(Full Article in german)

Journal of Plant Diseases and Protection
Zeitschrift für Pflanzenkrankheiten und Pflanzenschutz
Sonderheft XX, 181-187 (2006), ISSN 1861-4051
© Eugen Ulmer KG, Stuttgart
Kameragesteuerte Unkrautbekämpfung – eine Verfahrenstechnik
für die Praxis
H. OEBEL*, R. GERHARDS
Universität Hohenheim, Institut für Phytomedizin, Otto Sander Str. 5, D-70599 Hohenheim,
E-Mail: [email protected], [email protected]
* korrespondierender Autor
Zusammenfassung
Eine Verfahrenstechnik der teilschlagspezifischen Unkrautbekämpfung mit Hilfe von Bildverarbeitung
und georeferenzierten Applikationskarten wird seit 2004 in Getreide, Raps, Mais und Zuckerrüben
eingesetzt. Für eine kameragestützte Unkrautbonitur werden Bispektralkameras verwendet, die konturscharfe und kontrastreiche Grauwertbilder von Kulturpflanzen und Unkräutern aufnehmen. Zur Erkennung von Unkräutern werden die geometrischen Formmerkmale der Pflanzen berechnet und mit einer
Wissensbasis verglichen. Bei einer Erkennungsgenauigkeit von 73 % (Braugerste) bis 77 % (Zuckerrüben) konnten aus den klassifizierten Bilddaten Applikationskarten für die teilschlagspezifische Unkrautbekämpfung erstellt werden. Die Umsetzung der Applikationskarten erfolgt über eine GPS-gesteuerte Pflanzenschutzspritze mit drei getrennten Flüssigkeitssystemen. Bei Herbizideinsparungen von 22 %
bis 70 % gegen Ungräser und von 4 % bis 80 % gegen Unkräuter konnten durchschnittlich 27,60 €/ha
eingespart werden. Damit werden die berechneten Verfahrenskosten für die kameragesteuerte Unkrautbonitur und eine teilschlagspezifische Ausbringung mit einer Dreikammerspritze von 16,26 €/ha kompensiert.
Stichwörter: Kameragesteuerte Unkrautbekämpfung, Bildverarbeitung, Herbizideinsparungen
Summary
Camera-guided weed control – a technology for practice
A technology of site-specific weed control using digital image analysis and georeferenced application
maps has been applied since 2004 in cereals, rape, maize and sugar beet. For camera-guided weed
sampling, bi-spectral cameras took well focused grey scale images with a strong contrast of crops and
weeds. For the identification of weed species, characteristic shape features of plants were calculated and
compared with a database. With an identification rate from 73 % (malt barley) up to 77 % (sugar beets)
application maps were created from classified images for site-specific weed control. Site-specific
herbicide application was performed using a GPS-controlled patch sprayer with three separated hydraulic
circuits. Herbicide savings ranged from 22 % to 70 % for grass weed species and from 4 % to 80 % for
broadleaf weed species. Average savings of site-specific weed control were 27.30 €/ha. Therefore,
calculated costs of 16.26 €/ha for camera-guided weed sampling and site-specific weed control using a
three-chambered patch sprayer were compensated.
Keywords: Camera-guided weed control, image analysis, herbicide savings
Einleitung
Precision Farming berücksichtigt die Variabilität des Ackerschlages hinsichtlich Bodenart, Wasser- und
Nährstoffversorgung, Unkrautverteilung sowie weiterer wichtiger Einflußfaktoren und ermöglicht dem
182
OEBEL, GERHARDS
Landwirt mit Hilfe moderner Informations- und Applikationstechnik eine auf den Teilschlag bezogene
Ausnutzung von Ertragspotentialen. Durch verschiedenste Sensoren aus der Nah- und Fernerkundung
können Schlaginformationen georeferenziert erfaßt und dargestellt werden und machen somit eine
Lokalisierung von Standortvariabilität möglich (REW und MAXWELL 2002, HÄUSLER und NORDMEYER
2003, GERHARDS und CHRISTENSEN 2003).
