Ein Samenlabor zaehlt 400 Proben pro Tag, je 100 Samen. Das sind 40.000 Samen, die von Hand gezaehlt werden. KI schafft ein Tablett in Sekunden.
Samenzaehlung und Keimungstests sind taegliche Engpaesse in Zuechtungsprogrammen, Qualitaetskontrolllaboren und kommerziellen Gaertnereien. Internationale Saatgutpruefungsstandards verlangen genaue Zaehlungen von 400 Samen pro Probe fuer Keimungstests, und Zuechtungsprogramme verarbeiten Tausende von Proben pro Saison. Manuelles Zaehlen ist der Standard, und es ist genau so muehsam wie es klingt. KI-Fotoanalyse erledigt dieselbe Aufgabe jetzt in einem Bruchteil der Zeit, mit einer Genauigkeit ueber 95%.
Der Engpass des manuellen Zaehlens
Manuelles Samenzaehlen ist langsam, repetitiv und ueberraschend fehleranfaellig fuer etwas, das einfach erscheint.
Ein Standard-Keimungstest erfordert das Zaehlen von 400 Samen in Gruppen von 100, das Platzieren auf feuchtem Substrat und die taegliche Ueberwachung auf Keimlinge. Ein Qualitaetslabor, das 200 bis 400 Proben pro Tag verarbeitet, handhabt 80.000 bis 160.000 einzelne Samen - alle von Hand gezaehlt. Zuechtungsprogramme sind noch anspruchsvoller: Sie bewerten Tausende von Kreuzbestaeubungsergebnissen pro Saison, wobei jedes praezise Samenzaehlungen fuer Ertragsberechnungen erfordert.
Die Fehler sind nicht dramatisch, aber sie haeufen sich. Ein Techniker, der Samen aehnlicher Farbe auf einem weissen Tablett zaehlt, verliert nach der ersten Stunde an Genauigkeit. Kleine Samen wie Salat oder Tabak sind schwer von Rueckstaenden zu unterscheiden. Und die Keimungsueberwachung - taegliches Ueberpruefen der Tabletts, um festzuhalten, welche Samen gekeimt haben - vervielfacht den Beobachtungsaufwand fuer jede Probe ueber 7 bis 14 Tage.
Wie KI-Samenzaehlung funktioniert
Der Ablauf ist einfach: Samen auf einer kontrastierenden Oberflaeche verteilen, von oben fotografieren und die KI jede einzelne Samen erkennen und zaehlen lassen.
Bildverarbeitungsmethoden funktionieren, indem sie samenfoermige Objekte vor dem Hintergrund erkennen, beruehrende Samen durch Watershed-Algorithmen trennen und eine Gesamtzahl zurueckgeben. Deep-Learning-Ansaetze gehen weiter: Sie lernen, Samen von Rueckstaenden zu unterscheiden, bewaeltigen teilweise Ueberlappungen und identifizieren Samen verschiedener Groessen im selben Bild. Das SoyCountNet-Framework (2026) erreicht einen mittleren absoluten Fehler von 4,61 und ein R-Quadrat von 0,94 fuer Sojabohnensamen unter Feldbedingungen.
Die Verarbeitungsgeschwindigkeit ist der deutlichste Vorteil. Deep-Learning-Modelle zaehlen ein Tablett Samen in nur 0,33 Sekunden pro Bild. Selbst mit Bildaufnahme- und Hochladezeit dauert der gesamte Ablauf weniger als 10 Sekunden pro Probe - verglichen mit mehreren Minuten von Hand.
Keimungsueberwachung mit KI
Samen zaehlen ist nur die halbe Arbeit. Keimungstests erfordern taegliche Beobachtung, welche Samen gekeimt haben und welche nicht. KI automatisiert auch das.
