Show simple item record

dc.contributor.authorSiebers, Michael
dc.contributor.authorUhrmann, Franz
dc.contributor.authorScholz, Oliver
dc.contributor.authorStocker, Christoph
dc.contributor.authorSchmid, Ute
dc.contributor.editorRuckelshausen, A.
dc.contributor.editorMeyer-Aurich, A.
dc.contributor.editorRath, T.
dc.contributor.editorRecke, G.
dc.contributor.editorTheuvsen, B.
dc.date.accessioned2017-06-21T07:39:10Z
dc.date.available2017-06-21T07:39:10Z
dc.date.issued2016
dc.identifier.isbn978-3-88579-647-3
dc.identifier.issn1617-5468
dc.description.abstractDieser 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.de
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartofInformatik in der Land-, Forst- und Ernährungswirtschaft 2016
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-253
dc.titleAutomatische Detektion von Trockenstress bei Tabakpflanzen mittels Machine-Learning-Verfahrende
dc.typeText/Conference Paper
dc.pubPlaceBonn
mci.reference.pages197-200
mci.conference.locationOsnabrück
mci.conference.date22.-23. Februar 2016


Files in this item

Thumbnail

Show simple item record