Logo des Repositoriums
 
Konferenzbeitrag

Automatische Detektion von Trockenstress bei Tabakpflanzen mittels Machine-Learning-Verfahren

Lade...
Vorschaubild

Volltext URI

Dokumententyp

Text/Conference Paper

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.

Beschreibung

Siebers, Michael; Uhrmann, Franz; Scholz, Oliver; Stocker, Christoph; Schmid, Ute (2016): Automatische Detektion von Trockenstress bei Tabakpflanzen mittels Machine-Learning-Verfahren. Informatik in der Land-, Forst- und Ernährungswirtschaft 2016. Bonn: Gesellschaft für Informatik e.V.. PISSN: 1617-5468. ISBN: 978-3-88579-647-3. pp. 197-200. Osnabrück. 22.-23. Februar 2016

Schlagwörter

Zitierform

DOI

Tags