Logo des Repositoriums
 

Automatisierte Erkennung von Mineraldüngerkörnern auf Drohnenbildern mittels Computer Vision

Kurzanzeige
dc.contributor.authorKitzler, Florian
dc.contributor.authorKeller, Samuel
dc.contributor.authorBauer, Alexander
dc.contributor.authorKruder-Motsch, Viktoria
dc.contributor.editorDörr, Jörg
dc.contributor.editorSteckel, Thilo
dc.date.accessioned2025-02-04T14:38:00Z
dc.date.available2025-02-04T14:38:00Z
dc.date.issued2025
dc.description.abstractDie Präzisionslandwirtschaft gewinnt zunehmend an Bedeutung, da sie eine gezielte und ressourcenschonende Steuerung landwirtschaftlicher Prozesse ermöglicht. Insbesondere die variable Düngung spielt dabei eine wichtige Rolle, um Nährstoffe bedarfsgerecht auf Feldflächen zu verteilen. Bisher werden Streubilder von Düngerstreuern mit Prüfschalen oder -matten ermittelt, was einen hohen manuellen Arbeitsaufwand bedeutet und für die teilflächenspezifische Düngung unzureichend ist, da nur punktuelle Messungen möglich sind. Eine automatisierte Erkennung der Düngerverteilung basierend auf Drohnenbildern bietet das Potenzial, diesen Prozess effizienter zu gestalten. In dieser Arbeit wird ein Algorithmus vorgestellt, der Mineraldünger auf georeferenzierten Drohnenaufnahmen erkennt. Mittels Konturenerkennung und globalem Thresholding werden die Körner auf Graustufenbildern identifiziert. Die Methode wurde anhand von manuell annotierten Testbildern validiert. Die Ergebnisse zeigen eine Präzision von 94,3 % und einen Recall von 93,9 %, was die Effektivität der automatisierten Erkennung unterstreicht. In Zukunft soll die Methode in GIS-Programme integriert werden, um eine leichtere und präzisere Evaluierung der variablen Düngung zu ermöglichen.de
dc.identifier.doi10.18420/giljt2025_28
dc.identifier.eissn2944-7682
dc.identifier.isbn978-3-88579-802-6
dc.identifier.pissn2944-7682
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/45686
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartof45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft
dc.relation.ispartofseriesLecture Notes in Informatics(LNI) - Proceedings, Volume P - 358
dc.subjectPräzisionslandwirtschaft
dc.subjectSection Control
dc.subjectKonturenerkennung
dc.subjectDrohnenbilder
dc.titleAutomatisierte Erkennung von Mineraldüngerkörnern auf Drohnenbildern mittels Computer Visionde
dc.typeText/Conference Paper
gi.citation.endPage278
gi.citation.publisherPlaceBonn
gi.citation.startPage273
gi.conference.date25/26. Februar 2025
gi.conference.locationWieselburg, Austria
gi.conference.reviewfull

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
GIL_2025_Kitzler_273-278.pdf
Größe:
466 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P358 - 45. GIL-Jahrestagung 2025 - Fokus: Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft