Aus einer vielversprechenden optischen Messidee wird nun eine datengetriebene Prüfkette für Saatgut. Das Ziel ist eine schnelle und berührungslose Bestimmung der Keimfähigkeit von Wintergetreide, zunächst mit einem Vorführgerät der technischen Reife vier. Gerade bei Winterweizen, Winterroggen, Wintergerste und Wintertriticale ist der Nutzen hoch, weil zwischen Ernte, Aufbereitung, Anerkennung und erneuter Aussaat oft nur wenig Zeit bleibt. Im Projekt ist SupraTix für Modellbildung, Datenverarbeitung, Auswertung, Sichtbarmachung der Ergebnisse und künstliche Intelligenz verantwortlich, während die Partner die optische Messtechnik, die Steuerung, die biologischen Bezugsversuche und die spätere Anwendung in der Saatgutprüfung einbringen.
Der derzeitige Stand lässt sich so beschreiben. Die Messseite hat bereits eine belastbare Richtung. Die gezeigten Aufnahmeeinstellungen mit hochauflösender Basler Kamera, einfarbiger Acht Bit Aufnahme, zwanzig Bildern je Sekunde und zwanzigtausend Mikrosekunden Belichtungszeit sind für SupraTix nicht nur Geräteangaben. Sie sind der Anfang einer verwertbaren Datensprache. Aus ihnen entstehen Regeln dafür, wie lange gemessen werden muss, welcher Ausschnitt wirklich zählt, wie stark die Beleuchtung schwanken darf und welche Bildbereiche für den Keimling, den Kornbauch und die Keimstelle getrennt ausgewertet werden müssen. Die jüngste Schalenzuordnung zeigt zugleich, warum saubere Datenpflege entscheidend ist. Bei Schale zwei muss eine Drehung um hundertachtzig Grad berücksichtigt werden, damit Deckel und Bild übereinstimmen. Danach sind die Körner eins, zwei und drei als keimend und die Körner vier, fünf und sechs als tot zu führen. Für ein Lernverfahren ist eine solche Korrektur kein Nebendetail, sondern die Grundlage jeder richtigen Vorhersage.
Damit verschiebt sich der Schwerpunkt von der reinen Bildaufnahme zur überprüfbaren Modellbildung. SupraTix muss aus vielen einzelnen Bildfolgen ein Rechenmodell ableiten, das nicht nur auf einem Versuch gut aussieht, sondern auch neue Saatgutpartien, neue Tage, neue Schalen und später neue Geräte verkraftet. Deshalb beginnt die Arbeit mit einer geordneten Datenkette. Jede Messung braucht ihre Herkunft, ihr Saatgutlos, ihre Schale, ihre Lage, ihre Aufnahmezeit, ihre Feuchtegeschichte, ihre Temperatur, ihre Bezugsprüfung und ihre endgültige biologische Bewertung. Danach werden aus den Bildfolgen Merkmale berechnet, etwa Aktivität, zeitliche Veränderung, Streuung, Steigung, Abweichung und Kontrast in genau festgelegten Auswertebereichen. Erst danach folgt das eigentliche Lernen. Zuerst sollten einfache und erklärbare Rechenverfahren geprüft werden, danach stärkere Entscheidungsverfahren und erst am Ende kompakte Bildfolgenmodelle. So bleibt nachvollziehbar, ob das Modell wirklich Keimfähigkeit erkennt oder nur Messfehler, Schalenlage, Beleuchtung oder Feuchteunterschiede wiedererkennt.
