Auflistung nach Autor:in "Klein, Lauritz"
1 - 2 von 2
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragAI-supported selection procedure for spectral sensors based on technical and economic characteristics(INFORMATIK 2024, 2024) Menz, Patrick; Klein, Lauritz; Herzog, AndreasThis study presents an AI-supported spectral sensor selection process that combines technical and economic criteria to recommend the optimal sensor for specific applications, such as quality control of roasted coffee beans. Using a comprehensive database of spectral sensor characteristics, the SMART algorithm guides decisions that focus on both performance and cost-effectiveness. Our methodology involves simulating spectral responses and using an AI model to evaluate sensor effectiveness in classifying coffee bean types. Initial results highlight the method's ability to optimise sensor selection, effectively balancing performance with budget considerations, and underscore its potential to improve user decision making in technology applications and enhance their digital sovereignty.
- KonferenzbeitragDrohnenbasiertes Verfahren zur Detektion geschädigter Obstbäume in Obstbaumplantagen(INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Thielert, Bonito; Menz, Patrick; Warnemünde, Sebastian; Holstein, Katharina; Klein, Lauritz; Kilias, David; Runne, Miriam; Jarausch, Wolfgang; Knauer, UwePhytoplasmen-induzierte Erkrankungen von Obstbäumen stellen eine große Herausforderung im europäischen Obstanbau dar. Apfeltriebsucht und Birnenverfall zählen zu den wirtschaftlich relevantesten Obstkrankheiten. Im Rahmen des Projekts „Digitaler Obstbau“ wurden verschiedene Technologien zur Diagnose der Krankheiten untersucht und weiterentwickelt. Die drohnenbasierte Bonitur der genannten Krankheiten ermöglicht die flächendeckende räumlich hochauflösende Erfassung von Plantagen und die Symptomerkennung für einzelne Obstbäume. Untersuchungen mit der Hyperspektralkamera Cubert UHD-185 Firefly und dem integrierten Phantom 4 Multispectral Aufnahmesystem zeigen die Durchführbarkeit der drohnenbasierten digitalen Bonitur. Die Daten zeigen mit 76 % eine gute Klassifikationsrate zur Erkennbarkeit der Krankheitssymptome.