Deep Learning Klassifikation zur Identifikation von Neophyten am Beispiel des Erdmandelgrases
Auf einen Blick
- Projektleiter/in : Helmut Grabner, Johann Junghardt
- Projektteam : Dominic Lüönd
- Projektstatus : abgeschlossen
- Drittmittelgeber : Bund
- Projektpartner : Agroscope
- Kontaktperson : Johann Junghardt
Beschreibung
lnvasive Neophyten verdrängen einheimische Arten und richten mitunter grosse Schäden in der Landwirtschaft an. Ein solcher Neophyt ist das Erdmandelgras (Cyperus esculentus), das sich seit Jahren in der Schweiz ausbreitet. Je früher Erdmandelgrasvorkommen gefunden werden, desto einfacher ist die Sanierung. Es gibt zum jetzigen Zeitpunkt kein organisiertes Monitoring sondern der Produzent findet den Neophyt quasi «zufällig». Daher schlagen wir vor eine drohnengestützte Monitoringmethode zu entwickeln. Hierfür werden in einem Arbeitspaket hochauflösende Luftbilder von zwei kommerziell genutzten Landwirtschaftsflächen gemacht. Die Luftbilder werden mehrmals pro Saison aus verschiedenen Höhen und mit verschiedenen Plattformen und Sensoren aufgenommen, sodass später eine Empfehlung bezüglich der am besten geeigneten Drohnenplattform ausgesprochen werden kann. Die Bilddaten werden mit Boniturdaten verschnitten und manuell annotiert und dann für die Entwicklung eines selbstlernenden Bildanalysesystems mittels maschinellem Lernen und Deep Learning genutzt. Die Entwicklung des Klassifikationsalgorithmus anhand von Felddaten zeigt die Anwendung und Potentiale der Al-gestützen Bildanalyse auf und bietet die Grundlage für weiterführende Anwendungen in der Praxis.