Rose, Johann Christian: Automatische, hochaufgelöste 3D-Phänotypisierung von Trauben und Beeren der Weinrebe unter Feldbedingungen. - Bonn, 2020. - , . In: Schriftenreihe / Institut für Geodäsie und Geoinformation, 61.
Online-Ausgabe in bonndoc: http://hdl.handle.net/20.500.11811/2169.2
@phdthesis{handle:20.500.11811/2169.2,
author = {{Johann Christian Rose}},
title = {Automatische, hochaufgelöste 3D-Phänotypisierung von Trauben und Beeren der Weinrebe unter Feldbedingungen},
school = {},
year = 2020,
series = {Schriftenreihe / Institut für Geodäsie und Geoinformation},
volume = 61,
note = {Pilzwiderstandsfähige Sorten (PIWI) sind eine der Innovationen im Weinbau. Das Projekt Novel Viticulture Systems for sustainable production and products (NoViSys) kombiniert die PIWIs zur Effizienzsteigerung mit einem neuen Erziehungssystem für Weinreben, dem Minimalschnitt im Spalier (MSS) und vergleicht es mit der Erziehung im Traditionellen Spalier System (TS). Ein wichtiges phänotypisches Merkmal zum Vergleich beider Erziehungssysteme ist der Ertrag. Für vergleichende Untersuchungen und Optimierungsmaßnahmen soll der Ertrag während der Saison in mehreren Reifestadien BBCH75 und BBCH89 ermittelt werden. Die Trauben müssen daher intakt an den Weinreben verbleiben. Um den Ertrag nicht-invasiv zu bestimmen, werden die sog. Ertragsparameter ermittelt: die Anzahl der Trauben und Beeren, sowie die Beerengröße.
Traditionellerweise werden die Ertragsparameter durch einen erfahrenen Züchter aus wenigen visuell erhobenen Stichproben extrapoliert und zur Ertragsschätzung genutzt. Sensorbasierte Methoden zielen darauf ab, im Hochdurchsatz auf automatische und nicht-invasive Weise, objektive und genaue Ertragsparameter von einer Vielzahl von Weinreben zu bestimmen. Ziel ist es, durch eine größere und vollständigere Stichprobe der Ertragsparameter die statistische Sicherheit der Ertragsschätzung zu erhöhen. Die Aufgabe dieser Dissertation lautet daher:
"Entwicklung einer nicht-invasiven, sensorgestützten Hochdurchsatz-Methode zur automatischen Schätzung der Ertragsparameter und eine auf den Ertragsparametern basierende Schätzung des Ertrages für TS- und MSS-Erziehungssysteme im Reifestadium BBCH75 und BBCH89 unter Feldbedingungen."
In dieser Arbeit wird eine auf RGB-Kameras basierende Lösung der Aufgabe vorgestellt und evaluiert. Drei Teilaufgaben zur Schätzung der Ertragsparameter und des Ertrages werden dazu gelöst:
1) Datenerhebung: Entwicklung und Untersuchung mobiler Sensorplattformen für die Datenerhebung im Hochdurchsatz unter Feldbedingungen für beide Erziehungssysteme. Zwei mobile Sensorplattformen werden untersucht. Auf ihnen montierte RGB-Kameras nehmen in Bewegung automatisch Bilder der Weinreben aus multiplen Perspektiven entlang der Horizontalen und der Vertikalen auf. Aus den über GPS georeferenzierten RGB-Bildern werden mittels einer Multi-View-Stereo Software farbige, metrisch skalierte Punktwolken der Weinreben mit hoher geometrischer Auflösung rekonstruiert.
2) Datenklassifikation: Entwicklung einer geeigneten algorithmenbasierten Klassifikationsstrategie, um in den Daten Beeren und Trauben von Blättern, Ästen und anderen Bestandteilen automatisch zu unterscheiden. Zur Klassifikation wird der überwachte Klassifikator Import Vector Machine genutzt. Mehrere geometrieund farbbasierte Deskriptoren werden hinsichtlich der Klassifikationsgenauigkeit untersucht und der beste Deskriptor identifiziert. Räumliche Beziehungen zwischen den 3D-Punkten der klassifizierten Punktwolken werden in einem Graph-Cut Ansatz zur Verbesserung der Klassifikationsergebnisse ausgenutzt.
3) Quantifikation: Entwicklung einer algorithmenbasierten Strategie zur automatischen Schätzung der Ertragsparameter und des Ertrages aus den klassifizierten Daten. Die Untersuchungen umfassen die Schätzung der Ertragsparameter für beide Erziehungssysteme und Reifestadien, sowie einen Vergleich mit Referenzdaten. Die Ertragsparameter werden anhand der klassifizierten 3DPunkte durch ein 3D-Connected-Components Verfahren in Kombination mit Kugelapproximationen, sowie Kalibrierwerten zur Korrektur nicht detektierter und unsichtbarer Beeren und Trauben bestimmt. Des Weiteren wird eine Funktionsvorschrift zur Schätzung des Ertrages auf Basis der geschätzten Ertragsparametern formuliert. Die Ertragsschätzung wird für beide Erziehungssysteme im BBCH89 Reifestadium vorgenommen. Zwischen geschätztem und tatsächlichem Ertrag werden Abweichungen von 5% für das TS-Erziehungssystem und −21% für das MSS-Erziehungssystem erreicht},

url = {http://hdl.handle.net/20.500.11811/2169.2}
}

Die folgenden Nutzungsbestimmungen sind mit dieser Ressource verbunden:

InCopyright
VersionDokumentDatumZusammenfassung

* Ausgewählte Version(en)