Auf unserer Webseite verwenden wir Cookies, die unter „Cookie-Einstellungen anpassen“ näher beschrieben werden. Notwendige Cookies werden für grundlegende Funktionen der Webseite benötigt, um eine optimale Nutzung zu ermöglichen. Dadurch ist gewährleistet, dass die Webseite einwandfrei funktioniert. Darüber hinaus können Sie Cookies für Statistikzwecke zulassen. Diese ermöglichen es uns, die Webseite stetig zu verbessern und Ihr Nutzererlebnis zu optimieren. Ihre Einwilligung zur Nutzung der Statistik-Cookies ist freiwillig und kann in der Datenschutzerklärung dieser Webseite unter „Cookie-Einstellungen“ jederzeit widerrufen werden.
Datenschutzerklärung
Impressum
Verbundprojekt: Zuverlässige Identifikation des Wachstumszentrums von Unkräutern bei kameragesteuerten Hackgeräten durch den Einsatz Künstlicher Intelligenz in der Bildverarbeitung - Teilprojekt D (KIdetect)
Projekt
Förderkennzeichen: 28DK132DNZ
Laufzeit: 18.06.2021
- 17.06.2024
Forschungszweck: Angewandte Forschung
Stichworte: Ackerbau, Künstliche Intelligenz, Ackerbau, Unkraut/Beikraut, Ressourcenschutz, Ressourceneffizienz, Pflanzenbau, Landtechnik
Ziel im Projekt "KIdetect" ist es, Unkräuter mithilfe von KI in der Bildverarbeitung maschinell, in Echtzeit und zuverlässig zu erkennen. Auf Basis der Bildinformation sollen auch 3D-Rekonstruktionen von Teilbereichen der Unkräuter erzeugt werden, welche insbesondere bei starker Verunkrautung eine zielgerichtete Ansteuerung von Hackgeräten ermöglichen sollen. Im Zentrum des Interesses steht die räumliche Lage des Wachstumszentrums von einzelnen Unkräutern, welche größtenteils auf Kamerabildern nicht direkt sichtbar sind, da diese z.B. teilweise von Blättern einer anderen Pflanze verdeckt sind. In der Praxis zeigt sich, dass eine zuverlässige Identifikation mit dem menschlichen Auge und menschlicher Intelligenz möglich ist: So können beispielsweise eine Vielzahl an Blättern einer gesamten Pflanze zugeordnet werden, auch wenn von den Blättern aufgrund eines dichten Bewuchses nur Fragmente zu erkennen sind. In diesem Forschungsvorhaben sollen sowohl modellbasierte Bildverarbeitungsalgorithmen zur Erkennung der Pflanzen als auch Verfahren der Künstlichen Intelligenz erforscht werden. Verschiedene Architekturen und Konfigurationen von CNNs (convolutional neural networks) sollen trainiert, ausgewertet und mit menschlicher Erkennungsleistung verglichen werden. Das Potenzial der Künstlichen Intelligenz zur Identifikation des Wachstumszentrums wird durch den Einsatz von derzeit in Erforschung befindlichen SWIR-Kameras entscheidend gesteigert, da sich mithilfe der neuartigen Bildinformation Pflanzensegmente anhand ihres spektralen Fingerabdrucks (z.B. Wassergehalt) unterscheiden lassen. Mit Blick auf die Unkrautdetektion wird eine Multispektralkamera benötigt, welche das sichtbare Spektrum (VIS) als auch das SWIR-Spektrum abdeckt und eine Stereoaufnahme in Echtzeit ermöglicht. Die Erforschung einer solchen Kameratechnologie sowie die Analyse des Potenzials der neuartigen Bildinformationen in Hinblick auf eine möglichst hohe Detektionsrate sind Ziele des Forschungsprojekts.
Abschnittsübersicht
Fachgebiete
- Pflanzenschutz
Rahmenprogramm
Förderprogramm
Ausführende Einrichtung
Zugehörige Projekte: KIdetect
- Verbundprojekt: Zuverlässige Identifikation des Wachstumszentrums von Unkräutern bei kameragesteuerten Hackgeräten durch den Einsatz Künstlicher Intelligenz in der Bildverarbeitung - Teilprojekt A
- Verbundprojekt: Zuverlässige Identifikation des Wachstumszentrums von Unkräutern bei kameragesteuerten Hackgeräten durch den Einsatz Künstlicher Intelligenz in der Bildverarbeitung - Teilprojekt B
- Verbundprojekt: Zuverlässige Identifikation des Wachstumszentrums von Unkräutern bei kameragesteuerten Hackgeräten durch den Einsatz Künstlicher Intelligenz in der Bildverarbeitung - Teilprojekt C