In der Unkrautkontrolle gehört die Anwendung des Schadschwellenprinzips seit langem zur guten
fachlichen Praxis. Die Entscheidung, ob die Schadschwelle überschritten und eine Bekämpfung durchgeführt wird, bezieht sich in der Praxis meist auf die durchschnittliche Unkrautdichte und wird einheitlich
für den ganzen Schlag umgesetzt. Obwohl zahlreiche Untersuchungen von GERHARDS et al. (1997),
CHRISTENSEN und HEISEL (1998) oder DICKE et al. (2003) gezeigt haben, dass Unkräuter innerhalb eines
Feldes heterogen verteilt sind, konnten sich Verfahren der teilschlagspezifischen Unkrautbekämpfung im
Ackerbau bisher nicht durchsetzen, da es an automatisierten und praxisreifen Verfahren zur Unkrauterkennung fehlte.
Sensorsysteme wie DetectSpray (FELTON und MCCLOY 1992, BILLER 1998) oder WeedSeeker
(DOHMEN 1996) können grüne Pflanzen vom Boden und toter organischer Substanz unterscheiden und
damit Applikationsentscheidungen im Obst- und Weinbau, auf Bracheflächen, Bahndämmen oder im
Reihenzwischenraum von Kulturpflanzen mit nicht-selektiven Herbiziden unterstützen. Um jedoch die
Einsparpotentiale der teilschlagspezifischen Unkrautbekämpfung in landwirtschaftlichen Kulturpflanzen
zu nutzen, müssen einzelne Unkrautarten erkannt und zwischen Unkraut und Kultupflanze unterschieden
werden, um diese selektiv zu bekämpfen, wenn deren Schadensschwelle überschritten ist. Die digitale
Bildverarbeitung ermöglicht es, Pflanzenarten anhand von Form-, Textur- und Farbmerkmalen zu
unterscheiden (SÖKEFELD et al., 1994, WOEBBECKE et al. 1995, CHAPRON et al. 1999, LEE et al. 1999,
YANG et al., 2003).
Ein kameragesteuertes Verfahren zur teilschlagspezifischen Unkrautbekämpfung wird seit 2004 im
Rahmen des hier dargestellten Projektes „Teilschlagspezifische Unkrautbekämpfung durch raumbezogene Bildverarbeitung im Offline- und (Online-) Verfahren (TURBO)“ auf dem Betrieb Manfred
Hurtz in Nideggen-Berg und auf Flächen der Versuchsstationen Dikopshof der Universität Bonn eingesetzt. Ergebnisse des Praxiseinsatzes dieser Verfahrenstechnik werden in diesem Artikel dargestellt.
Material und Methoden
Unkrautverteilungskarten wurden durch drei verschiedene Boniturverfahren erstellt. Bei einer manuellen
Bonitur im Raster von 7,5 * 15 Meter und Interpolation zwischen den Meßpunkten werden Unkrautarten
und -anzahl in einer Meßfläche von 0,25 m² an jedem Rasterpunkt bestimmt. Bei einer GIS-gestützten
Bonitur werden die Umrisse von Unkrautnestern durch einen mit GPS verbundenen PDA auf dem Feld
ermittelt und über ein Geographisches Informationssystem georefereniert. Die Unkrautdichte wird dabei
in die Klassen „unkrautfrei“, „gering“, „mittel“ und „hoch“ eingeteilt (OEBEL und GERHARDS 2005). Die
kameragestützte Bonitur ermittelt die Unkrautverteilung durch die Aufnahme und Auswertung von
Digitalbildern. Für die Bildaufnahme werden Bi-Spektralkameras benutzt, deren Funktionsweise bei
SÖKEFELD et al. (2002) beschrieben wird. Die Kameras verknüpfen zwei spektrale Kanäle im roten und
nah-infraroten Spektrum, so daß Störungen im Bild durch Bodenreflexionen, Steine oder Mulch entfernt
werden. Drei dieser Bispektralkameras mit einer Bildauflösung von 636 * 480 Pixeln wurden im Abstand
von 3 Metern auf einem Trägerfahrzeug montiert. Die Belichtungszeit der Kamera wird automatisch
geregelt und die Bilder werden über ein differentielles GPS georeferenziert.
Mit Hilfe einer eigens entwickelten Software wurden die Bilder binarisiert und die Konturen der
Pflanzen extrahiert. Geometrische Formmerkmale der Pflanzenarten sowie Fourierdeskriptoren des
Konturverlaufs wurden berechnet. Die Erkennung der Pflanzen erfolgte über den Vergleich mit einer
Datenbasis von repräsentativen Individuen aller untersuchten Unkrautarten und Kulturpflanzen (Abb. 1).
