Von
Charlotte Newman
Diesen Beitrag teilen
Ein Blick auf den Einsatz der visuellen Suche im Anlagenbau.
Stellen Sie sich Folgendes vor: Sie spazieren durch einen Wald und stoßen auf eine Gruppe schöner Pflanzen, die Sie noch nie gesehen haben. Sie fragen sich, welche Pflanzen das sind, wissen es aber nicht und gehen weiter. Zu Hause bleibt Ihnen nur die Onlinesuche nach „kleine violette Blumen“. Sie scrollen ziellos durch die Ergebnisse und finden nichts, was dem Gesehenen ähnelt. Es sieht so aus, als würden Sie nie erfahren, um welche Pflanze es sich handelte.
Heutzutage gibt es Lösungen für dieses Problem. Wenn Sie solche Pflanzen finden, machen Sie einfach ein Foto mit einer App für visuelle Suche. Die App verarbeitet das Foto, vergleicht es mit den Fotos in ihrer Datenbank, erkennt die Pflanze und zeigt Ihnen alle Details dazu. Jetzt wissen Sie alles über die Pflanze, die Sie gefunden haben.
Aber wie funktioniert das?
Damit die visuelle Suche funktioniert, müssen Algorithmen für maschinelles Lernen eine Trainings- und eine Testphase durchlaufen. So lernen sie die Unterschiede zwischen Pflanzenarten, in diesem Fall. Dazu verarbeitet die Maschine Hunderttausende Bilder bestimmter Pflanzen, die mit Informationen versehen sind, sogenannten Annotationen. In der ersten Trainingsphase werden die Pixel analysiert, und der Algorithmus lernt, die Merkmale der Fotos im Trainingsdatensatz zu unterscheiden.
Nach Abschluss des Trainings entsteht ein Modell, das die Daten anhand der gefundenen Merkmale trainiert. Mit neuen Daten lässt sich dieses Modell an einem neuen Testdatensatz aus Bildern prüfen. Nutzer können diese Bilder während des Tests hochladen. Mit jedem zusätzlichen Foto erkennt die Suchmaschine Pflanzen besser. Das funktioniert, weil der Algorithmus nach der Testphase die Bilder und ihre Merkmale bereits teilweise versteht. In der Erfassungsphase werden die Daten dann weiter annotiert. Das hilft dem Algorithmus, bestimmte Merkmale der Bilder und Daten zu bestätigen und sie der richtigen Kategorie zuzuordnen. In diesem Fall erkennt er, wenn ein Bild verschiedene Pflanzen und Pflanzenarten zeigt.
Am Ende erkennt der Algorithmus Ähnlichkeiten und Unterschiede zwischen den Pflanzenarten und bestimmt schnell und genau, um welche Pflanze es sich handelt.
Pflanzensuche: PictureThis vs. PlantSnap
Mit spezialisierten Apps wie PictureThis, einer Online-Pflanzenenzyklopädie mit Pflanzenerkennung, ist die Suche nach einer Pflanze einfach. Machen Sie ein Foto von der Pflanze, und Sie sehen die Ergebnisse: den Namen der Pflanze, eine Beschreibung und Pflegetipps, dazu weitere interessante Informationen.
Wir haben die App getestet:
Zuerst haben wir ein Foto einer Gebetspflanze gemacht und hochgeladen. Sie sehen: Die App erkannte schon beim ersten Versuch, dass es sich um eine Gebetspflanze handelt, und lieferte alle verfügbaren Informationen zur Pflanze.
Danach haben wir weitere Pflanzen getestet, um zu sehen, wie genau die KI sie erkennt. Beim Chinesischen Geldbaum erkannte die KI die Pflanze sofort. Auch die Punktbegonie und die Monstera erkannte die KI jeweils beim ersten Vorschlag.
Zu Testzwecken wollten wir dieselben vier Fotos in einer anderen App prüfen, um die Algorithmen zu vergleichen. Dafür haben wir die App „PlantSnap“ gewählt:
Bei der Gebetspflanze und dem Chinesischen Geldbaum erkannte die KI die Pflanzen sofort. Die beiden anderen Pflanzen erkannte die App dagegen nicht. Die Punktbegonie hielt sie für verschiedene Kakteenarten. Die Monstera erkannte sie zwar, aber nicht im ersten, sondern im zweiten Vorschlag.
Nach diesen zwei Apps sieht die visuelle Suche bei Pflanzen vielversprechend und meist genau aus. Damit ist sie für Gärtner nützlich und für alle, die mehr über Pflanzen erfahren möchten.
Krankheitserkennung: PictureThis vs. Plantix
Eine weitere Funktion visueller Such-Apps für Pflanzen ist die Krankheitserkennung.
Diese Funktion ist wichtig, weil in Schwellenländern viele junge Landwirte arbeiten, die noch wenig Erfahrung mit Pflanzenkrankheiten haben. Wird eine Krankheit nicht schnell und genau erkannt, breitet sie sich aus und zerstört die gesamte Ernte.
Apps wie PictureThis und Plantix lösen einen großen Teil dieses Problems: Landwirte erkennen eine Krankheit früh und erhalten die passenden Anbautipps. Diese Apps helfen aber nicht nur jungen, unerfahrenen Landwirten. Auch andere Nutzer wie Hobbygärtner oder Menschen mit Pflanzen zu Hause profitieren davon.
Der Unterschied zwischen beiden Apps: PictureThis wird häufiger für (Zier-)Zimmerpflanzen genutzt, Plantix für Nutzpflanzen.
Wir haben in beiden Apps dasselbe Bild einer Tomatenpflanze verglichen, um zu sehen, welche die Krankheit besser erkennt. Die Bilder unten zeigen die Ergebnisse von PictureThis:
Zwar wurde die richtige Pflanze erkannt, doch die Diagnose der Krankheit war nicht ganz zutreffend. Allerdings lässt sich Grauschimmel aufgrund der unregelmäßigen Formen leicht mit der Kraut- und Knollenfäule (der korrekten Krankheit) verwechseln.
PictureThis führt allerdings eine vollständige Symptomanalyse durch. Nutzer verstehen die Krankheit dadurch besser und können die Diagnose bestätigen. Außerdem sehen sie die Ähnlichkeiten und Unterschiede zwischen der Vorhersage der App und der tatsächlichen Krankheit.
Anschließend haben wir dasselbe Bild auf Plantix getestet:
Plantix konnte die richtige Krankheit an der Tomatenpflanze erkennen. Die App zeigt die Krankheit sofort so an, wie sie auch an anderen Tomatenpflanzen auftritt, um Vergleiche zu ermöglichen, und stellt eine Liste der Krankheitssymptome bereit, damit Nutzer die Genauigkeit anhand einer kurzen Checkliste überprüfen können.
Plantix liefert zudem eine detailliertere Beschreibung der Krankheit, damit Nutzer eine fundiertere Entscheidung darüber treffen können, an welcher Krankheit ihre Pflanze oder Kulturpflanze tatsächlich leidet.
Plantix passt also besser zu Nutzpflanzen und deren Krankheiten. Die App eignet sich damit für die genannten Situationen, in denen Anwender wenig Erfahrung mit Nutzpflanzen und Pflanzenkrankheiten haben.
