Mustererkennung unter Echtzeit-Bedingungen mit deren Anwendung bei der Unterscheidung von Mais und B

Inhaltsangabe:Gang der Untersuchung:

Die Bildverarbeitung ist eine sich rasant entwickelnde Disziplin der Informatik, erobert sie doch dank fortschreitender Technik und neuer innovativer Methoden immer breitere Anwendungsfelder. Nun aber sogar ein Echtzeit-Einsatz in der Landwirtschaft ... ? - Das Projekt "Querhacke" unternimmt den Versuch, mit Hilfe mehrerer unterschiedlicher Sensoren eine echtzeitfähige Unterscheidung von Mais- und Beikrautpflanzen zu ermöglichen, um daraus eine Alternative für eine nichtchemische Beikrautbekämpfung zu entwickeln. Im Abschnitt 2 wird dieses Projekt vorgestellt. Ziel der vorliegenden Arbeit ist es, im Rahmen dieses Projektes Möglichkeiten zu untersuchen, ob und wie aus Aufnahmen eines speziellen Bildsensors (Kapitel 2.3) durch eine echtzeitfähige Bildanalyse (hier relevante) visuelle Pflanzenmerkmale bereitgestellt werden können. Die aus den Bildern extrahierten Größen können dann zusammen mit allen anderen Sensorsignalen für eine Unterscheidung von Mais- und Beikrautpflanzen genutzt werden.

Im 3. Abschnitt soll zunächst ein allgemeiner Überblick über Verfahren und Methoden der Bildverarbeitung gegeben werden, um die später tatsächlich verwendeten Techniken einordnen zu können.

Bevor Merkmale aus einem Bild gewonnen werden können, muß aus dem von der Kamera gelieferten Grauwertbild ein möglichst gut interpretierbares Binärbild generiert werden. Abschnitt 4 beschreibt die dafür implementierten und getesteten Algorithmen.

Kern der gesamten Diplomarbeit ist der Abschnitt 5. Hier werden insgesamt fünf verschiedene Bildmerkmale zur Erkennung von Maispflanzen vorgestellt, davon drei zum Teil einfachere geometrische Formmerkmale (Kap. 5.2 - 5.4).

Ein besonderer Schwerpunkt ist die Untersuchung zweier Methoden der assoziativen Mustererkennung, inwieweit diese zur Generierung von Objektmerkmalen eingesetzt werden können. Im Vordergrund steht dabei die Anwendung im "Querhacke"-Projekt, es wird aber auch Wert auf Aussagen zur allgemeinen Anwendbarkeit gelegt. Insbesondere die neuronalen Hopfield-Netze (Kap. 5.5) sollen hinsichtlich ihrer Eignung zur Mustererkennung und -rekonstruktion (hier von Maismustern) analysiert werden. Da die Echtzeitfähigkeit für den angestrebten Einsatz einen wichtigen Gesichtspunkt darstellt, sind dafür zwei spezielle Derivate von Hopfield-Netzen entwickelt und getestet worden, auf die ausführlicher im Kapitel 5.5.6 eingegangen wird.

Im Kap. 5.6 wird mit dem Pattern-Matching aus einem […]