Geben Sie einen Suchbegriff ein
oder nutzen Sie einen Webcode aus dem Magazin.

Geben Sie einen Begriff oder Webcode ein und klicken Sie auf Suchen.
Künstliche Intelligenz

Blütenpollen effizient bestimmen

Die Analyse von Blütenpollen spielt beispielsweise beim Verstehen klimabedingter Veränderungen von Pflanzen-Bestäuber-Interaktionen eine wichtige Rolle. Bislang wurden die Pollen meist mithilfe der Mikroskopie bestimmt. Nun hat ein interdisziplinäres Forscherteam des Helmholtz-Zentrums für Umweltforschung (UFZ) gemeinsam mit dem Deutschen Zentrum für integrative Biodiversitätsforschung (iDiv) und der TU Ilmenau ein Verfahren entwickelt, mit dem die Pollenanalyse automatisiert werden kann.
Veröffentlicht am
Dieser Artikel ist in der erschienen.
PDF herunterladen
Mittels bildbasierter Partikelanalyse lassen sich mikroskopische Aufnahmen von Pollen gewinnen, die für Bestäuber wichtig sind.
Mittels bildbasierter Partikelanalyse lassen sich mikroskopische Aufnahmen von Pollen gewinnen, die für Bestäuber wichtig sind.Susanne Dunker
Artikel teilen:

Pollenkörner haben eine für die jeweilige Pflanzenart charakteristische Form, Oberflächenstruktur und Größe. Um die zwischen 10 und 180 Mikrometer großen Pollenkörner einer Probe zu bestimmen und zu zählen, galt bislang die Mikroskopie als Goldstandard. Die Arbeit am Mikroskop erfordert jedoch eine große Expertise und ist sehr zeitaufwendig. In ihrer aktuellen Studie hat das Forscherteam um Susanne Dunker ein neuartiges Automatisierungsverfahren für die Pollenanalyse entwickelt. Dafür kombinierte es den Hochdurchsatz der bildbasierten Durchflusszytometrie, ein Verfahren der Partikelanalyse, mit einer Form der künstlichen Intelligenz (KI), dem sogenannten Deep Learning – und entwarf damit ein hocheffizientes Analyse-Tool, das neben der exakten Artbestimmung auch eine Quantifizierung der in einer Probe enthaltenen Pollenkörner möglich macht und gleichzeitig das Analyseverfahren erheblich beschleunigt.

Erste Untersuchungen im Rahmen der Studie bewiesen eine sehr hohe Genauigkeit der KI-basierten Identifizierung. 96 % der Pollen konnten richtig bestimmt werden, darunter auch Arten, die selbst für Experten unter dem Mikroskop schwer zu unterscheiden sind. Ziel des Forscherteams ist nun, die Pollendatenbank auf mindestens 500 Arten zu erweitern, um so umfangreiche Rückschlüsse auf Pflanzen-Bestäuber-Interaktionen möglich zu machen.

Die gesamte Studie wurde im Fachmagazin „New Phytologist“ veröffentlich. Über Webcode NuL4196 gelangen Sie zum Download.

0 Kommentare
Was denken Sie? Artikel kommentieren

Zu diesem Artikel liegen noch keine Kommentare vor.
Schreiben Sie den ersten Kommentar.

Artikel kommentieren
Was denken Sie? Artikel kommentieren