Die wissenschaftliche Grundlage dafür ist stark genug, aber sie verlangt Vorsicht. Schon die frühe Arbeit von Braga und Kollegen zeigte, dass dynamische Laser Speckle Muster als mögliche Methode zur Bewertung der Lebensfähigkeit von Samen dienen können und dass Wassergehalt und biologische Aktivität eng beachtet werden müssen. Spätere begutachtete Arbeiten zeigten Zusammenhänge zwischen Biospeckle Aktivität und Keimlingsqualität bei Kaffeesamen, zwischen Biospeckle Aktivität und Behandlungserfolg bei Saatgutvorbehandlung sowie zwischen hochfrequenter Aktivität und Keimfortschritt beziehungsweise Auswuchsschäden bei Weizen. Zugleich zeigen Übersichtsarbeiten, dass Biospeckle bei lebenden pflanzlichen Proben nicht eine einzige Ursache misst, sondern eine Mischung aus Wasserbewegung, Stoffwechsel, Zellaktivität, Wachstum und weiteren inneren Bewegungen. Genau deshalb ist die Aufgabe von SupraTix nicht nur eine Vorhersagezahl, sondern ein robuster, nachvollziehbarer und biologisch begründeter Modellweg.
Der nächste Schritt ist ein Ringversuch. Für SupraTix ist dieser Ringversuch nicht nur ein formaler Schritt in Richtung Anerkennung, sondern die härteste Prüfung für die Datenwissenschaft. Gleiche Saatgutlose müssen an mehreren Orten, mit festgelegter Probenbehandlung, festen Aufnahmevorgaben und gleichen Bezugsprüfungen gemessen werden. Die Auswertung muss dabei möglichst verdeckt erfolgen. Das Modell darf nicht zufällig Körner aus demselben Los in Lernen und Prüfung mischen, sondern muss laborweise, losweise und zeitweise getrennt geprüft werden. Nur dann erkennt man, ob das Verfahren allgemein trägt. Die bestehenden Unterlagen zur Saatgutprüfung zeigen, dass Keimfähigkeitsprüfungen nach festgelegten Regeln erfolgen, bei Weizen mit Vorkühlung, Keimrolle, zwanzig Grad, Beleuchtungszeit und definierter Auszählung normaler, anomaler und toter Keimlinge. Genau diese Ordnung muss in den Bio LSP Daten gespiegelt werden, damit der spätere Vergleich mit anerkannten Verfahren tragfähig ist.
Für den Modellaufbau bedeutet das einen klaren Arbeitsplan. Zunächst werden die vorhandenen Tabellen zu Korrelationen, Steigungen, Abweichungen und Kontrastwerten mit den Bildfolgen zusammengeführt. Dann wird für jedes Korn eine eindeutige Merkmalsakte erzeugt. Danach folgen drei Prüfziele. Das erste Ziel ist die Trennung lebender und toter Körner. Das zweite Ziel ist die Vorhersage der Keimfähigkeit als Anteil normaler Keimlinge. Das dritte Ziel ist die Erkennung auffälliger Körner, etwa anomaler oder geschädigter Samen. Die Projektunterlagen nennen dafür ausdrücklich die Ausgabe der Keimfähigkeit in Prozent sowie Aussagen über anomale und tote Samen, mit bis zu hundert Samen je Probe und einem hohen Probendurchsatz. SupraTix muss daraus ein Rechenverfahren machen, das schnell genug für das Gerät ist und dennoch seine Unsicherheit ausgibt. Eine Zahl ohne Vertrauensbereich wäre für die Saatgutprüfung zu schwach.
Die Geräteverkleinerung beginnt aus Sicht von SupraTix nicht bei der Gehäuseform, sondern bei der Datenmenge. Ein kleines Gerät wird nur möglich, wenn klar ist, welche Bildauflösung, welche Bildzahl, welcher Auswertebereich und welche Belichtungszeit wirklich nötig sind. Die aktuellen Messungen mit zwanzig Bildern je Sekunde und kurzer Belichtungszeit deuten darauf hin, dass ein späteres Gerät nicht zwingend eine große Laboranlage bleiben muss. Wenn das Modell lernt, dass wenige gut gewählte Bereiche und kurze Bildfolgen genügen, können Kamera, Optik, Lichtquelle und Recheneinheit verkleinert werden. Dann wird aus dem Laboraufbau ein geschlossenes Kleingerät mit fester Kornführung, sicherem Laserschutz, gleichbleibender Beleuchtung und eingebetteter Auswertung. Das Projekt sieht bereits hohe Messgeschwindigkeit, Messung ganzer Schalen, automatische Ausgabe und später kleinere Messfühler für rieselndes Saatgut als Verwertungsrichtung vor.
