Blühende HZL konnten mit einem Fehler von maximal 0,20 m in Orthofotos abgebildet werden. Dazu mussten die Orthofotos aus Einzelbildern zusammengesetzt werden, die mit einer Vollformatkamera mit 24 MP aus eine Flughöhe von 10 m und einer Bildüberlappung von 40 % aufgenommen wurden. Die Bilder wurden mit ausgelegten und mit RTK-GNSS (Real Time Kinematic Global Navigation Satellite System) eingemessenen Markern im Feld georeferenziert.
Mit Hilfe neuronaler Netze konnten blühende HZL in den Bildern erkannt werden. Dazu wurde der U-Net-Ansatz verwendet und optimiert. Zusätzlich wurde eine Nachverarbeitung der Vorhersagen entwickelt, um die Erkennungsqualität zu steigern. Das Verfahren wurde mit zwei Tests ausgewertet. Zum einen wurden gelabelte Bilder zufällig in Trainings- und Testdatensatz eingeteilt und zum anderen wurde der Detektor auf Bildern von zwei von drei Feldern trainiert und auf dem dritten getestet. Es ergab sich eine Detektionsrate der HZL von 89 % (Petrich et al. 2020).
Im Rahmen von Feldversuchen wurden verschiedene Schnittzeitpunkte im Hinblick auf die Zurückdrängung der HZL untersucht. Als bisher wirkungsvollste Maßnahme hat sich ein früher Schnitt im April mit einer Wiederholung des Schnittes nach etwa 3 Wochen herausgestellt. Dadurch wurden der sichtbare Bestand der HZL bis zum Zeitpunkt des Heuschnitts Mitte Juni um 83% reduziert. Der Wiederaustrieb im darauffolgenden Frühjahr lag unter 50 %.