Fraunhofer-Institut für Experimentelles Software Engineering IESE
Fraunhofer-Institut für Experimentelles Software Engineering IESE

Technisches Cluster: Feature Recognition

Der Begriff »Feature Recognition« meint als Arbeitsbegriff für dieses Cluster die Anwendung von (KI-) Methoden um Daten auszuwählen und für eine Auswertung vorzubereiten. Dabei kann Expertenwissen integriert werden um sinnvolle Feature (Merkmal / Eigenschaft, die man aus Daten extrahieren kann) aus den Daten zu erzeugen und den Lernprozess zu vereinfachen – insbesondere im Kontext von begrenzten Lerndatenmengen, wie sie bei Versuchsdaten aus der Landwirtschaft häufig vorliegen. Fokussiert werden dabei folgende Thematiken

  • Analyse und Detektion von Störeinflüssen auf die erhobenen Daten nach Kontext der Messungen
  • Methoden zur Auswahl von relevanten Datenpunkten (bspw. Vorder- / Hintergrundsegmentierung bei Bilddaten)
  • Auswahl von passenden Vorverarbeitungsschritten
  • Methoden zur Merkmalsextraktion

Folgende KI-Projekte sind im Cluster zusammengefasst und werden von Fraunhofer IFF betreut:

Fragestellungen und Herausforderungen

In unserem Cluster wollen wir folgende Fragestellungen bezüglich des Einsatzes von KI-Methoden zur Auswertung landwirtschaftlicher Daten beantworten

  • Welche Eigenschaften (Feature) sind für unsere Vorhersagen / KI-Lernaufgabe von Bedeutung?
  • Wie erhalten wir robuste Feature, die möglichst unabhängig von den Messbedingungen sind?
  • Welche Artefakte können in unseren Daten vorhanden sein?
  • Welche Besonderheiten haben Daten aus Messungen in natürlicher Umgebung?
  • Was sind Best-Practices im Umgang mit und bei der Vorverarbeitung von Daten (z.B. Hyper-/Multi-Spektraldaten vom Feld)?
© Fraunhofer IFF

Vernetzungsaktivitäten und Zielsetzungen

Die Herausforderungen und Fragestellungen werden in den weiteren Vernetzungsaktivitäten diskutiert und vertieft. Die daraus resultierenden Kernherausforderungen werden sowohl in online Treffen als auch Präsenztreffen thematisiert. Zum einem sollen dadurch Synergieeffekte stärker genutzt werden und zum anderen können aus den Vernetzungsaktivitäten unterschiedliche Ergebnisse wie Positionspapiere, Short Paper und/ oder Handlungsempfehlungen entstehen.