Transformation von Maschinendaten als Eingabe für maschinelle Lernverfahren zur Klassifikation von landwirtschaftlichen Arbeitsgängen

Manuel Geil, Jan-Henrik Helmig

Transformation von Maschinendaten als Eingabe für maschinelle Lernverfahren zur Klassifikation von landwirtschaftlichen Arbeitsgängen

dc.contributor.author	Manuel Geil, Jan-Henrik Helmig
dc.date.accessioned	2024-04-08T11:56:34Z
dc.date.available	2024-04-08T11:56:34Z
dc.date.issued	2024
dc.description.abstract	Landwirte dokumentieren heutzutage noch immer häufig ihre Tätigkeiten auf Schlägen manuell, was eine aufwändige und fehleranfällige Tätigkeit darstellt. Dies wird zunehmend belastend, da die Dokumentationspflichten für Landwirte umfangreicher werden. In diesem Beitrag wurden bereits aufgenommene Maschinendaten zur Klassifikation von Maschinentätigkeiten analysiert und basierend darauf transformiert. Der daraus resultierende reduzierte Datensatz diente als Eingabe für maschinelle Lernverfahren zur Klassifikation von landwirtschaftlichen Tätigkeiten. Die Klassifikationsgenauigkeit der überprüften Verfahren lag bei über 93 %. Unter Einbezug von Daten einer fremden Landmaschine, mit denen die ML-Modelle vorher nicht trainiert wurden, war der Random Forest das Lernverfahren mit der höchsten Klassifikationsgenauigkeit. Die Ergebnisse dieser Arbeit zeigen, dass Klassifikationsmodelle maschineller Lernverfahren mit trans-formierten und reduzierten Maschinendaten Klassifikationsergebnisse zur automatisierten Tätigkeitsdokumentation liefern können.	de
dc.identifier.doi	10.18420/giljt2024_09
dc.identifier.isbn	978-3-88579-738-8
dc.identifier.pissn	1617-5468
dc.identifier.uri	https://dl.gi.de/handle/20.500.12116/43884
dc.language.iso	de
dc.publisher	Gesellschaft für Informatik e.V.
dc.relation.ispartof	44. GIL - Jahrestagung, Biodiversität fördern durch digitale Landwirtschaft
dc.relation.ispartofseries	Lecture Notes in Informatics(LNI) - Proceedings, Volume P - 344
dc.subject	Klassifikation
dc.subject	maschinelle Lernverfahren
dc.subject	Maschinendaten
dc.subject	künstliche Intelligenz
dc.title	Transformation von Maschinendaten als Eingabe für maschinelle Lernverfahren zur Klassifikation von landwirtschaftlichen Arbeitsgängen	de
dc.type	Text/Conference Paper
gi.citation.endPage	268
gi.citation.publisherPlace	Bonn
gi.citation.startPage	263
gi.conference.date	27.-28. Februar 2024
gi.conference.location	Stuttgart
gi.conference.review	full

Dateien

Originalbündel

1 - 1 von 1

Name:: GIL_2024_Geil_263-268.pdf
Größe:: 195.51 KB
Format:: Adobe Portable Document Format

Herunterladen

Sammlungen

P344 - 44. GIL-Jahrestagung 2024 - Fokus: Biodiversität fördern durch digitale Landwirtschaft