1 / 19

Er computeren bedre end det menneskelige øje til at finde planter?

Er computeren bedre end det menneskelige øje til at finde planter?. Henning T. Søgaard Danmarks JordbrugsForskning Afd. f. Jordbrugsteknik Planteproduktion 2004 den 14. januar i Herning Kongrescenter. Finde planter med computer – hvad er meningen?.

hisoki
Télécharger la présentation

Er computeren bedre end det menneskelige øje til at finde planter?

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Er computeren bedre end det menneskelige øje til at finde planter? Henning T. Søgaard Danmarks JordbrugsForskning Afd. f. Jordbrugsteknik Planteproduktion 2004 den 14. januar i Herning Kongrescenter

  2. Finde planter med computer – hvad er meningen? Finde planter vha. automatisk digital billedbehandling

  3. Finde planter – med hvilket formål? • Ukrudtsbekæmpelse • Kortlægning af ukrudt m.h.p. positionsbestemt ukrudtsbekæmpelse • Løbende genkendelse af afgrøde og ukrudt under behandling

  4. Finde – hvad er det? • Finde planter på billeder? • Karakterisere planter • store eller små • grønne eller gule • ukrudt eller krudt • ukrudtsarter • syge eller raske • …

  5. Hvordan kan computeren være bedre? • Ved at være • hurtigere? • mere sikker? • mere ”udholdende”? • eller … ?

  6. Finde planter ud fra kendetegn • Mønster ved såning eller udplantning (rækker, planteafstand) • Blad- eller planteform (2D) • Plantestruktur (3D) • Bladfarve og -reflektion • Bladtekstur • Kombinerede karakteristika

  7. Rækkegenkendelse på luftfoto Fransk vinmark Bordeaux, Frankrig. Opløsning < 0.3 m

  8. Case IH – Visual Guidance System Eco-Dan – Advanced Tool Control Garford Farm Machinery - Robocrop www.garford.com www.clears.com.au/vgs.htm www.eco-dan.com Rækkestyring

  9. WeedSeeker www.weedseeker.com

  10. WeedSeeker www.weedseeker.com

  11. WeedSeeker www.weedseeker.com

  12. WeedSeeker www.weedseeker.com

  13. Identificere afgrødemønster Selvkørende køretøj til sprøjtning Silsoe Research Institute www.sri.bbsrc.ac.uk

  14. Ukrudtsdække Automatisk opgørelse, % Manuel opgørelse, % Skelne mellem ukrudt og afgrøde

  15. Ukrudtseksempler (Hvidmelet gåsefod) Ukrudtsmodel Karakteristiske variationsmåder Statistisk analyse Genkendelse af ukrudtsarter ud fra planteform

  16. Genkendelse af ukrudtsarter ud fra planteform

  17. Fersken-pileurt? Hvidmelet gåsefod? Farvebillede taget i marken   Genkendelse af ukrudtsarter ud fra planteform

  18. Konklusion • Systemer til rækkemellemrum: • findes i handelen • kan konkurrere med manuelle metoder • Systemer til skelnen mellem ukrudt og afgrøde • forskningsmodeller findes • kan i visse henseender konkurrere med manuelle metoder • kan løse nye opgaver

  19. Perspektiver - fremtid • Registrering/behandling af enkeltplanter kan modnes inden for få år • Ukrudtskortlægning: Led mellem stikprøvedata og kort mangler • Systemer til løbende registrering af ukrudtstryk er inden for rækkevidde

More Related