Algorithmen für die automatische Erkennung von Blattstörungen - eine geometrische Merkmalsextraktion zur Bewertung der Zustände einzelner Blätter

Die schnelle Entwicklung im Bereich unbemannter Flugsysteme (UAV) eröffnete neue Möglichkeiten für die Untersuchung von Bäumen. Mithilfe von UAVs die auf geringer Flughöhe agieren, können sehr hoch auflösende Aufnahmen von Bäumen und Baumkronen angefertigt werden. Durch die Bearbeitung dieser Bilder mit den gängigen Methoden der digitalen Bildbearbeitung ist es möglich, den Zustand einzelner Blätter zu beurteilen. Dies erfolgt durch die Extraktion von geometrischen Merkmalen von Irritationen auf den Blättern. In diesem Beitrag wird eine effiziente Methode zur Identifizierung von kleinen Störungen auf einzelnen Blättern vorgestellt. Zum Auffinden dieser Störungen werden ein Blob-detection-Algorithmus und verschiedene Filter verwendet. Untersucht werden im Speziellen die Blätter des Spitzahorn Acer platanoides mit weißen Flecken auf deren Oberfläche. Diese weißen Flecken können verschiedene Ursachen haben. Durch die Auftrennung der RGB-Bilder in einzelne Graustufenbilder für Rot, Grün und Blau ist es möglich mit dem zuvor erwähnten Algorithmus diese weißen Flecken zu lokalisieren. Dabei sind vor allem die Graustufenbilder des roten und grünen Kanals von Bedeutung. Eine Kombination des roten und grünen Kanals, anschließender Filterung und Glättung der Bilder erhöhte die Genauigkeit und führte zu guten Ergebnissen. Des Weiteren wurden verschiedene Eigenschaften der weißen Flecken genutzt, um fälschlicherweise gefundene Treffer des Blob-detection-Algorithmus zu eliminieren. Diese Arbeit wurde im Rahmen des Sustainability Center Freiburg im Projekt MulDiScan realisiert.

Fast developments in the sector of unmanned aerial vehicles (UAV) opened new opportunities for tree assessments. Very high resolution imagery of trees can be acquired from low cruising UAVs. With these high-resolution images and the help of different image processing methods, we are enabled to estimate the states of single leaves based on a geometrical feature extraction of disturbances on the leaves. In this work, an efficient way to identify small disturbances and irritations on single leaves with the help of blob detection algorithms and different filters will be proposed. Utilizing RGB images of maple leaves with disturbances and white blotches on their surface. These irritations can be caused by different reasons. Applying the algorithms mentioned above on gray scale images leads to a geometrical feature extraction of the white blotches especially when using the red and green channels of RGB images. A combination of the red and green channel and filters to smoothen the images increased the accuracy of the results. Furthermore, different characteristics of the blotches were used to eliminate false hits.