+49 89 8007 5010
info@tama-group.com
Newsletter
Facebook
LinkedIn
YouTube
Instagram
Tama Group GmbH
  • Aktuelles
  • WaldCursor
    • WaldCursor
  • Informationsfabriken
    • Informationsfabriken
    • Städte, Gebäude & Straßen
    • Land- & Forstwirtschaft
    • Umweltwissenschaften
  • eCognition
    • eCognition Anwenderkonferenz 2022
    • eCognition
    • Training & Coaching
    • 4D-Wartung
    • eCognition Skill Tester
  • Bibliothek
    • Bibliothek
    • Newsletter
    • AppNotes
    • Publikationen
    • Videos
  • Support
  • Kontakt
    • Kontakt
    • Newsletter Tama Group
    • Webinare/Anmeldung
    • Webinar-Info
    • Karriere
  • EN

Körnerzählung einer Saatgutmischung

Für verschiedene Prozessschritte, wie z.B. die Aufreinigung oder Trocknung, welche im Rahmen von Züchtung oder Produktion von Saatgut notwendig sind, stellen sich analytische Fragen an einzelne Bestandteile der Mischung: In welchem Verhältnis liegen bei Mischgut die  einzelnen Sorten vor, oder in welchem Verhältnis stehen die Samenkorngrößen der verschiedenen Sorten zueinander.

Viele dieser Fragen lassen sich durch visuelle Inspektion qualitativ gut beantworten, erst eine tiefergehende quantitative Analyse erlaubt jedoch weitergehende Prozessoptimierung und durch Automatisierung eine Anwendung auf große Mengen.

RGB Daten für die Einzelkornextraktion

Um diese kognitiv-quantitative Analyse im Bereich der Landwirtschaft anwendungsnah zu charakterisieren, hat die Tama Group beispielhaft die automatische Erfassung von Körnern einer Linsen-Ampfer-Saatgutmischung vorgenommen. Ziel der automatischen Erfassung war die Erzeugung von Einzelobjekten, die Berechnung des Anteils dunkler Körner an der Gesamtanzahl sowie die statistische Erfassung verschiedener Kornmerkmale. Hierzu wurde die automatisierte Extraktion einzelner Körner auf weißem Untergrund auf der Basis eines Fotos einer Digitalkamera  vorgenommen.

Prozessoptimierung durch Tama Group Methodik

Eine Herausforderung für die automatische Kornextraktion stellen in diesem Beispiel vor allem dichte Korn-Cluster dar, welche die Erfassung von Einzelkörnern erschweren; durch Einsatz performanter Algorithmik konnten dennoch aussagekräftige Resultate erzielt werden. Mit Hilfe der Verknüpfung gewonnener rasterbasierter Zusatzinformationen sowie Form- und Nachbarschaftskriterien können umfangreiche Aussagen zu den Kornmerkmalen getroffen werden, einige Beispiele dazu in der nebenstehenden Tabelle.

  • Home
  • Aktuelles
  • WaldCursor
  • Informationsfabriken
  • eCognition
  • Bibliothek
  • Kontakt
  • Impressum
  • Datenschutz
  • AGB
© 2021 Tama Group GmbH, All rights reserved