Zeitraum
ab 01.Jan.2012
Ansprechpartner
Projektleiter
Zusammen-
fassung
In diesem Projekt liegt der Fokus auf der unüberwachten, ordinalen Klassifikation von Senszenz und der Selektion und Konstruktion entsprechender Merkmale. Als ordinale Klassifikation wird eine Merklassen-Klassifikation bezeichnet deren Klassen eine Ordnung (1,2,3…) besitzen, die sich auch in den Merkmalen widerspiegelt. Hier repräsentieren die Klassen die einzelnen Seneszenzgrade der Pflanze unter dem Einfluss von Trockenstress, wodurch es möglich wird die Merkmale in Abhängigkeit vom Seneszenzgrad zu selektieren. Als Merkmale werden bekannte Indizes verwendet, die einzelnen Pigmenten oder biologischen Vorgängen zugeordnet werden können. Dies ermöglicht einen Einblick in die Vorgänge in der Pflanze unter dem Einfluss von Trockenstress, da eine Veränderung der relevanten Merkmale über die einzenen Seneszenzgrade aufgedeckt werden kann. Somit stellt dieses Projekt eine Ergänzung des Projekts Früherkennung von Trockenstress dar.

Wie auch im genannten Projekt wird als Sensor eine Hyperspektralkamera verwendet. Diese ist in der Lage das reflektierte Lichtspektrum hochgenau zu bestimmen und erlaubt so auch eine Detektion subtiler Änderungen. Durch das verwendete Messprinzip können nicht-invasiv, preisgünstig und mit hoher Geschwindigkeit auch große Pflanzenbestände auf Anzeichen von Trockenstress überwacht werden. Die universelle Anwendbarkeit und die Vielfalt der gemessenen Informationen bringen jedoch einen großen Datenumfang im Giga- bis Terabyte-Bereich mit sich. Bei Verwendung verbreiteter Algorithmen zur Analyse und Visualisierung der Rohdaten wird die Kapazität der verwendeten Computer daher häufig überschritten.

Dies führt zur Notwendigkeit, Verfahren zu entwickeln, die geeignet sind Merkmale für die Auswirkungen von Trockenstress zu selektieren. Auf Basis einer kleinen, signifikanten Gruppe von Merkmalen ist dann eine frühzeitige Detektion von Trockenstress ohne große Rechenkraft oder einen Rückgriff auf Expertenwissen möglich. Durch die Verwendung interpretierbarer Merkmale ermöglicht diese Form der Merkmalsselektion einen Rückschluss auf Vorgänge innerhalb der Pflanze.
Bilder, Beispiele
Publikationen zum Projekt
Behmann, Jan:
Merkmalsgewinnung aus spektralen Signaturen für die Detektion von Trockenstress bei Gerste
Masterarbeit, 2011.

5.0 M