Aus den klassifizierten Bilddaten wurden Unkrautverteilungs sowie Applikationskarten für die teilschlagspezifische Unkrautbekämpfung erstellt.
Kameragesteuerte Unkrautbekämpfung
Kontur
Differenzbild
Kompaktheit
23,5 65,4 234,5
654,4 23,4 66,5
56,4 45,4 23,44
445,2 443,4 ...
Automatischer Vergleich
mit Wissensbasis (Fuzzy
Logik)
183
U²
A
Transformation der
Kontur in Formparameter
(Fourieranalyse und
geometrische Parameter)
97,5 65,7 434,5
654,4 23,4 54,1
58,4 25,4 33,04
445,2 513,3 ...
18,7 54,8 534,2
310,4 27,4 64,1
88,4 75,4 73,74
485,2 747,7 ...
47,8 84,7 434,5
654,4 24,4 58,1
54,8 24,5 33,54
444,2 483,4 ...
33,5 65,7 434,5
634,4 63,4 64,1
38,4 25,4 63,04
445,3 447,1 ...
Abb. 1: Verfahrensschritte der Bildauswertung für die kamera-gestützte Unkrauterkennung.
Fig. 1: Steps of image analysis for camera-based weed identification.
Die Bildaufnahme erfolgte in Wintergerste, Winterweizen, Sommergerste, Winterraps, Körnererbsen,
Zuckerrüben und Mais. Bei einer durchschnittlichen Fahrgeschwindigkeit von 6 km/h und einer
Arbeitsbreite von 9 m konnte eine Flächenleistung von ca. 5 ha/h erreicht werden. Bei einer Kamerahöhe
von 60 cm und ca. 3000 Aufnahmen pro Hektar wurde eine Boniturfläche von 60 m²/ha erreicht. Bei
dieser Bildauflösung (1 mm² = 20 Pixel) wurden auch kleine Unkräuter noch gut dargestellt. Die hohe
Dynamik der natürlichen Beleuchtung zwischen bedecktem Himmel und hellem Sonnenschein wurde
durch eine rechnergesteuerte Einstellung der Shutterzeit ausgeglichen. Störungen durch Beleuchtungsinhomogenitäten im Bild waren dadurch weitgehend korrigiert, so daß bei einer Aufnahmefrequenz von 6
Bildern pro Sekunde konturscharfe und kontrastreiche Grauwertbilder von Kulturpflanzen und Unkräutern aufgenommen werden konnten (Abb. 2).
Mais
Braugerste
Zuckerrüben
Winterraps
Abb. 2: Bispektralbilder von Kulturpflanzen und Unkräutern.
Fig. 2: Bi-spectral images of crop and weeds.
Die teilschlagspezifische Unkrautbekämpfung wurde mit einer DGPS-gesteuerten Dreikammerspritze mit
21 m Arbeitsbreite, Teilbreitenschaltung (3 m) und zentraler Bedienung über einen Bordrechner
ermöglicht. Der Bordcomputer überträgt den Spritzauftrag über eine zentrale Steuereinheit an alle drei
Spritzcomputer und berechnet die benötigte Spritzmenge für alle drei Tanks. Die drei Spritztanks wurden
mit drei unterschiedlichen selektiven Wirkstoffmischungen befüllt und entsprechend der Unkrautartenverteilung wurde kein Mittel, ein, zwei oder drei Wirkstoffe gleichzeitig appliziert. Über GPS wurden die
Teilbreiten aller drei Spritzen automatisch angesteuert. Somit wurde die Herbizidmischung online der
184
OEBEL, GERHARDS
lokalen Verunkrautung angepasst. Die Ausbringungsmenge wird über Drucksensoren und Durchflußmesser reguliert. Sie betrugt 200 bis 290 l/ha (GERHARDS et al., 2004).
Ergebnisse
Durch den wissensbasierten Vergleich der Formmerkmale unbekannter Pflanzen mit einer vorher erstellten Datenbank wurden in Braugerste 73 %, in Zuckerrüben 77 % und in Mais 74 % aller Pflanzen online
richtig klassifiziert (Tab. 1).
Tab. 1: Erkennungsrate von Unkräutern in Mais, Zuckerrüben und Braugerste durch digitale Bildanalysetechnik.
Tab. 1: Identification rate of weed species in maize, sugar beets and malt barley after digital image
analysis.
