Bias-kontrollierte Datenoptimierung für robuste Objekterkennung in autonomen Landmaschinen

In dieser Arbeit wird das Bias-Controlled Distribution Optimizer Framework auf die Objekterkennung in der Landwirtschaft übertragen, um Trainingsdaten für sicherheitskritische KI-Funktionen autonomer Landmaschinen gezielt zu optimieren. Das angepasste Framework ermöglicht die iterative Anpassung von Objektverteilungen sowie die Priorisierung sicherheitsrelevanter Klassen, zu denen beispielsweise Personen und Maschinen gehören. Die Ergebnisse zeigen, dass BiCDO-optimierte Datensätze eine geringe Standardabweichung in der Average Precision aufweisen und konkrete Hinweise für Datenerhebungen liefern. Somit stellt BiCDO einen datenzentrierten Ansatz zur Steigerung der Robustheit und Sicherheit in der landwirtschaftlichen Objektdetektion dar.