Integriertes Reststoffmanagement

Aufsätze in referierten Fachzeitschriften [3 Ergebnisse]

• Shamshiri, R.; Sturm, B.; Weltzien, C.; Fulton, J.; Khosla, R.; Schirrmann, M.; Raut, S.; Hanike Basavegowda, D.; Yamin, M.; Hameed, I. (2024): Digitalization of agriculture for sustainable crop production: a use-case review. Frontiers in Environmental Science. : p. 1-32. Online: https://doi.org/10.3389/fenvs.2024.1375193
• Hanike Basavegowda, D.; Schleip, I.; Mosebach, P.; Weltzien, C. (2024): Deep learning-based detection of indicator species for monitoring biodiversity in semi-natural grasslands. Environmental Science and Ecotechnology. (September): p. 100419. Online: https://doi.org/10.1016/j.ese.2024.100419
• Mouratiadou, I.; Lemke, N.; Chen, C.; Wartenberg, A.; Bloch, R.; Donat, M.; Gaiser, T.; Hanike Basavegowda, D.; Helming, K.; Hosseini Yekani, S.; Krull, M.; Lingemann, K.; Macpherson, J.; Melzer, M.; Nendel, C.; Piorr, A.; Shaaban, M.; Zander, P.; Weltzien, C.; Bellingrath-Kimura, S. (2023): The Digital Agricultural Knowledge and Information System (DAKIS): Employing digitalisation to encourage diversified and multifunctional agricultural systems. Environmental Science and Ecotechnology. (Ocotber): p. 100274. Online: https://doi.org/10.1016/j.ese.2023.100274

Beiträge zu Sammelwerken [4 Ergebnisse]

• Liu, S.; Hedström, A.; Hanike Basavegowda, D.; Weltzien, C.; Höhne, M. (2024): Explainable AI in grassland monitoring: Enhancing model performance and domain adaptability. In: Hoffmann, C.; Stein, A.; Gallmann, E.; Dörr, J.; Krupitzer, C.; Floto, H.(eds.): Informatik in der Land-, Forst- und Ernährungswirtschaft. Focus: Biodiversität fördern durch digitale Landwirtschaft: Welchen Beitrag leisten KI und Co?. 44. GIL-Jahrestagung - Biodiversität fördern durch digitale Landwirtschaft: Welchen Beitrag leisten KI und Co?. Gesellschaft für Informatik (GI), Bonn, (1617-5468/978-3-88579-738-8), p. 143-154. Online: https://gil-net.de/wp-content/uploads/2024/02/GI_Proceedings_344-3.f-1.pdf
• Hanike Basavegowda, D.; Höhne, M.; Weltzien, C. (2024): Deep Learning-based UAV-assisted grassland monitoring to facilitate Eco-scheme 5 realization. In: Hoffmann, C.; Stein, A.; Gallmann, E.; Dörr, J.; Krupitzer, C.; Floto, H.(eds.): Informatik in der Land-, Forst- und Ernährungswirtschaft. Focus: Biodiversität fördern durch digitale Landwirtschaft: Welchen Beitrag leisten KI und Co?. 44. GIL-Jahrestagung - Biodiversität fördern durch digitale Landwirtschaft: Welchen Beitrag leisten KI und Co?. Gesellschaft für Informatik (GI), Bonn, (1617-5468/978-3-88579-738-8), p. 197-202. Online: https://gil-net.de/wp-content/uploads/2024/02/GI_Proceedings_344-3.f-1.pdf
• Hanike Basavegowda, D.; Weltzien, C. (2022): High Nature Value grassland identification using deep learning. In: VDI Wissensforum(eds.): Proceedings International Conference on Agricultural Engineering. AgEng-LAND.TECHNIK 2022. AgEng-LAND.TECHNIK 2022. VDI Verlag GmbH, Düsseldorf, (0083-5560/ 978-3-18092406-9), p. 375-380.
• Hanike Basavegowda, D.; Mosebach, P.; Schleip, I.; Weltzien, C. (2022): Indicator plant species detection in grassland using EfficientDet object detector. In: Gandorfer, M.; Hoffmann, C.; El Benni, N.; Cockburn, M.; Anken, T.; Floto, H.(eds.): Informatik in der Land-, Forst- und Ernährungswirtschaft. Fokus: Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft. Referate der 42. GIL-Jahrestagung. 42. GIL-Jahrestagung - Was bedeutet Künstliche Intelligenz für die Agrar- und Ernährungswirtschaft?. Gesellschaft für Informatik, Bonn, (1617-5468/978-3-88579-711-1), p. 57-62. Online: https://gil-net.de/wp-content/uploads/2022/02/GIL-Tagungsband2022.pdf

Vorträge und Poster [10 Ergebnisse]

• Weltzien, C.; Darvishi, A.; Hanike Basavegowda, D. (2024): Digital tools for biodiversity monitoring.
• Liu, S.; Hedström, A.; Hanike Basavegowda, D.; Weltzien, C.; Höhne, M. (2024): Explainable AI in Grassland Monitoring: Enhancing Model Performance and Domain Adaptability.
• Hanike Basavegowda, D.; Höhne, M.; Weltzien, C. (2024): Deep Learning-based UAV-assisted grassland monitoring to facilitate Eco-scheme 5 realization.
• Hanike Basavegowda, D. (2023): Floristic Biodiversity Monitoring in High Nature Value Grasslands using Unmanned Aerial Vehicles and Deep Learning.
• Hanike Basavegowda, D.; Schleip, I.; Bellingrath-Kimura, S.; Weltzien, C. (2023): Deep learning and UAV applications to assist result-based Agri-Environmental Schemes: Eco-Scheme 5.
• Hanike Basavegowda, D.; Dworak, V.; Weltzien, C. (2023): Mapping indicator plant species to identify High Nature Value (HNV) grasslands using deep learning methods.
• Hanike Basavegowda, D.; Weltzien, C. (2022): High Nature Value grassland identification using deep learning.
• Hanike Basavegowda, D. (2022): Mapping indicator plant species to identify high nature value grasslands using deep learning.
• Hanike Basavegowda, D.; Mosebach, P.; Schleip, I.; Weltzien, C. (2022): Indicator plant species detection in grassland using EfficientDet object detector.
• Hanike Basavegowda, D. (2020): Identification of plant indicator species for high biodiversity in grassland using remote sensing imagery: a multi-label classification problem in deeplearning.