Methoden zur automatischen Unkrauterkennung für die Prozesssteuerung von Herbizidmaßnahmen

Kluge, Alexander

Eine teilflächenspezifische Unkrautbekämpfung ermöglicht die Anwendung von Herbiziden zu reduzieren. Kenntnisse über die Unkrautarten und -dichte, sowie deren lokales Vorkommen werden benötigt. Eine manuelle Unkrauterfassung zeigt sich unwirtschaftlich, so dass automatisierte Systeme zur Erfassung in der landwirtschaftlichen Praxis benötigt werden. Ein Bilderkennungssystem ist für diese Aufgabe am besten geeignet. Zu dessen Entwicklung wurden Bilddaten von Unkrautarten über mehrere Jahre, auf Ackerschlägen und in Gewächshausversuchen, erfasst. Aus den Daten wurden Parameter zur Unkrauterkennung abgeleitet. Ein Teil der Arbeit befasst sich mit der Segmentierung der Unkrautpflanzen, die im Keimblattstadium vorliegen sollten. Vermehrt in fortgeschrittenen Entwicklungsstadien wurden Höheninformationen zur Trennung von überlappenden Pflanzen benötigt. Gängigen Verfahren waren im Sonnenlicht nicht praktikabel. Mit der Stereotriangulation wurde eine erfolgreiche Segmentierung gefunden. Danach wurden von Einzelpflanzen charakteristische Merkmale gewonnen. Mit Hilfe von Berechnung verschiedener Momente wurde die Lage der Pflanzen bestimmt. Pflanzen, die sich nicht ähnlich waren, ließen sich mit geometrischen Merkmalen bei Erkennungsraten von 70 – 80 % unterscheiden. Mit einem Verfahren, welches die Keimblätter in Sektionen einteilt, dann Winkel berechnet und diese Folge von einen Künstlichen Neuronalen Netz beurteilen lässt, lassen sich auch Keimblätter von Pflanzen, die sich sehr ähneln, differenzieren und es wurden Erkennungsraten von bis zu 92 % erzielt. Im weiter entwickelten Zustand der Pflanzen ließen sich die Pflanzen an Hand weiterer charakteristischer Merkmale (Graphenvergleich für Matricaria-Arten, Template Matchings für Galium aparine) erkennen. Die Anwendung des geeigneten Verfahrens wird durch ein wissensbasiertes System gesteuert. Die Auswirkungen verschiedener Erkennungsraten wurden an Hand von Raum-Zeit-Simulationen zur Populationsdynamik untersucht.

Side-specific weed management make it possible to reduce herbicide application. Knowledge about weed species, -density and local occurrence is necessary. Manual capture of weed coverage is non-economical, automatic weed detection is required for agricultural usage. A system of image recognition is highly acceptable for this function. For the development images of weeds on agricultural area and in green house were collected over several years. Parameters for weed recognition were derived. One part of work was to segment plants in cotyledon stage. At more developed growth stages information about highness was used to segment overlapping plants. Standard procedures were not practicable at sunlight, so a triangulation method was used. After this, special characteristics of plants were extracted. By computing of moments positions of plants were extracted. Not very similar plants were differentiated by geometric features at a level between 70 to 80 percent. Dividing seed leafs into parts, calculating their angles and rating the results by an artificial neural network, differentiation of very similar plants could be done at a level of 92 percent. Plants in a more developed growth stage could be distinguished by other characteristics (comparison of graphs for Matricaria-species, Template Matching for Galium aparine). The choice of the right method is regulated by a knowledge-based system. The impact of different detection rates was proved by a space-time simulation about population dynamics in weeds.

Vorschau

Zitieren

Zitierform:

Kluge, Alexander: Methoden zur automatischen Unkrauterkennung für die Prozesssteuerung von Herbizidmaßnahmen. 2011.

Zugriffsstatistik

Gesamt:
Volltextzugriffe:
Metadatenansicht:
12 Monate:
Volltextzugriffe:
Metadatenansicht:

Details anzeigen

Rechte

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten

Export