Automatische Feldaufgangszählung
Ein Deep Learning-basiertes System, das speziell für die automatische Zählung von Sprößlingen konzipiert ist und so die Feldaufgangs-Bonitur erheblich vereinfacht.
In diesem Projekt nutzten wir einen hybriden Ansatz zur automatischen Zählung von Sprößlingen, der sowohl tiefgreifende neuronale Netzwerke als auch klassische Bildverarbeitungstechniken kombiniert. Diese Methodik ermöglicht es uns, auch mit kleinen Datenmengen, die sich in ihrer Qualität unterscheiden und unregelmäßig verteilt sind, effizient zu arbeiten.
Die Herausforderung bei der Verarbeitung solcher heterogenen Datenbestände liegt in der präzisen Erkennung und Zählung junger Pflanzen unter variierenden Bedingungen. Um die Leistungsfähigkeit und Zuverlässigkeit unserer Lösung sicherzustellen, führen wir eine umfassende Evaluation durch. Diese umfasst sowohl praxisorientierte Benchmarking-Verfahren als auch statistische und empirische Analysen. Durch diesen gründlichen Bewertungsprozess stellen wir sicher, dass unser System auch in realen Anwendungsszenarien bestmöglich funktioniert und robuste Ergebnisse liefert.
Diese sorgfältige Untersuchung und Anpassung an spezifische Herausforderungen ermöglicht es, die Genauigkeit der Bilderkennung und Zählmechanismen kontinuierlich zu verbessern und bietet eine solide Basis für die weitere Entwicklung und Optimierung der Technologie.
Agriculture
Branche
Tensor Flow, Matlab
Tools
Deep Learning, Computer Vision
Themen
3 Monate
Projektdauer