Erkennungsrate
Braugerste in %
Hordeum
vulgare
dikotyle
Unkräuter
Ungräser
Galium
aparine
Hordeum vulgare
69
10
12
9
dikotyle Unkräuter
9
74
9
8
Ungräser
13
10
72
5
GALAP
9
6
7
78
Zea mays
dikotyle
Unkräuter
Ungräser
Chenopodium
album
Zea mays
81
5
7
6
dikotyle Unkräuter
10
73
4
14
Ungräser
7
9
74
10
Chenopodium album
2
13
15
70
Total
73
Erkennungsrate
Mais in %
Total
74
Erkennungsrate
Zuckerrüben in %
Beta vulgaris
dikotyle
Unkräuter
Ungräser
Galium
aparine
Beta vulgaris
80
9
8
3
dikotyle Unkräuter
7
79
8
5
Ungräser
8
8
69
14
GALAP
5
4
14
77
Total
77
Für die Erstellung von Applikationskarten wurden alle aufgenommenen Bilder einer Fläche automatisch
eingelesen und die Pflanzen nach dem Verfahren der Fuzzy-Logik anhand der Formmerkmale
klassifiziert. Mit einer Auswertungsgeschwindigkeit von 20 Bildern/s wurden die Ergebnisse der Klassifizierung in einer Protokolldatei gespeichert. Aus der Protokolldatei wurden Unkrautverteilungskarten
erstellt und mit den manuell erzeugten Karten verglichen (Abb. 3).
Kameragesteuerte Unkrautbekämpfung
Verteilung von Unkräutern
anhand einer manuellen
Bonitur im 7,5*15 m
< 10
Verteilung von Unkräutern
anhand der Bildauswertung von Bispektralbildern im 3*6 m Raster
10-24 Pfl./m²
25-39 Pfl./m²
Verteilung von Gräsern
anhand einer manuellen
Bonitur im 7,5*15 m
Raster
185
Verteilung von Gräsern
anhand der
Bildauswertung von
Bispektralbildern im 3*6 m
> 40 Pfl./m²
Abb. 3: Verteilungskarten für Unkräuter und Ungräser in Braugerste (2,4 ha) aus manuellen Bonituren
und digitaler Bildanalyse.
Fig. 3: Distribution maps for broad-leaved weed species and grass weeds in malt barley (2.4 ha)
derived from manual weed sampling and digital image analysis.
Die für die teilschlagspezifische Unkrautbekämpfung genutzte Dreikammerspritze erreicht durch ihre
geringe Reaktionszeit (< 1 s vom Signal an den Spritzcomputer bis zum Aufbau des Spritzkegels) und die
Positionsbestimmung über DGPS eine hohe Applikationsgenauigkeit. Durch eine zentrale Steuerungssoftware können Schadschwellen für Unkrautklassen und die Herbiziddosis individuell eingestellt
werden. Benötigte Herbizidmengen werden berechnet und dokumentiert, so dass keine Restmengen
entstehen. Die Effizienz der teilschlagspezifischen Unkrautbekämpfung wurde durch manuelle Bonituren
vor und nach der Herbizidbehandlung dokumentiert und lag zwischen 85 und 98 %.
Die Kosten dieser Applikationstechnik wurden vom Kuratorium für Technik und Bauwesen in der
Landwirtschaft (KTBL) berechnet. Manuelle Boniturverfahren sind sehr zeitaufwendig und deshalb mit
Kosten von über 60 €/ha nicht praxisrelevant. Die GIS-gestützte Unkrautbonitur mit Hilfe eines Handheld
PDA hatte weniger Boniturpunkten und wurde mit 26,60 €/ha berechnet. Die Erstellung einer
Applikationskarte für drei Unkrautklassen durch digitale Bildverarbeitung wurde mit 10,92 €/ha (OfflineVerfahren) kalkuliert. Im Online-Verfahren würden die Kosten für die kameragesteuerte Unkrauterkennung bei 6,75 €/ha liegen.
Gegenüber der Ausbringung mit einer konventionellen Pflanzenschutzspritze (8,35 €/ha) wurden die
Mehrkosten einer Dreikammerspritze (Anschaffungspreis, Arbeitszeit, Wasser) mit 5,34 €/ha beziffert.
Die Mehrkosten für eine kameragesteuerte Unkrautbonitur und eine selektive, teilschlagspezifische
Ausbringung mit einer Dreikammerspritze betrugen somit 16,26 €/ha.
