Städte durch Allgemeinverfügung im Einvernehmen mit der Forstbehörde und nach Anhörung der betroffenen Gemeinden und Waldbesitzer- und Reiterverbände das Reiten im Wald auf die nach den Vorschriften der Straßenverkehrsordnung gekennzeichneten Reitwege beschränken. Innerhalb dieser Waldgebiete darf nur auf gekennzeichneten Reitwegen geritten werden.
Reitwege sind nach den Vorschriften der Straßenverkehrsordnung gekennzeichnete Wege, auf denen nur geritten werden darf.
Das Projekt KI-RAM liefert Beiträge zur Reduzierung von verkehrsbedingten Mikroplastikemissionen durch Reifenabrieb. Ein auf Abrieb fokussierter Digitaler Zwilling von Nutzfahrzeugreifen wird erstellt. Mittels KI-basierter Analyse von Inline-Abriebsensor-Daten werden Haupteinflussfaktoren identifiziert, Restlaufzeitprognosen & ein Reifenranking realisiert, sowie Strategien zur Abriebvermeidung erarbeitet. Für DENKweit bestehen die folgenden wissenschaftlich-technischen Teilziele: Es soll ein Trainings- und Referenzdatensatz von Thermographieaufnahmen an Reifen aufgebaut werden, der als Grundlage für die Entwicklung von KI-basierten Auswertemethoden dient. Für die KI-basierte Analyse der IR-Reifendaten sollen verschiedene Netzarchitekturen hinsichtlich ihres Klassifizierungserfolges entwickelt und verglichen werden. Dazu gehören Objektdetektionsnetzwerke, Klassifizierungsnetzwerke und Anomaliedetektionsnetzwerke. Der Klassifizierungserfolg der einzelnen Architekturen als auch von Kombinationen der Netzwerke soll untersucht werden. Nachgeschaltet zu den neuronalen Netzwerken sind die gefundenen spezifischen Merkmale hinsichtlich Eigenschaften wie Fläche oder Temperaturbereich zu kategorisieren und gegebenenfalls in Defektkategorien einzuteilen. Die neuronalen Netze sollen so erweitert werden, dass externe Daten wie Abriebindikatoren beim Training berücksichtigt werden können. Das bezieht sich zum einen auf das Training der neuronalen Netze, zum anderen auf die nachgelagerte Verarbeitung der Netzergebnisse, um auch hier Wechselwirkungen mit den zusätzlichen Daten zu ermöglichen und statistische Auswertungen (Korrelationsanalysen, etc.) betreiben zu können. Experimentelle Validierung der Netze mit Messdaten des Abriebsensors erlauben es, die durch die KI ausgewerteten IR-Daten mit und ohne Kombination mit den Daten des Abriebsensors Aussagen über Haupteinflussfaktoren, Restlaufzeiten zutreffen und ein Reifenranking vorzunehmen.