Kartierung des Bedeckungsgrads von Cirsium arvense im Mais (Zea mays L.) mithilfe Neuronaler Netze in UAV-Daten

Abstract

Die Ackerkratzdistel (Cirsium arvense (L.) Scop.) verbreitet sich hauptsächlich über Wurzelausläufer, sodass sie gehäuft in Distelnestern auftritt. Diese können pro Jahr um bis zu 10 m im Durchmesser wachsen, sodass eine frühzeitige Erkennung neuer Nester und eine effektive Regulierung von hoher Relevanz ist. In dieser Arbeit wird C. arvense mithilfe hochaufgelöster Bilddaten aus UAV-Befliegungen, die in einem Zeitraum von vier Wochen erhoben wurden, durch ein Ensemble aus Convolutional Neural Networks (CNNs) kartiert und der Bedeckunsggrad abgeleitet. Die Ergebnisse zeigen, dass die Genauigkeit der Kartierung von Einzelpflanzen mit dem phänologischen Stadium der Pflanzen zusammenhängt, und bestätigen die Eignung von CNNs für eine artspezifische Erkennung von C. arvense.