Thema: Durch ein neuronales Netz basiertes instance Segmentierungsverfahren können Kohlpflanzen erkannt und analysiert werden. Um eine robuste Detektion und Analyse zu gewährleisten, ist im Normalfall ein großer Datensatz nötig, der die zu analysierende Pflanze in verschiedenen Umgebungsszenarien zeigt. Zudem erhöht sich mit steigender Datensatzgröße der Label-aufwand. Bestehende Image Augmenter vervielfältigen Datensätze bezüglich der Perspektive (Translation, Rotation, Zoom, Scherung…). Der zu entwickelnde Augmenter soll Einflussparameter simulieren, die ein Roboter auf dem Feld antreffen könnte (Bodenart, Unkraut, Pflanzabstände, Belichtung), und somit die Qualität eines bestehenden Datensatzes erhöhen.

Aufgabe:

• Einarbeitung in KI (Wozu heterogene Datensätze, Image Augmenter, Instance Segmentierung)
• Aufbereitung eines Datensatzes (Kohlpflanzen labeln)
• Entwicklung eines Augmentation Tools
• Aufbau eines Testszenarios

Was man lernt:

• Grundlagen KI basierte Objektdetektion
• Bildverarbeitung basierend auf Matlab und/oder Python

Termin: Ab sofort

Kontakt: Nils.lueling@uni-hohenheim.de