Sciweavers

Share
GIL
2016

Automatische Detektion von Trockenstress bei Tabakpflanzen mittels Machine-Learning-Verfahren

3 years 19 days ago
Automatische Detektion von Trockenstress bei Tabakpflanzen mittels Machine-Learning-Verfahren
Abstract: Dieser Beitrag befasst sich mit der Klassifikation der Vitalität von Pflanzen durch Machine-Learning-Verfahren am Beispiel von Trockenstress bei Tabak (Nicotiana tabacum). Wir zeigen, dass Machine-Learning-Verfahren die menschliche Unterscheidung von gesunden und gestressten Pflanzen durch einen Experten nachbilden können und zudem, dass eine frühzeitige Erkennung von Pflanzenstress möglich ist, indem eine dritte Klasse für mäßig gestresste Pflanzen eingeführt wird. Zur Klassifikation werden Entscheidungsbaumverfahren, Support Vector Machine, künstliche Neuronale Netze und Lineare Regression verglichen. Im Beitrag wird schwerpunktmäßig die Auswahl der Merkmale beschrieben, die für eine zuverlässige Klassifikation notwendig sind. Da die Experteneinschätzung weniger auf Einzelkriterien als vielmehr auf dem Gesamteindruck des Pflanzenphänotyps basiert, stellt sich die Frage, welche relevanten Merkmale ein automatisches Diagnose-System berücksichtigen muss. Es hat...
Michael Siebers, Franz Uhrmann, Oliver Scholz, Chr
Added 03 Apr 2016
Updated 03 Apr 2016
Type Journal
Year 2016
Where GIL
Authors Michael Siebers, Franz Uhrmann, Oliver Scholz, Christoph Stocker, Ute Schmid
Comments (0)
books