Maschinelles Lernen und Deep Learning im Pflanzenmanagement – Eine Übersicht

Der Einsatz von Computer-Vision-Techniken basierend auf Machine-Learning(ML)- und Deep-Learning(DL)-Algorithmen hat zugenommen, um die landwirtschaftliche Produktion auf kosteneffiziente Weise zu verbessern. Forscher haben ML- und DL-Techniken für verschiedene landwirtschaftliche Anwendungen wie die Klassifizierung von Nutzpflanzen, die automatische Ernte von Nutzpflanzen, Schädlings- und Krankheitserkennung bei Pflanzen, Unkrauterkennung, die Einstufung der Landbedeckung, die Erstellung von Bodenprofilen und das Tierwohl eingesetzt. In diesem Kapitel werden die Anwendungen dieser Algorithmen im Pflanzenanbau, beispielsweise Ertragsprognose, Krankheits- und Schädlingserkennung sowie Unkrauterkennung, zusammengefasst und analysiert. Die Studie stellt Vor- und Nachteile verschiedener ML- und DL-Modelle dar. Probleme und Herausforderungen, die bei der Anwendung der ML- und DL-Algorithmen Pflanzenanbau auftreten, werden diskutiert. Darüber hinaus werden auch die verfügbaren landwirtschaftlichen Datenquellen, Datenverarbeitungstechniken, ML-Algorithmen und DL-Modelle, die von Forschern eingesetzt werden, sowie die zur Messung der Leistung der Modelle verwendeten Metriken erörtert.