Auflistung nach Autor:in "Hoffmann, Christa"
1 - 10 von 202
Treffer pro Seite
Sortieroptionen
- Konferenzbeitrag41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten - Komplettband(41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021)
- Konferenzbeitrag42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft - Komplettband(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Gesellschaft für Informatik in der Land- Forst- und Ernährungswirtschaft e.V.
- Konferenzbeitrag43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme - kompletter Tagungsband(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023)
- KonferenzbeitragAbleitung von homogenen Managementzonen anhand von Vegetationsindizes im Kleegras(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Reuter, Tobias; Nahrstedt, Konstantin; Jarmer, Thomas; Trautz, DieterKleegras hat eine entscheidende Bedeutung als Fruchtfolgeglied im Ökologischen Landbau und als Futter. Bedingt durch Heterogenitäten im Boden entwickelt sich der Bestand über die Vegetationsperiode hinweg ungleichmäßig, sodass sich Bereiche mit unterschiedlicher Biomasseproduktion herausbilden. Ein teilflächenspezifisches Management angepasst an diese Unterschiede kann Grundlage für effizientere Ressourcennutzung sein. Daher wurden auf einer ökologischen Kleegrasfläche drohnengestützt Bilddaten aufgenommen und Vegetationsindizes berechnet. Die Abschätzung der Biomasse mit Vegetationsindizes war zu einem früheren Aufnahmetermin ungenauer als zu einem späteren Zeitpunkt. Korrelationsmodelle zwischen den Vegetationsindizes und der Biomasse zeigten zu den beiden späteren Terminen einen höheren Zusammenhang als zum ersten Aufnahmezeitpunkt. Dabei konnten mit dem NDVI bzw. NGRDI am letzten Termin die höchsten Korrelationen mit Werten um 0,5 erzielt werden. Basierend auf den Indizes wurde die Fläche in drei Zonen eingeteilt. Die Zonierung variierte je nach Termin und Index. Dennoch war es möglich, einen Bereich mit hoher Biomasseproduktion zu identifizieren. Die Einteilung in Managementzonen konnte demnach erfolgreich durchgeführt werden, besonders geeignet waren NDVI, NGDRI und RGBVI.
- KonferenzbeitragActive-learning-driven deep interactive segmentation for cost-effective labeling of crop-weed image data(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Sikouonmeu, Freddy; Atzmueller, MartinActive learning has shown its reliability in (semi-)supervised machine learning tasks to reduce the labeling cost for large datasets in various areas. However, in the agricultural field, despite past attempts to reduce the labeling cost and the burden on the labeler in acquiring image labels, the load during the acquisition of pixel-level labels for semantic image segmentation tasks remains high. Typically, the respective pixel-level masks are acquired manually by drawing polygons over irregular and complex-shaped object boundaries. In contrast, this paper proposes a method leveraging the power of a click-based deep interactive segmentation model (DISEG) in an active learning approach to harvest high-quality image segmentation labels at a low cost for training a real-time task model by only clicking on the objects’ fore- and background surfaces. Our first experimental results indicate that with an average of 3 clicks per image object and using only 3% of the unlabeled dataset, we can acquire pixel-level labels with good quality at low cost.
- KonferenzbeitragAgriSens – DEMMIN 4.0(41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021) Spengler, Daniel; Asam, Sarah; Boettcher, Falk; Borg, Erik; Dobers, Eike Stefan; Geßner, Ursula; Harfenmeister, Katharina; Hüttich, Christian; Klan, Friederike; Teucher, Mike; Truckenbrodt, Sina; Conrad, ChristopherDie Digitalisierung der Landwirtschaft schreitet seit einigen Jahren immer weiter voran, wird aber in Deutschland noch nicht im großen Maßstab in landwirtschaftlichen Betrieben umgesetzt. Im Bereich der Geodatennutzung liegen die Herausforderungen vor allem bei der unzureichenden Definition von Schnittstellen sowie in einem mangelnden Daten- und Wissenstransfer zwischen Wissenschaft und Praxis. Hier setzt das Projekt „AgriSens – DEMMIN 4.0“ an, das vom Bundesministerium für Ernährung und Landwirtschaft (BMEL) im Rahmen der digitalen Experimentierfelder gefördert wird. Methoden zur Nutzung von Geodaten, insbesondere Fernerkundungsdaten, im Pflanzenbau werden analysiert und neu entwickelt und in konkreten Anwendungsfällen wie Ertragsabschätzung oder teilschlagspezifische Bewässerung dem Landwirt nutzbar gemacht.
