Fraunhofer-Institut für Fabrikbetrieb
und -automatisierung IFF
Fraunhofer-Institut für Fabrikbetrieb
und -automatisierung IFF

Prof. Dr. Uwe Knauer

Logistik- und Fabriksysteme

Kontakt

Telefon +49 391 4090-135

Forschungsschwerpunkte

  • Machine Learning
  • Hyperspectral Remote Sensing
  • Data Science
  • Landwirtschaftliche und forstliche Anwendungen

Prof. Dr. Uwe Knauer forscht am Fraunhofer IFF zu Anwendungen für maschinelles Lernen und hyperspektrale Bildgebung in der Land- und Forstwirtschaft.

Einen Arbeitsschwerpunkt stellt die Planung, Durchführung und Auswertung von flugzeug- und UAV-gestützten Messkampagnen im Rahmen von Forschungsprojekten und als Dienstleistung für öffentliche Einrichtungen sowie Unternehmen aus dem Agrar- und Forstbereich dar.

Alle ausklappen Alle einklappen

Digitaler Obstbau

Auf Basis hyperspektraler Messungen im Labor und mit Multikopter wird ein nicht invasives Diagnoseverfahren für die Pflanzenkrankheiten Apfeltriebsucht und Birnenverfall entwickelt.

 

FraxMon

Gemeinsam mit Forschungspartnern aus ganz Deutschland wird an Methoden zur Diagnose und Bekämpfung des Eschentriebsterbens geforscht. Schwerpunkt für das Fraunhofer IFF ist die sichere Erkennung der Esche und des Befallsgrads durch ein flugzeuggestütztes Monitoring mit hyperspektraler Sensorik.

IPAS 2

Gemeinsam mit Forschern der Martin-Luther-Universität Halle werden Züchtungsexperimente für Gerste durch multispektrale Messungen begleitet und Vorhersagemodelle für den Ertrag und andere züchtungsrelevante Zielgrößen entwickelt.

Kurzvita

2021 Professur an der Hochschule Anhalt
2018 Promotion im Fach Informatik an der Humboldt-Universität zu Berlin
seit 2012  Wissenschaftlicher Mitarbeiter am Fraunhofer IFF, Biosystems Engineering
2007 bis 2011  Systementwickler im Bereich Postlogistik und Digitaldruck bei Data Security Elbe
2003 bis 2010  Wissenschaftlicher Mitarbeiter an der Humboldt-Universität zu Berlin
1997 bis 2003 Studium der Informatik an der Humboldt-Universität zu Berlin

Ausgewählte Publikationen

Zeitschriftenaufsatz

Tree Species Classification based on Hybrid Ensembles of Convolutional Neural Networks (CNN) and Random Forest Classifiers

MDPI Remote Sensing, 11(23) | 2019

In this paper, we evaluate different popular voting strategies for fusion of classifier results. A convolutional neural network (CNN) and different variants of random forest (RF) classifiers were tra…

Poster-Präsentation

Phenotyping Vineyards by Means of Airborne Hyperspectral Imaging

International Plant Phenotyping Symposium, Adelaide, Australien | 2018

Zeitschriftenaufsatz

Improved Classification Accuracy of Powdery Mildew Infection Levels of Vine Grapes by Spatial-spectral Analysis of Hyperspectral Images

Plant Methods 13 | 2017

Hyperspectral imaging is an emerging means of assessing plant vitality, stress parameters, nutrition status, and diseases. Extraction of target values from the high-dimensional datasets either relies …