Logo des Repositoriums
 
Konferenzbeitrag

Kartierung des Bedeckungsgrads von Cirsium arvense im Mais (Zea mays L.) mithilfe Neuronaler Netze in UAV-Daten

Vorschaubild nicht verfügbar

Volltext URI

Dokumententyp

Text/Conference Paper

Zusatzinformation

Datum

2023

Zeitschriftentitel

ISSN der Zeitschrift

Bandtitel

Verlag

Gesellschaft für Informatik e.V.

Zusammenfassung

Die Ackerkratzdistel (Cirsium arvense (L.) Scop.) verbreitet sich hauptsächlich über Wurzelausläufer, sodass sie gehäuft in Distelnestern auftritt. Diese können pro Jahr um bis zu 10 m im Durchmesser wachsen, sodass eine frühzeitige Erkennung neuer Nester und eine effektive Regulierung von hoher Relevanz ist. In dieser Arbeit wird C. arvense mithilfe hochaufgelöster Bilddaten aus UAV-Befliegungen, die in einem Zeitraum von vier Wochen erhoben wurden, durch ein Ensemble aus Convolutional Neural Networks (CNNs) kartiert und der Bedeckunsggrad abgeleitet. Die Ergebnisse zeigen, dass die Genauigkeit der Kartierung von Einzelpflanzen mit dem phänologischen Stadium der Pflanzen zusammenhängt, und bestätigen die Eignung von CNNs für eine artspezifische Erkennung von C. arvense.

Beschreibung

Pöttker, Maren; Hagemann, David; Pukop, Simon; Jarmer, Thomas; Trautz, Dieter (2023): Kartierung des Bedeckungsgrads von Cirsium arvense im Mais (Zea mays L.) mithilfe Neuronaler Netze in UAV-Daten. 43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme. Bonn: Gesellschaft für Informatik e.V.. PISSN: 1617-5468. ISBN: 978-3-88579-724-1. pp. 195-205. Osnabrück. 13.-14. Februar 2023

Zitierform

DOI

Tags