Plant recognition, detection, and counting with deep learning

Deep learning helpt bij herkennen van planten

In landbouw en bedrijfsbeheer zijn plantherkenning, plantdetectie en plantentelsystemen van cruciaal belang. We kunnen deze taken gebruiken voor verschillende toepassingen, bijvoorbeeld detectie van plantenziekten, onkruiddetectie, fruitoogstsysteem en identificatie van plantensoorten. Planten zijn te identificeren door te kijken naar hun meest onderscheidende delen, zoals blad, vrucht, bloem, schors en de gehele plant, en door rekening te houden met attributen als vorm, grootte of kleur.

De identificatie van plantensoorten door middel van veldobservatie kan gecompliceerd en tijdrovend zijn en vereist gespecialiseerde expertise. Computer vision en machine-learning zijn technieken met de potentie om de problemen met plantenherkenning in het onderzoek te overwinnen. Wel is de op beeld gebaseerde plantenherkenning nog steeds een uitdaging. Er zijn verschillende obstakels, zoals een grote verscheidenheid aan soorten, verschillen tussen de klassen, gelijkenissen tussen de klassen en onscherpe bronbeelden.

Recentelijk heeft het ontstaan van deep learning (diepgaand leren) aanzienlijke vooruitgang gebracht in de beeldclassificatie. Diep-lerende architecturen kunnen van beelden leren en met name hun voorspellende nauwkeurigheid verhogen. Het proefschrift van Pornntiwa  Pawara biedt verschillende technieken, waaronder gegevensuitbreidingen en classificatieschema's, om de herkenning van planten, de detectie van planten en het systeem voor het tellen van planten te verbeteren.

Pornntiwa  Pawara verrichtte haar promotieonderzoek aan de afdeling Kunstmatige Intelligentie van het Bernoulli Instituut. Zij werkt nu als docent en onderzoeker aan de Mahasarakham University, Thailand.

Proefschrift: http://hdl.handle.net/11370/ed1f333e-4203-4a28-8947-39acc4bb1e0a