Logo des Repositoriums
 

Objekterkennung im Weinanbau – Eine Fallstudie zur Unterstützung von Winzertätigkeiten mithilfe von Deep Learning

Kurzanzeige
dc.contributor.authorHeinrich, Kai
dc.contributor.authorZschech, Patrick
dc.contributor.authorMöller, Björn
dc.contributor.authorBreithaupt, Lukas
dc.contributor.authorMaresch, Johannes
dc.date.accessioned2021-03-25T13:38:17Z
dc.date.available2021-03-25T13:38:17Z
dc.date.issued2019
dc.description.abstractDie voranschreitende Digitalisierung revolutioniert sämtliche Wirtschaftszweige und bringt somit auch langfristige Veränderungen für den landwirtschaftlichen Sektor mit sich, wo auf Basis intelligenter Informationssysteme zahlreiche Daten gesammelt und im Zuge neuer Geschäftsmodelle ausgewertet werden. Vor diesem Hintergrund präsentiert der vorliegende Beitrag eine Big-Data-Analytics-Fallstudie aus dem Bereich des Weinanbaus, wo mithilfe von mobilen Aufnahmegeräten umfangreiches Bildmaterial aufgezeichnet wurde, um eine automatisierte Objekterkennung zur Unterstützung von operativen Winzertätigkeiten, wie zum Beispiel das Zählen von Reben, die Identifikation von Rebfehlstellen oder die Prognose von potentiellem Erntegut, realisieren zu können. Hierbei bestand die Herausforderung unter anderem darin, landwirtschaftlich relevante Weinobjekte wie Reben, Trauben und Beeren über die einzelnen Hierarchieebenen hinweg erkennen zu können und diese auch in Bezug auf bewegtes Bildmaterial folgerichtig zu zählen. Zur Bewältigung derartiger Herausforderungen werden einige Lösungsansätze vorgestellt, die auf modernen Deep-Learning-Verfahren der bildbasierten Objekterkennung basieren. Der Beitrag wird abgerundet mit einer Diskussion und Implikationen für analytische Anwendungen in der landwirtschaftlichen Praxis. The transformation towards a digitized world introduces major changes to all economic sectors, among them the sector of agriculture, where intelligent information systems help to gather and analyze vast amounts of data to provide new business functions and models. Given this background, this article describes a big data analytics case study from the field of viticulture, where extensive image material was recorded using mobile recording devices in order to implement automated object detection to support operational vineyard activities, such as counting vines, identifying missing plants or predicting potential harvests. One of the challenges here was to correctly identify relevant wine objects such as vines, grapes and berries across their different hierarchical levels and to consistently count them in relation to moving image material. The authors provide a solution to those challenges by designing a data analysis process based on a deep learning framework for object detection. Additionally, the results as well as implications for the application of the proposed models in the field of agrarian management are discussed at the end of the article.de
dc.identifier.doi10.1365/s40702-019-00514-9
dc.identifier.pissn2198-2775
dc.identifier.urihttp://dx.doi.org/10.1365/s40702-019-00514-9
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/36003
dc.publisherSpringer
dc.relation.ispartofHMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 5
dc.relation.ispartofseriesHMD Praxis der Wirtschaftsinformatik
dc.subjectAgriculture
dc.subjectComputer Vision
dc.subjectDeep Learning
dc.subjectLandwirtschaft
dc.subjectMaschinelle Bildverarbeitung
dc.subjectObject Counting
dc.subjectObject Detection
dc.subjectObject Tracking
dc.subjectObjekterkennung
dc.subjectObjektverfolgung
dc.subjectObjektzählung
dc.subjectWeinanbau
dc.subjectWinemaking Industry
dc.titleObjekterkennung im Weinanbau – Eine Fallstudie zur Unterstützung von Winzertätigkeiten mithilfe von Deep Learningde
dc.typeText/Journal Article
gi.citation.endPage985
gi.citation.startPage964

Dateien

Sammlungen

HMD 56(5) - Oktober 2019 - Big Data Analytics