Die Herbizideinsparungen variierten je nach Kultur und betriebsspezifischer Unkrautsituation. Bedingt
durch die pfluglose Bodenbearbeitung kam es auf dem Betrieb Hurtz auf vielen Schlägen zu einem
starken Befall mit Ausfallraps in Getreide und von Ausfallgetreide in Winterraps. Dennoch konnten
Herbizideinsparungen von 22 % bis 65 % bei Ungräsern und von 20 % bis 58 % bei Unkräutern erzielt
werden. Auf der Versuchsstation Dikopshof wurden in Winterweizen 70 % der Herbizide gegen
Ungräsern und 80 % der Herbizide gegen Unkräuter eingespart. Die Auswertung von allen Flächen ergab
eine durchschnittliche Einsparung von 27,30 €/ha (Tab. 2).
186
OEBEL, GERHARDS
Tab. 2: Herbizideinsparungen durch teilschlagspezifische Unkrautbekämpfung auf dem Betrieb Hurtz
(1) und der Versuchsstation Dikopshof (2) seit 2004.
Tab. 2: Herbicide savings through site-specific weed control on the Hurtz farm (1) and the experimental
farm Dikopshof (2) since 2004.
Einsparung in %
Kultur
Ungräser
Unkräuter
Herbizideinsparung
€/ha
25,6
52
21
24,43 €
11,5
22
20
16,23 €
ha
Braugerste1
1
Winterraps
1
Wintergerste
8,1
34
38
24,81 €
1
20,0
65
58
41,53 €
1
5,8
30
22
18,35 €
8,5
56
39
28,65 €
11,1
70
80
50,84 €
4,6
24
4
7,81 €
2,4
76
40
34,87 €
5,3
46
57*
25,44 €
Total
102,9
* nur für Galium aparine
48
36
27,30 €
Winterweizen
Körnererbsen
2
Wintergerste
Winterweizen
2
Mais
2
Braugerste
Zuckerrüben
2
2
Diskussion
Die angewandte Verfahrenstechnik für eine teilschlagspezifische Unkrautbekämpfung erlaubt eine
automatisierte Aufnahme und Auswertung von konturscharfen Pflanzenbildern in Getreide, Raps, Mais
und Zuckerrüben.Fortschritte in der Kameratechnik durch höhere Bildauflösung und Lichtempfindlichkeit
können in Zukunft die Qualität der Bilder verbessern und zu einer größeren Boniturfläche pro Hektar
führen. Der eingesetzte Klassifizierungs-algorithmus eignet sich für die Erkennung von Unkrautklassen.
Eine Optimierung des Erkennungsprozesses könnte durch eine Kombination mit anderen statistischen
Verfahren erreicht werden. Derzeit werden in der gleichen Arbeitsgruppe Klassifikationsverfahren über
Diskriminanzanalyse erprob, die in alle Kulturpflanzen zu deutlich höheren Erkennungsraten der
Unkrautarten geführt haben.
Die Dreikammerspritze ermöglicht eine der Unkrautverteilung und –dichte angepasste Ausbringung
von drei Herbizidlösungen anhand von Applikationskarten. Dadurch können hohe Herbizideinsparungen
erzielt werden, die dieses Verfahren auch ökonomisch rentabel machen. Die anwenderfreundliche
Steuerungssoftware erlaubt dem Landwirt eine flexible Einstellung von Schadschwellen und eine
Dokumentation der Herbizidbehandlung.
In Zukunft kann es sinnvoll sein, daß die kameragesteuerte Unkrauterfassung und die Herbizidapplikation in einem Arbeitsgang (Online-Verfahren) durchzuführen. Hierzu müssen Lösungen zur
Anbringung der Kameras an ein breites Spritzgestänge, der Reaktionsgeschwindigkeit der Pflanzenschutzspritze und der Umgang mit Restmengen im Tank geklärt werden.
Wesentliche Voraussetzung für den sinnvollen Einsatz dieser präzisen Technik zur Unkrauterkennung
und selektiven teilschlagspezifischen Unkrautbekämpfung ist es, dass geeignete Entscheidungssysteme
(Schadenschwellen) ermittelt werden, womit an jedem Ort im Feld die richtige Herbizidmischung in der
richtigen Dosierung ausgebracht werden kann. Dazu müssen weitere Feldversuche angelegt werden und
die Dynamik der Unkrautverteilung unter dem Einfluß der teilschlagspezifischen Unkrautbekämpfung
untersucht werden.
