Abstract (deu)
Kamerabasierte Systeme in der Landwirtschaft können die Menge an benötigten Unkraut-bekämpfungsmitteln reduzieren. Die Systeme müssen dabei beurteilen können, ob es sichbei einer Pflanze um Unkraut oder eine Nutzpflanze handelt. Die Grundlage hierfür sindNeuronale Netze, die sich ihr „Wissen“ auf Basis von Daten aneignen. Diese Daten müssenzunächst gesammelt und anschließend aufbereitet werden. Die Aufbereitung dieser Datenist in der Regel sehr zeitintenstiv und benötigt in vielen Fällen spezifisches Fachwissen.Die gegenständliche Masterarbeit beschäftigt sich mit dem Einsatz von Neuronalen Netzenfür die Erkennung von Unkraut auf Fotos eines Ackers. Es wird aufgezeigt, dass Datensetserweitert werden können, indem die Pflanzen (Unkräuter und Nutzpflanzen) aus denBildern ausgeschnitten, in einer Datenbank gespeichert und in anderer Form wiederzusammengesetzt werden. Diese neu generierten Datensets werden „Digital Field Twin“genannt und erzielen genauere Ergebnisse bei der Segmentierung von neuem Bildmaterialder selben Nutzpflanze. Diese Bilder können einer bestehenden Datenbank entnommenwerden oder von Landwirten am Feld mittels Smartphone aufgenommen werden. FürLetzteres wurde ein eigener Arbeitsablauf erstellt und implementiert, welcher den An-wender am Smartphone durch den Prozess des Fotografierens und Beschriften einer neuenPflanze führt. Das Sammeln neuer Daten bedarf keiner händischen Kennzeichnung derPflanzen im Bild. Am Beispiel eines echten Sojafeldes wird in der Arbeit aufgezeigt, dassmit den Daten, die mit einem Smartphone in einem Teilstück des Feldes aufgenommenwurden, ein Model trainiert werden kann, welches Bilder von anderen Teilstücken desFeldes mit hoher Genauigkeit segmentieren kann.