Mobilisierung von Merkmalsdaten aus digitalen Bilddateien durch Deep-Learning-Ansätze

• Antragsteller: Dr. Stefan Dressler (†); Professor Dr. Thomas Hickler; Dr. Jens Kattge; Professor Dr. Georg Zizka
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Evolution und Systematik der Pflanzen und Pilze ; Ökologie und Biodiversität der Pflanzen und Ökosysteme
• Förderung: Förderung von 2016 bis 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 316452578

Auf der Basis digitaler Bilddateien von Pflanzen (Fotos, Herbarscans) und damit verbundenen Taxon- und Merkmalsdaten sollen Deep-Learning-Algorithmen entwickelt und trainiert werden, (a) Merkmale in weiteren Bilddateien zu erkennen und (b) unter Nutzung der erkannten Merkmale zur näheren Eingrenzung wie in einem herkömmlichen Bestimmungsvorgang und erneuter Anwendung des Deep Learning auch Taxa in Bilddateien zu identifizieren. Dieser Ansatz soll zur massiven Mobilisierung von Merkmalsdaten für Ökologie und Taxonomie genutzt werden, wie auch zur automatischen Identifizierung von Arten in Sammlungsdigitalisaten und Bürgerwissenschaftsportalen. Im Rahmen des Vorhabens soll beispielhaft demonstriert werden, wie (1) Fotos aus Bürgerwissenschaftsportalen und Fotocommunities durch automatisierte Erfassung von Blüten- und Fruchtmerkmalen genutzt werden können, um den Einfluß des Klimawandels auf die Phänologie zu dokumentieren, (2) die Merkmalserkennung als erster Schritt zur Taxonerkennung in Bürgerwissenschaftsportalen genutzt werden kann, (3) die Taxonerkennung zur Qualitätskontrolle und erweiterten Dokumentation in digitalisierten Sammlungsdaten genutzt werden kann und (4) die Taxonerkennung dazu dienen kann, die Ausbreitung invasiver Arten über Bürgerwissenschaftsportale und Fotocommunities zu verfolgen. Die neu mobilisierten Merkmalsdaten sollen über die beitragenden Informationsinfrastrukturen, wie auch über Langzeitdatenrepositorien im Rahmen von GFBio der Wissenschaftsgemeinschaft zur Verfügung gestellt werden.

• DFG-Verfahren: Forschungsdaten und Software (Wiss. Literaturversorgung und Informationssysteme)
• Internationaler Bezug: Saudi-Arabien
• Mitverantwortliche: Dr. Marco Schmidt; Dr. Claus Weiland
• Kooperationspartner: Professor Dr. Robert Hoehndorf