Kameragesteuerte Unkrautbekämpfung
187
Literatur
BILLER, R.H.: Pflanzenunterscheidung und gezielter Einsatz von Herbiziden. ForschungsReport 1, 34-36,
1998.
CHAPRON M., M. REQUENA-ESTESO, P. BOISSARD, L.ASSEMAT: A method for recognizing vegetal species
from multispectral images. In: Precision Agriculture1999, 2nd European Conference on Precision
Agriculture, Part 1. (Ed. JV Stafford). Sheffield Academic Press, Sheffield, UK, 239-248, 1999.
CHRISTENSEN, S., T. HEISEL: Patch spraying using historical, manual and real-time monitoring of weeds
in cereals. Zeitschrift für Pflanzenkrankheiten und Pflanzenschutz, Sonderheft XVI, 257-263, 1998.
DICKE, D., P. KROHMANN, R. GERHARDS: Spatial and temporal dynamics of weed populations in crop
populations under the influence of site specific weed control. Precision Agriculture 4, 157-1163, 2003.
DOHMEN, B.: Optoelektronisch gesteuerte Applikation von Herbiziden – Erfahrungen mit dem
amerikanischen System WeedSeeker bei der Unkrautbekämpfung auf Bahndämmen. In: Innovative
Verfahren zur Unkrauterkennung. KTBL Arbeitspapier 236, 86-94, 1996.
FELTON, W.L., K.R. MCCLOY: Spot spraying. Agricultural Engineering. 73, 6: 9-12, 1992.
GERHARDS, R., D.Y. WYSE-PESTER, D.A. MORTENSEN AND G.A. JOHNSON: Characterizing spatial
stability of weed populations using interpolated maps.Weed Science 45, 108-119. 1997.
GERHARDS R., S. CHRISTENSEN: Real-time weed detection, decision making and patch spraying in maize
(Zea mays L.), sugarbeet (Beta vulgaris L.), winter wheat (Triticum aestivum L.) and winter barley
(Hordeum vulgare L.). Weed Research 43, 1-8, 2003.
GERHARDS, R., D. DICKE, H. OEBEL: Precision farming in weed control. In: Scientific Colloquium
University of Hohenheim, Weed Science on the Go, edited by P. Zwerger and T. Eggers, StuttgartHohenheim, 55-65, 2004.
HÄUSLER, A., H. NORDMEYER: Using aerial photography to detect weed patches for site-specific weed
control – perspectives and limitations. Precision Agriculture 4, 271-277, 2003.
LEE, W.S., D.C. SLAUGHTER, D.K. GILES: Robotic weed control for tomatoes. Precision Agriculture 1,
95-113, 1999.
OEBEL H., R. GERHARDS: Site-specific weed control using digital image analysis and georeferenced
application maps - On-farm experiences, In: 5th European Conference on Precision Agriculture, (ed.
JV Stafford). Academic Publishers, Wageningen, The Netherlands, 131-138, 2005.
REW, L.J., B.D. MAXWELL: Can remotely-sensed imagery be used to advance crop management
decisions? EWRS 12th Symposium, Wageningen, 422-423, 2002.
SÖKEFELD, M., R. GERHARDS, R.-D. THERBURG, A. NABOUT, J. JACOBI, R. LOCK, W. KÜHBAUCH:
Multispektrale Bildanalyse zur Erfassung von Unkraut und Blattkrankheiten. Zeitschrift für
Pflanzenkrankheiten und Pflanzenschutz, Sonderheft XVIII, 227-233, 2002.
SÖKEFELD, M., R. GERHARDS, W. KÜHBAUCH: Automatische Erkennung von Unkrautarten mit digitaler
Bildverarbeitung. Zeitschrift für Pflanzenkrankheiten und Pflanzenschutz Sonderheft XIV, 143-152,
1994.
WOEBBECKE, D.M., G.E. MEYER, K. VON BARGEN, D.A. MORTENSEN: Shape features for identifying
young weeds using image analysis. Transactions of the American Society of Agricultural Engineers
(ASAE) 38, 271-281, 1995.
YANG, C. C., S. PRASHER, J.-A. LANDRY, H. RAMASWAMY: Development of an image processing system
and a fuzzy algorithm for site-specific herbicide applications. Precision Agriculture 4, 5-18, 2003.