Skip to main content

Deep Learning in der Landwirtschaft – Analyse eines Weinbergs

  • 8212 Accesses

Part of the Edition HMD book series (EHMD)

Zusammenfassung

Der ubiquitäre Einsatz moderner Informations- und Kommunikationstechnologie verändert sämtliche Wirtschaftszweige und revolutioniert somit auch die Landwirtschaft. Der vorliegende Beitrag präsentiert dahingehend eine Big-Data-Analytics-Fallstudie aus dem Bereich des Weinanbaus, wo mithilfe von mobilen Aufnahmegeräten umfangreiches Bildmaterial aufgezeichnet wurde, um eine automatisierte Objekterkennung zur Unterstützung von operativen Winzertätigkeiten realisieren zu können. Dazu gehören zum Beispiel das Zählen von Reben, die Identifikation von Rebfehlstellen und die Prognose von potenziellem Erntegut. Hierbei besteht die Herausforderung unter anderem darin, landwirtschaftlich relevante Weinobjekte wie Reben, Trauben und Beeren über die einzelnen Hierarchieebenen hinweg erkennen zu können und diese auch in Bezug auf bewegtes Bildmaterial folgerichtig zu zählen. Zur Realisierung werden einige Lösungsansätze vorgestellt, die auf modernen Deep-Learning-Verfahren der bildbasierten Objekterkennung aufbauen. Der Beitrag wird abgerundet mit einer Diskussion und Implikationen für analytische Anwendungen in der landwirtschaftlichen Praxis.

Schlüsselwörter

  • Agrarwirtschaft
  • Deep Learning
  • Tiefe Neuronale Netzwerke
  • Maschinelle Bildverarbeitung
  • Maschinelles Lernen
  • Objekterkennung
  • Objektverfolgung
  • Objektzählung
  • Weinanbau

Überarbeiteter Beitrag basierend auf Heinrich K, Zschech P, Möller B, Breithaupt L, Maresch J (2019) Objekterkennung im Weinanbau – Eine Fallstudie zur Unterstützung von Winzertätigkeiten mithilfe von Deep Learning. HMD – Praxis der Wirtschaftsinformatik 56:964–985.

This is a preview of subscription content, access via your institution.

Buying options

Chapter
USD   29.95
Price excludes VAT (USA)
  • DOI: 10.1007/978-3-658-32236-6_8
  • Chapter length: 26 pages
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
eBook
USD   49.99
Price excludes VAT (USA)
  • ISBN: 978-3-658-32236-6
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
Abb. 8.1
Abb. 8.2
Abb. 8.3
Abb. 8.4
Abb. 8.5
Abb. 8.6
Abb. 8.7
Abb. 8.8
Abb. 8.9
Abb. 8.10
Abb. 8.11
Abb. 8.12
Abb. 8.13

Notes

  1. 1.

    Künstliche neuronale Netze sind Modelle des maschinellen Lernens, deren Aufbau dem biologischen Vorbild von neuronalen Vernetzungen im Gehirn nachempfunden ist.

Literatur

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Patrick Zschech .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and Permissions

Copyright information

© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Verify currency and authenticity via CrossMark

Cite this chapter

Zschech, P., Heinrich, K., Möller, B., Breithaupt, L., Maresch, J., Roth, A. (2021). Deep Learning in der Landwirtschaft – Analyse eines Weinbergs. In: D'Onofrio, S., Meier, A. (eds) Big Data Analytics. Edition HMD. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-32236-6_8

Download citation