Automatische Erkennung von zehn Unkrautarten mit Hilfe digitaler Bildverarbeitung und Fouriertransformation

Automatic identification of 10 weed species in digital images using Fourier descriptors and shape parameters Plant species discrimination in mixed plant communities has recently become possible using transforms and shape parameters to classify digital images. In the present study image analysis techniques were used to identify weeds commonly found in winter cereal fields. Those species included Veronica hedenfolia L., Thlaspi arvense Beauv., Alopecurus myosuroides L., Apera spica-venti L., Poa annua L., Stellaria media L., Capsella bursa-pastoris L., Lamium purpureum L., Matricaria chamomilla L. and Galium aparine L. Images of several growth stages of these weeds were photographed using a Still Videokamera, binarified, the shape extracted and then Fourier descriptors and shape parameter were calculated for each weed. Classified digital images of each species were stored on the computer. A separate set of photographic images of these 10 weeds were used to test the ability of the classified images for plant identification. The average rate of correct identification was 81.9 % ranging from 41.6 % to 100 %. Zusammenfassung In dieser Arbeit wurde ein Verfahren zur Erkennung von zehn Unkrautarten im Wintergetreidebau entwickelt. Diese zehn Spezies sind: Veronica hederifolia L., Thlaspi arvense Beauv., Alopecurus myosuroides Huds., Apera spica-venti L., Poa annua L., Stellaria media L., Capsella bursa-pastoris L., Lamium purpureum L., Matricaria chamomilla L. und Galium aparine L. Die Unkrauter wurden mit einer elektronischen CCD-Still-Videokamera im Herbst 1991 aufgenommen. Anschliesend wurde die ausere Kontur der Unkrauter im Binarbild extrahiert und Fourierdeskriptoren sowie Formparameter berechnet und im Speicher des Rechners abgelegt. Eine Wissensbasis aus einigen reprasentativen Individuen jeder Art wurde aufgebaut. Die Wiedererkennungsstudie erfolgte mit anderen Individuen der gleichen Spezies. Folgende Ergebnisse lassen sich zusammenfassen. 1. Die durchschnittliche Wiedererkennungsrate der untersuchten Unkrautspezies betrug 81,9 % und variierte von 41,6 % fur Galium aparine bis 100 % fur Veronica hederifolia. 2. Die Zeit der Wiedererkennung fur ein Unkraut betrug mit einem 10-MHz-Rechner ohne Coprozessor je nach Komplexitat der auseren Kontur und der Grose der Wissensbasis 30 bis 39 Sekunden.