Konferenzbeitrag
Automatische Detektion von Trockenstress bei Tabakpflanzen mittels Machine-Learning-Verfahren
Lade...
Volltext URI
Dokumententyp
Text/Conference Paper
Dateien
Zusatzinformation
Datum
2016
Zeitschriftentitel
ISSN der Zeitschrift
Bandtitel
Verlag
Gesellschaft für Informatik e.V.
Zusammenfassung
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.