- KonferenzbeitragAI-supported data annotation in the context of UAV-based weed detection in sugar beet fields using Deep Neural Networks(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Jonas Boysen, Jonas; Stein, AnthonyRecent Deep Learning-based Computer Vision methods proved quite successful in various tasks, also involving the classification, detection and segmentation of crop and weed plants with Convolutional Neural Networks (CNNs). Such solutions require a vast amount of labeled data. The annotation is a tedious and time-consuming task, which often constitutes a limiting factor in the Machine Learning process. In this work, an approach for an annotation pipeline for UAV-based images of sugar beet fields of BBCH-scale 12 to 17 is presented. For the creation of pixel-wise annotated data, we utilize a threshold-based method for the creation of a binary plant mask, a row detection based on Hough Transform and a lightweight CNN for the classification of small, cropped images. Our findings demonstrate that an increased image data annotation efficiency can be reached by using an AI approach already at the crucial Machine Learning-process step of training data collection.
- KonferenzbeitragAkustische Insektenerkennung – Deep Learning zur Klassifikation leisester Fluggeräusche(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Branding, Jelto; von Hoersten, Dieter; Wegener, Jens KarlAssistenzsysteme und Apps bieten ein großes Potenzial für die Steigerung der Effizienz und Nachhaltigkeit im Gartenbau. Im Bereich der Schädlingsbekämpfung haben alle aktuellen Apps und Systeme gemein, dass sie eine große Schwachstelle in der digitalen Erfassung der Insektenpopulationen im Gewächshaus aufweisen. Aus diesem Grund werden im Projekt IPMaide verschiedene sensorische Ansätze für die automatisierte Detektion von Insekten untersucht. Eine vielversprechende Möglichkeit ist die akustische Insektenerkennung. Hier sollen Methoden aus der Schädlingserkennung im Vorratsschutz mit neuesten Ansätzen im Bereich der Klassifikation von Geräuschen zusammengebracht werden, um eine Sensorlösung für die Insektenerkennung im Gewächshaus zu entwickeln. Für die nötige Datensatzerstellung wurde eine schallgeschützte Messumgebung entworfen und High- und Low-Cost-Messtechnik für akustische Aufnahmen unter Labor- und Realbedingungen verglichen. Die Ergebnisse zeigen, dass kostengünstigere Mikrofone gerade im relevanten tiefen Frequenzbereich unempfindlicher sind. Ein Lösungsansatz zur Filterung von Nutz- und Störgeräuschen stellen Array-Anordnungen der Mikrofone dar.
- KonferenzbeitragAlgorithmusbasierte Düngungsplanung und digitale Gebrauchstauglichkeit(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Buhk, Jan-Hendrik; Sundermeier, Hans-Hennig; Latacz-Lohmann, UweEffizientes Nährstoffmanagement gehört nach dem Green Deal der EU zu den vordringlichen Handlungsfeldern der Gemeinsamen Agrarpolitik. Die derzeit für Entscheidungshilfen benutzten Methoden modellieren die individuelle einzelbetriebliche zeitliche, räumliche und ökonomische Allokationskomplexität nur unzureichend. Düngungsplanung mit gemischt-ganzzahliger Linearer Programmierung (MILP) ermittelt unter simultaner Berücksichtigung aller relevanten Bedingungen die betrieblich optimale Kombination aus Wirtschafts- und Handelsdüngeraufbringungsalternativen und eröffnet damit eine gebrauchstaugliche Digitalisierung von Routine-Entscheidungsprozessen für die Praxis.
- KonferenzbeitragAnalyse ausgewählter digitaler Lösungen zur N-Düngung(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Vinzent, Beat; Maidl, Franz-Xaver; Gandorfer, MarkusAuf Basis dreijähriger Feldversuchsdaten wurden in Parzellenversuchen an einem niederbayerischen Hochertragsstandort verschiedene digitale Düngesysteme analysiert. Die Variation der einzelnen N-Düngegaben der getesteten Systeme war insgesamt nicht sehr ausgeprägt. In der Gesamtschau konnten durch die zusätzlichen Informationen zur N-Bemessung mit den digitalen Düngesystemen keine signifikant höheren N-kostenfreien Leistungen im Vergleich zu Referenzsystemen erzielt werden. Hinsichtlich der Kosten aber auch Serviceaspekte unterschieden sich die Lösungen deutlicher voneinander.