Entwicklung eines selbst lernenden neuronalen Netzwerks zur Objektdetektion

Thema: Eine robuste Detektion von Pflanzen unter den stark variierenden Situationen auf einem Feld stellt die Wissenschaft und Wirtschaft weiterhin vor große Probleme. Durch die Verwendung von künstlichen Intelligenzen zur Objektdetektion wurden in den letzten Jahren große Fortschritte erzielt. Doch für solche künstlichen Intelligenzen sind enorme Datenmengen von Nöten, um eine robuste Detektion zu entwickeln. Abhilfe hierfür könnten sogenannte selbst lernenden Netzwerke sein, die sich über mehrere Vegetationsperioden hinweg selbst verbessern. Eine Schwierigkeit von selbstlernenden Netzwerken ist die Frage, wie nicht erkannte Pflanzen dem neuronalen Netz „zugeführt“ / nachtrainiert werden, ohne die allgemeine Detektionsleistung des Netzwerkes zu mindern. Hierfür ist eine umfassende Recherche von selbstlernenden Netzwerken von Nöten, sowie die Entwicklung eines Prozesses für den landwirtschaftlichen Anwendungsfall der Pflanzendetektion im Feld.

Aufgaben:

• Einarbeitung künstliche Intelligenzen
• Einarbeitung Objekt Detektion
• Einarbeitung Self-learning Networks
• Entwicklung einer „Lernstruktur“ eines neuronalen Netzes für einen landwirtschaftlichen Anwendungsfall

Was man lernt:

• Grundlagen künstliche Intelligenz, Objekt Detektion, Selbst-lernende Netzwerke
• Grundlagen Programmierung (Python)
• Grundlagen KI Programmierung (Tensorflow, Keras)

Termin: Ab sofort!

Kontakt: Nils.lueling@uni-hohenheim.de