Maschinelles Lernen zur Unterstützung der Landwirtschaft | AI4Weed
Dieses PhD-Projekt ist Teil des HEIBRiDS (Helmholtz Einstein International Berlin Research School in Data Science) PhD Programms. Das Hauptziel ist die Identifizierung und Überwachung von Unkraut in landwirtschaftlichen Feldern mit Hilfe von Fernerkundungsbildern aus geringer Höhe. Zu diesem Zweck werden UAV-Daten (d. h. Drohnen) in Kombination mit Bayesschen maschinellen Lernverfahren verwendet, die eine Quantifizierung der Unsicherheit und zuverlässigere Schätzungen ermöglichen.
- 01.09.2022 - 31.08.2026
- Helmholtz Gemeinschaft
- Helmholtz-Einstein International Berlin Research School in Data Science
- Einstein Center Digital Future (ECDF)
- Celikkan, Ekin, Mohammadmehdi, Saberioon, Martin, Herold, Nadja, Klein. "Semantic Segmentation of Crops and Weeds with Probabilistic Modeling and Uncertainty Quantification." Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) Workshops. 2023.
- Celikkan, Ekin, Timo, Kunzmann, Yertay, Yeskaliyev, Sibylle, Itzerott, Nadja, Klein, Martin, Herold. "WeedsGalore: A Multispectral and Multitemporal UAV-Based Dataset for Crop and Weed Segmentation in Agricultural Maize Fields." Proceedings of the Winter Conference on Applications of Computer Vision (WACV). 2025.
