Projekte in den Förderprogrammen des BMEL, betreut durch den Projektträger BLE (PT BLE)
Ergebnis der Suche
| Titel: | Verbundprojekt: Zuverlässige Identifikation des Wachstumszentrums von Unkräutern bei kameragesteuerten Hackgeräten durch den Einsatz Künstlicher Intelligenz in der Bildverarbeitung (KIdetect) - Teilprojekt C |
|---|---|
| Titel (englisch): | Collaborative project: Reliable identification of the growth center of weeds in camera-controlled mechanical weeding machines using artificial intelligence in image processing (KIdetect) - subproject C |
| Akronym: | KIdetect |
| Beschreibung (dt.): | Ziel im Projekt 'KIdetect' ist es, Unkräuter mithilfe von KI in der Bildverarbeitung maschinell, in Echtzeit und zuverlässig zu erkennen. Auf Basis der Bildinformation sollen auch 3D-Rekonstruktionen von Teilbereichen der Unkräuter erzeugt werden, welche insbesondere bei starker Verunkrautung eine zielgerichtete Ansteuerung von Hackgeräten ermöglichen sollen. Im Zentrum des Interesses steht die räumliche Lage des Wachstumszentrums von einzelnen Unkräutern, welche größtenteils auf Kamerabildern nicht direkt sichtbar sind, da diese z.B. teilweise von Blättern einer anderen Pflanze verdeckt sind. In der Praxis zeigt sich, dass eine zuverlässige Identifikation mit dem menschlichen Auge und menschlicher Intelligenz möglich ist: So können beispielsweise eine Vielzahl an Blättern einer gesamten Pflanze zugeordnet werden, auch wenn von den Blättern aufgrund eines dichten Bewuchses nur Fragmente zu erkennen sind. In diesem Forschungsvorhaben sollen sowohl modellbasierte Bildverarbeitungsalgorithmen zur Erkennung der Pflanzen als auch Verfahren der Künstlichen Intelligenz erforscht werden. Verschiedene Architekturen und Konfigurationen von CNNs (convolutional neural networks) sollen trainiert, ausgewertet und mit menschlicher Erkennungsleistung verglichen werden. Das Potenzial der Künstlichen Intelligenz zur Identifikation des Wachstumszentrums wird durch den Einsatz von derzeit in Erforschung befindlichen SWIR-Kameras entscheidend gesteigert, da sich mithilfe der neuartigen Bildinformation Pflanzensegmente anhand ihres spektralen Fingerabdrucks (z.B. Wassergehalt) unterscheiden lassen. Mit Blick auf die Unkrautdetektion wird eine Multispektralkamera benötigt, welche das sichtbare Spektrum (VIS) als auch das SWIR-Spektrum abdeckt und eine Stereoaufnahme in Echtzeit ermöglicht. Die Erforschung einer solchen Kameratechnologie sowie die Analyse des Potenzials der neuartigen Bildinformationen in Hinblick auf eine möglichst hohe Detektionsrate sind Ziele des Forschungsprojekts. |
| Beschreibung (engl.): | The objective of project 'KIdetect' is an automatic and reliable identification of weeds in real-time using AI-methods for image processing. Based on the image information, 3D-reconstructions of partial areas of the weeds shall be generated in order to enable a target-oriented control of weeders even with strong weed infestation. The three-dimensional positions of the growth centers of individual weeds, which may not be visible directly in camera images due to occlusions by leaves of other plants, are in the center of attention. In practice, human eyes combined with human intelligence are able to identify growth centers of weeds reliably. For instance, it is possible to assign quite a lot of leaves to a specific plant even if only fragments of these leaves are visible due to dense plant covering. In addition to model based image processing algorithms, AI methods shall be used in this research project to detect plants reliably. Different architectures and configurations of CNNs (convolutional neural networks) shall be trained, evaluated and compared with the detection performance of human beings. The potential of using AI-methods for the identification of the center of growth of plants gets boosted enormously by the application of SWIR-cameras currently in the stage of research, since with the help of novel image information segments of plants can be distinguished on the basis of their spectral finger print, e.g. the water content. With regard to the detection of weeds, a multi-spectral camera is needed which covers both the visible spectrum (VIS) and the SWIR-spectrum and in this way makes a stereo image possible in real time. Goals of this research project are to study suitable technologies for cameras and to analyze the potential of novel image information with respect to highest possible detection rates. |
| Laufzeit: | Beginn: 18.06.2021 / Ende: 31.03.2025 |
| Ausf. Einrichtung: | Excelitas PCO GmbH, Kelheim |
| Themenfelder: | Pflanzenschutz, Pflanzengesundheit, crop protection, plant health |
| Förderprogramme: | Digitalisierung in der Landwirtschaft |
| Schlagworte: | Ressourcenschutz, Ressourceneffizienz, resource protection, resource efficiency, Pflanzenbau, crop production, Landtechnik, agricultural engineering, Ackerbau, crop production, Ackerbau, crop production, Unkraut/Beikraut, weed, Künstliche Intelligenz, AI Artificial Intelligence |
| Stichpunkte: | Künstliche Intelligenz |
| Förderkennzeichen: | 28DK132C20 |
| Dokument zum Download: | Kein Dokument vorhanden! |
Kontakt: |
Benutzen Sie unser Kontaktformular
oder E-Mail an digitalisierung-landwirtschaft@ble.de |
Erweiterte Suche
Hier gibt es die Möglichkeit, nach Stichworten, Themenfeldern, Projektstatus, Förderprogrammen, Laufzeiten und Einrichtungen zu suchen:
