Logo des Repositoriums

Auflistung nach Autor:in "Uhrmann, Franz"

1 - 3 von 3
  • Konferenzbeitrag
    Automatische Detektion von Trockenstress bei Tabakpflanzen mittels Machine-Learning-Verfahren
    (Informatik in der Land-, Forst- und Ernährungswirtschaft 2016, 2016) Siebers, Michael; Uhrmann, Franz; Scholz, Oliver; Stocker, Christoph; Schmid, Ute
    Dieser Beitrag befasst sich mit der Klassifikation der Vitalität von Pflanzen durch Ma- chine-Learning-Verfahren am Beispiel von Trockenstress bei Tabak (Nicotiana tabacum). Wir zeigen, dass Machine-Learning-Verfahren die menschliche Unterscheidung von gesunden und gestressten Pflanzen durch einen Experten nachbilden können und zudem, dass eine frühzeitige Erkennung von Pflanzenstress möglich ist, indem eine dritte Klasse für mäßig gestresste Pflanzen eingeführt wird. Zur Klassifikation werden Entscheidungsbaumverfahren, Support Vector Ma- chine, künstliche Neuronale Netze und Lineare Regression verglichen. Im Beitrag wird schwerpunktmäßig die Auswahl der Merkmale beschrieben, die für eine zuverlässige Klassifikation notwendig sind. Da die Experteneinschätzung weniger auf Einzelkriterien als vielmehr auf dem Ge- samteindruck des Pflanzenphänotyps basiert, stellt sich die Frage, welche relevanten Merkmale ein automatisches Diagnose-System berücksichtigen muss. Es hat sich herausgestellt, dass neben blattspezifischen Merkmalen auch Merkmale, die sich auf die Gesamtpflanze beziehen, für die Klassifikation relevant sind.
  • Konferenzbeitrag
    For5G: Systematic approach for creating digital twins of cherry orchards
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Meyer, Lukas; Gilson, Andreas; Uhrmann, Franz; Weule, Mareike; Keil, Fabian; Haunschild, Bernhard; Oschek, Joachim; Steglich, Marco; Hansen, Jonathan; Stamminger, Marc; Scholz, Oliver
    We present a systematic approach for creating digital twins of cherry trees in orchards as part of the project “For5G: Digital Twin”. We aim to develop a basic concept for 5G applications in orchards using a mobile campus network. Digital twins monitor the status of individual trees in every aspect and are a crucial step for the digitalization of processes in horticulture. Our framework incorporates a transformation of photometric data to a 3D reconstruction, which is subsequently segmented and modeled using learning-based approaches. Collecting objective phenotypic features from individual trees over time and storing them in a knowledge graph offers a convenient foundation for gaining new insights. Our approach shows promising results at this point for creating a detailed digital twin of a cherry tree and ultimately the entire orchard.
  • Konferenzbeitrag
    Simulationsuntertütztes Design von Phänotypisierungssystemen
    (IT-Standards in der Agrar- und Ernährungswirtschaft – Fokus: Risiko- und Krisenmanagement, 2014) Uhrmann, Franz; Hügel, Christian; Schmidt, Michael; Greiner, Günther
    Eine automatische, objektive Erfassung und Auswertung phänotypischer Pflanzenmerkmale ist für viele landwirtschaftliche Anwendungen unerlässlich. Für komplexe Pflanzengeometrien ist das Design von Messsystem für diesen Zweck schwierig. Dieser Artikel präsentiert einen Ansatz, mit dem sich Laser-Lichtschnittsysteme virtuell aufbauen, simulieren und bewerten lassen. Dies ermöglicht eine optimale Planung von 3D-Phänotypisierungssystemen, wie am Beispiel eines Scanners für Tabak-Pflanzen gezeigt wird.