Mensch vs Computer: Bildverarbeitung zur Erkennung überlappender Pflanzen = Human vs computer: Image processing to detect overlapping plants

Downloadstatistik des Dokuments (Auswertung nach COUNTER):

Rath, T.; Pastrana, J.: Mensch vs Computer: Bildverarbeitung zur Erkennung überlappender Pflanzen = Human vs computer: Image processing to detect overlapping plants. In: Landtechnik 67 (2012), Nr. 3, S. 172-178. DOI: https://doi.org/10.15150/lt.2012.291

Version im Repositorium

Zum Zitieren der Version im Repositorium verwenden Sie bitte diesen DOI: https://doi.org/10.15488/1398

Zeitraum, für den die Download-Zahlen angezeigt werden:

Jahr: 
Monat: 

Summe der Downloads: 321




Kleine Vorschau
Kleine Vorschau
Zusammenfassung: 
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.
Lizenzbestimmungen: CC BY 4.0 Unported
Publikationstyp: article
Publikationsstatus: publishedVersion
Erstveröffentlichung: 2012
Die Publikation erscheint in Sammlung(en):Naturwissenschaftliche Fakultät

Verteilung der Downloads über den gewählten Zeitraum:

Herkunft der Downloads nach Ländern:

Pos. Land Downloads
Anzahl Proz.
1 image of flag of Germany Germany 194 60,44%
2 image of flag of Russian Federation Russian Federation 41 12,77%
3 image of flag of Czech Republic Czech Republic 39 12,15%
4 image of flag of Portugal Portugal 7 2,18%
5 image of flag of China China 5 1,56%
6 image of flag of Switzerland Switzerland 5 1,56%
7 image of flag of United States United States 4 1,25%
8 image of flag of Austria Austria 4 1,25%
9 image of flag of United Kingdom United Kingdom 3 0,93%
10 image of flag of Canada Canada 2 0,62%
    andere 17 5,30%

Weitere Download-Zahlen und Ranglisten:


Hinweis

Zur Erhebung der Downloadstatistiken kommen entsprechend dem „COUNTER Code of Practice for e-Resources“ international anerkannte Regeln und Normen zur Anwendung. COUNTER ist eine internationale Non-Profit-Organisation, in der Bibliotheksverbände, Datenbankanbieter und Verlage gemeinsam an Standards zur Erhebung, Speicherung und Verarbeitung von Nutzungsdaten elektronischer Ressourcen arbeiten, welche so Objektivität und Vergleichbarkeit gewährleisten sollen. Es werden hierbei ausschließlich Zugriffe auf die entsprechenden Volltexte ausgewertet, keine Aufrufe der Website an sich.