MagicMushroom-App - mit Deep Learning essbare Pilze erkennen

Die Klassifizierung verschiedener Pilzarten ist für Laien extrem schwierig. Die bis anhin zur Verfügung stehenden Hilfsmittel, wie zum Beispiel Pilzbücher, sind für Laien als Entscheidungshilfen nur bedingt geeignet. Viele Merkmale sind nur von Experten sicher zu bestimmen. Das Ziel dieser Bachelorarbeit ist die Entwicklung und die Machbarkeitsabklärung einer App, mit der auch Laien Pilze klassifizieren können. Die Nutzer der App sollen dafür lediglich ein oder mehrere Bilder des gefundenen Pilzes machen und Angaben über die Grösse des Pilzes zur Verfügung stellen. Die Klassifizierung erfolgt durch ein tiefes neuronales Faltungsnetz (CNN).

Als Erstes wurde eine Datenbank mit ca. 35’000 Bildern von 15 Pilzarten erstellt. Diese Daten dienen sowohl als Trainings als auch als Validierungsdaten. Über eine Gitter-Suche (grid search) wurde die optimale Architektur des CNN bestimmt. Erreicht wird auf den Testdaten der Lamellenpilze eine Trefferquote von 85.2 % und bei den Röhrlingen eine von 75.0 %. Die App steht als Webapplikation unter magic.ntb.ch für alle Anwender offen zur Verfügung, mit dem Ziel, die App durch Inputs aus der Community zu verbessern.

Weitere Informationen

Datum 08.09.2018
Studiengang Informations- und Kommunikationssysteme IKS
Ingenieurinformatik
Mikrotechnik
Maschinenbau
Elektronik und Regelungstechnik
Photonik
Institut ICE
Typ Bachelorarbeit
Studierende Riccardo Jung
Dominik Wagner
Dozenten Prof. Dr. Christoph Würsch
Prof. Dr. Klaus Frick
Partner keiner