Conference PaperFull Review

Bilddatenakquisition zur Entwicklung eines Machine-Learning-Detektors für Grünlandunkräuter

Loading...
Thumbnail Image

Fulltext URI

Document type

Text/Conference Paper

Additional Information

Date

2024

Journal Title

Journal ISSN

Volume Title

Publisher

Gesellschaft für Informatik e.V.

Abstract

Giftpflanzen wie die Herbstzeitlose (Colchicum autumnale) können sich besonders gut in extensiv bewirtschaftetem Grünland ausbreiten. Gelangen Pflanzenteile in das Erntegut, drohen bei der Aufnahme durch Nutztiere Vergiftungserscheinungen, die zum Tode führen können. Ohne Maßnahmen zur Regulierung werden betroffene Flächen zunehmend unattraktiv und es droht eine Nutzungsaufgabe, einhergehend mit einer naturschutzfachlichen Abwertung. Zur Steuerung eines innovativen Bekämpfungsgerätes gegen Grünlandunkräuter wird ein Pflanzendetektor basierend auf einem Machine-Learning-Ansatz entwickelt. Die Methode zur Bilddatensammlung dafür wird in vorliegendem Artikel beschrieben.

Description

Ingo-Leonard Haußmann, Lukas Petrich (2024): Bilddatenakquisition zur Entwicklung eines Machine-Learning-Detektors für Grünlandunkräuter. 44. GIL - Jahrestagung, Biodiversität fördern durch digitale Landwirtschaft. DOI: 10.18420/giljt2024_42. Bonn: Gesellschaft für Informatik e.V.. PISSN: 1617-5468. ISBN: 978-3-88579-738-8. pp. 287-292. Stuttgart. 27.-28. Februar 2024

Keywords

Grünland, Unkrautbekämpfung, Bilddaten, Machine-Learning, Labeln

Citation

Endorsement

Review

Supplemented By

Referenced By

Show citations