Die SeedRuler-Plattform (2025) kombiniert traditionelle Bildverarbeitung mit YOLOv5-Deep-Learning-Erkennung, um die Reissamenkeimung anhand von Fotografien zu bewerten. Sie erreicht eine mittlere durchschnittliche Praezision von 95,5% und verarbeitet ein Keimungstablett in unter 30 Sekunden. Das System klassifiziert Samen als gekeimt oder ungekeimt basierend auf dem sichtbaren Austritt der Keimwurzel und berechnet dann automatisch die Keimrate.
Zeitraffer-Aufbauten gehen noch weiter: Eine fest installierte Kamera fotografiert jedes Tablett in geplanten Intervallen, und die KI verfolgt den Keimungsfortschritt ueber Tage ohne jegliche menschliche Beobachtung. Der Labortechniker bereitet die Tabletts vor, startet die Kamera und prueft die Ergebnisse am Ende.
400 Samen von Hand zaehlen. Auf Substrat platzieren. Jedes Tablett taeglich 7 bis 14 Tage pruefen. Gekeimte vs. ungekeimte erfassen. Rate berechnen. Ein Techniker bearbeitet 30 bis 50 Tabletts pro Tag.
Tablett fotografieren. KI zaehlt die Gesamtmenge und klassifiziert gekeimte vs. ungekeimte. Keimrate wird in Sekunden berechnet. Der Zeitraffermodus ueberwacht automatisch.
Kulturen und Samentypen
KI-Samenzaehlung funktioniert am besten mit gut getrennten Samen auf einem kontrastierenden Hintergrund. Die Genauigkeit variiert je nach Samentyp.
- Grosse Samen (Mais, Sojabohnen, Bohnen): 97 bis 99% Genauigkeit. Einfach zu trennen und zu erkennen
- Mittlere Samen (Reis, Weizen, Sonnenblume): 95 bis 97% Genauigkeit. Die SeedRuler-Plattform wurde speziell fuer Reis entwickelt
- Kleine Samen (Salat, Karotte, Tabak): 90 bis 95% Genauigkeit. Erfordert hoeher aufgeloeste Fotos und sorgfaeltige Trennung
- Sehr kleine Samen (Petunie, Begonie): herausfordernd. Samen koennen kleiner als einzelne Pixel bei der Aufloesung einer Handykamera sein
Keimlingszaehlung im Feld
Ueber das Labor hinaus zaehlt KI auch aufgelaufene Keimlinge im Feld. Drohnen- oder bodennahe Fotos von Pflanzenreihen erkennen einzelne Keimlinge, berechnen Bestandsdichten und identifizieren Luecken, wo Samen nicht gekeimt sind. Diese Daten helfen Landwirten zu entscheiden, ob duenne Stellen nachgesaet, Aussaatraten fuer die naechste Saison angepasst oder Boden- oder Schaedlingsprobleme in bestimmten Bereichen untersucht werden sollen.
Die Kombination aus Labor-Samenzaehlung und Feld-Keimlingserkennung ergibt ein vollstaendiges Bild: wie viele Samen gesaet wurden, wie viele im Labortest gekeimt haben und wie viele tatsaechlich im Feld aufgelaufen sind. Dieser Datenkreislauf treibt bessere Entscheidungen in jeder Phase.
Das Fazit
Samenzaehlung und Keimungstests sind manuelle Aufgaben, seit die Landwirtschaft begann. KI-Fotoanalyse aendert nicht, was gemessen werden muss - sie aendert, wie lange es dauert. Unter 10 Sekunden pro Probe statt mehrerer Minuten. Ueber 95% Genauigkeit fuer die meisten Kultursamen. Automatisierte Keimungsverfolgung, die laeuft, waehrend das Labor geschlossen ist.
Wenn das naechste Mal ein Tablett mit 400 Samen gezaehlt werden muss, versuchen Sie es zuerst zu fotografieren. Die Zaehlung wird fertig sein, bevor Sie eine bequeme Position zum Zaehlen von Hand gefunden haben.