Der kritischste Punkt bleibt die Störanfälligkeit. Das Messsignal ist kein einfaches klares Signal, sondern ein zeitlich schwankendes Körnermuster. Es kann durch Feuchte, Oberflächenreflexe, Streulicht, Kornlage, Schalenmaterial, Temperatur und optische Eigenschaften des Mediums verändert werden. Genau hier liegt der Kernbeitrag von SupraTix. Das Modell muss Störungen erkennen, ausgleichen und bei unsicheren Messungen eine Warnung ausgeben. Begutachtete Arbeiten zu Lichtstärke, räumlicher Mittelung und Auswahl statistischer Kenngrößen zeigen, dass solche Einflüsse nicht ignoriert werden dürfen. Für ein späteres Prüfgerät muss daher jede Vorhersage mit einer Qualitätsprüfung der Aufnahme beginnen. Schlechte Bilder dürfen nicht still in eine Zahl verwandelt werden.
Der Projektstand ist damit vielversprechend, aber noch nicht abgeschlossen. Die biologische Frage ist klar. Die optische Messkette ist in Arbeit. Die ersten Daten zeigen trennbare Aktivitätsmuster. Die Rolle von SupraTix ist definiert. Jetzt entscheidet sich, ob aus Messbildern ein verlässliches, prüfbares und verkleinerbares Auswertesystem wird. Der nächste große Fortschritt entsteht nicht durch eine einzelne bessere Aufnahme, sondern durch saubere Daten, saubere Zuordnung, laborübergreifende Prüfung und ein Modell, das seine Grenzen kennt. Wenn dieser Schritt gelingt, kann Bio LSP mehr werden als ein Forschungsaufbau. Es kann zu einem neuen Werkzeug für schnelle Saatgutbewertung werden, erst im Labor, danach in der industriellen Prozesskette und später als kleines Messgerät für die Nähe zur landwirtschaftlichen Praxis.
Literatur
1. Braga, R. A. Jr, Dal Fabbro, I. M., Borem, F. M., Rabelo, G., Arizaga, R., Rabal, H. J. und Trivi, M. Assessment of Seed Viability by Laser Speckle Techniques. Biosystems Engineering 86, 287 bis 294 (2003).
2. Vivas, P. G., Resende, L. S., Braga, R. A. Jr, Guimarães, R. M., Azevedo, R., da Silva, E. A. A. und Toorop, P. E. Biospeckle activity in coffee seeds is associated non destructively with seedling quality. Annals of Applied Biology 170, 141 bis 149 (2017).
3. Singh, P., Chatterjee, A., Bhatia, V. und Prakash, S. Application of laser biospeckle analysis for assessment of seed priming treatments. Computers and Electronics in Agriculture 169, 105212 (2020).
4. Sutton, D. B. und Punja, Z. K. Investigating biospeckle laser analysis as a diagnostic method to assess sprouting damage in wheat seeds. Computers and Electronics in Agriculture 141, 238 bis 247 (2017).
5. Zdunek, A., Adamiak, A., Pieczywek, P. M. und Kurenda, A. The biospeckle method for the investigation of agricultural crops. A review. Optics and Lasers in Engineering 52, 276 bis 285 (2014).
6. Schott, C., Steingroewer, J., Bley, T., Cikalova, U. und Bendjus, B. Biospeckle characterization of hairy root cultures using laser speckle photometry. Engineering in Life Sciences 20, 287 bis 297 (2020).
7. Reis, R. O., Rabal, H. J. und Braga, R. A. Light intensity independence during dynamic laser speckle analysis. Optics Communications 366, 185 bis 193 (2016).
8. Thompson, O., Andrews, M. und Hirst, E. Correction for spatial averaging in laser speckle contrast analysis. Biomedical Optics Express 2, 1021 bis 1029 (2011).
