Computer Vision zur Pflanzenklassifizierung und Lokalisation des Vegetationszentrums
Ausschreibung für eine Projekt-/Abschlussarbeit
Themenfelder: Computer Vision, Deep Learning, Synthetic Data, Agriculture 4.0
Übersicht
Wir sind ein durch das EXIST-Förderprogramm unterstütztes Team, das ein System zur automatisierten, mechanischen Unkrautbekämpfung entwickelt. Ein wichtiger Bestandteil dieses Projekts ist die diskriminative Analyse von Kulturpflanzen und Beikräutern mittels Computer Vision. Das Ziel der Arbeit ist die Entwicklung und Evaluation eines robusten Detektions- und Klassifizierungsmodells. Die Datengrundlage bilden Realdaten, die im Frühjahr auf verschiedenen landwirtschaftlichen Flächen in unterschiedlichen Wachstumsstadien akquiriert und anschließend annotiert werden. Um die Generalisierungsfähigkeit des Modells zu erhöhen, soll der Trainingsdatenpool durch die Generierung synthetischer Daten signifikant erweitert werden.
Systembeschreibung
Die Bildaufnahme erfolgt aus der Vogelperspektive (siehe Abbildung) mit Fokus auf die Kulturpflanzenreihe. Das Modell soll eine Instanz-Detektion aller Pflanzen im Frame durchführen und diese in Kulturpflanze (dunkelblau in Abb.) und Unkräuter (hellblau in Abb.) klassifizieren.
Abschließend müssen die Vegetationszentren (Stielansatz; rote Punkte in Abb.) der Unkräuter lokalisiert werden. Als Referenz dient ein im Rahmen einer vorangegangenen Maschinenbau-Abschlussarbeit erstellter Proof-of-Concept auf Basis von YOLOv8. Der Fokus des zu entwickelnden Modells liegt auf maximaler Stabilität und hoher Inferenz-Performance. Zielplattform für das finale Programm ist ein mobiles Edge-Device (bspw. Nvidia Jetson).
Inhalte der Aufgabenstellung
- Spezifikation der Datenparameter: Festlegung der Anforderungen für die Bilddatenerfassung (Drohne/Manuell, Auflösung, Formate).
- Synthetische Datengenerierung: Auswahl geeigneter Augmentierungstools und prozedurale Erzeugung synthetischer Daten.
- Architekturevaluation: Test und Vergleich verschiedener Modellarchitekturen zur Identifikation der optimalen Lösung.
- Training & Validierung: Durchführung umfassender Trainingsreihen und statistische Auswertung der Ergebnisse.
- Optionale Vertiefung: Performance-Optimierung (z.B. Model Distillation) sowie Beratung bei der Hardwareauswahl für den funktionalen Prototypen.
Kontakt: Jonas Knoll jonas.knoll@htwk-leipzig.de
Startbahn 13 / Raum: FZE 124
Eilenburger Str. 13, 04317 Leipzig
Themenvorschlag: Computer Vision for Plant Classification and Localization of Vegetation Centers
Referenz-Darstellung der Pflanzenklassifizierung und Stiel-Lokalisation
