In order to solve the overlapping problem that occurs when performing identification of single plants, a computer base pattern recognition system was implemented. The presented technique has 3 general steps: The recognition of overlapping or non-overlapping leaves using ellipse detection; an ellipse landmarking step that allows the creation of deformable models that define specific characteristics of the plants and the use of ASMs (Active Shape Models) that permit the identification of plantlets in complex situation without having to use the extracted color information. This method was tested using overlapping Nicotiana tabacum seedlings. Furthermore, a comparison between the recognition of the computer system and the human perception shows that in average the brain-eye system performs better. However, there are cases where the implemented algorithm has better identification results than the identification performed by student drop-outs. The presented methodology is being used is a Laser based weed control system.
Zur Lösung des Überlappungsproblems bei der computergestützten Bildanalyse von Pflanzenbeständen wurde ein dreistufiger generalisierter Lösungsansatz entwickelt, der auf der Erkennung von freien oder überlappenden Ellipsen aufbaut. Aus Passmarken („Landmarks“) dieser Ellipsen wurden Lerndatensätze entwickelt, die es ermöglichten, überlagernde Pflanzen in unbekannten Situationen mithilfe eines ASM-Verfahrens (Active Shape Model) aus komplexen Bildern ohne Nutzung der spezifischen Farbinformation herauszufiltern. Das Verfahren wurde an überlappenden Keimpflanzen von Nicotiana tabacum getestet. Ein Vergleich zwischen computerbildanalytischer Erkennung und menschlicher Kognition ergab im Durchschnitt bessere Ergebnisse für die mit „Auge und Gehirn“ durchgeführte Auswertung. In einigen Fällen waren die entwickelten Algorithmen jedoch den Erkennungsergebnissen von Schulabgängern überlegen. Das entwickelte Verfahren wurde bereits zur Steuerung von Lasern für die Unkrautbekämpfung erfolgreich eingesetzt.