Logo des Repositoriums

Auflistung nach Autor:in "Zimmermann, Alexander"

1 - 3 von 3
  • Konferenzbeitrag
    LAYA – ein inklusives eLearning System
    (DeLFI 2018 - Die 16. E-Learning Fachtagung Informatik, 2018) Patzer, Yasmin; Pinkwart, Niels; Zimmermann, Alexander
    Die an der Humboldt-Universität zu Berlin entwickelte inklusive eLearning Software LAYA (Learn As You Are) ermöglicht gemeinsames Lernen für Menschen mit und ohne besondere Bedürfnisse. Existierende Lernsysteme sind bisher in der Regel nicht durchgängig barrierefrei bzw. in gleichem Umfang für Lernende mit verschiedenen Behinderungen (z. B. Sehschädigung, Hörschädigung, kognitive Beeinträchtigung) nutzbar. Diese Lücke möchte LAYA schließen. Der modulare Aufbau des Systems erlaubt die individuelle Anpassung an einzelne Lernende. Dies ist sowohl auf struktureller als auch auf inhaltlicher Ebene möglich.
  • Konferenzbeitrag
    Methods and techniques for plant and weed detection creating a database for future computer vision systems in weed control and practical implementations: Insights from the KIdetect project, funded by the BMEL
    (INFORMATIK 2024, 2024) Noori, Faryal; Hopf, Lucas; Flierl, Philipp; Zimmermann, Alexander; Niedermeier, Michael; Holst, Gerhard; Schmailzl, Anton
    This paper explores weed detection methodologies in vertical farming systems using Short Wave Infrared (SWIR) and Visual (VIS) camera technology, alongside computer vision techniques and Artificial Intelligence (AI). It investigates pixel-matching techniques for stereo-image processing to enhance imaging accuracy and reliability in agriculture. Classical methods like SIFT FLANN Matcher, Epiline Matcher, and Partial Epiline Matcher are evaluated. The paper also examines the integration of AI with classical pixel-matching methods to streamline pixel pair identification. Real-world accuracy assessments demonstrate promising results, facilitating practical applications. Additionally, it covers camera calibration and image rectification tasks on VIS cameras to support 3D reconstruction for plant structure analysis, alongside Stereo pixel matching. Overall, it provides valuable insights into stereo image analysis in agriculture, fostering future research and practical implementations in precision agriculture and computer vision systems.
  • Konferenzbeitrag
    Vertical-Farming-System für die Bilddatengenerierung zur KI-gestützten Identifikation des Wachstumszentrums von Beikräutern
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Flierl, Philipp; Zimmermann, Alexander; Niedermeier, Michael; Noori, Faryal; Fuchs, Erich; Schmailzl, Anton
    Ziel des Projekts KIdetect ist der Aufbau eines Vertical-Farming-Systems zur gezielten Anpflanzung von Kulturpflanzen und Beikräutern in einer Laborumgebung. Anhand der Laborumgebung soll verstanden werden, inwiefern eine sichere Identifikation von Beikräutern möglich ist. Neben den Eigenschaften der Pflanzen im menschlich sichtbaren Bereich des elektromagnetischen Spektrums sollen auch Informationen aus dem Kurzwelleninfrarotbereich evaluiert werden. Die Laborumgebung dient neben der Grundlagenforschung von Unterscheidungsmerkmalen schließlich auch der Generierung fotografischer Aufnahmen von Kulturpflanzen und Beikräutern. Es soll eine Bilddatenbank entstehen, anhand welcher die Grundlagen für eine spätere Anwendung der Erkenntnisse auf die Anwendungsumgebung geschaffen werden soll. Der Fokus der Beikräuter liegt auf dem Wachstumszentrum und soll gestützt durch KI zuverlässig identifiziert werden.