Im Zuge des it’s OWL geförderten Projekts wurde ein Konzept erarbeitet, welches eine Störstofferkennung im Bioabfall mithilfe Künstlicher Intelligenz bzw. Computer Vision ermöglicht. Aufbauend auf einem vorhergehenden Proof of Concept im Laborumfeld in Form eines Neuronalen Netzes, welches TetraPaks, Glasflaschen, Plastiktüten und Papier in einem Umfeld von organischem Material (Biomüll) erkennt, wurde der Weg zum fertigen Produkt skizziert.

Um vom Labor zum Einsatz im Feld zu gelangen, fand im ersten Teil des Projekts eine intensive Auseinandersetzung mit den Themen Markt- und Prozesskette, Hardware, Software und Trainingsdaten statt. Nachdem in einem ersten Workshop die wichtigsten (ökonomischen) Treiber eines zukünftigen Produkts erarbeitet wurden, konnte ein Zielprozess entworfen werden, der die Erkennung von Störstoffen während der Abfallsammlung ermöglicht und dabei vertrieblich wichtige Aspekte mit in das Gesamtkonzept einfließen lässt.

Die Themen Software und Trainingsdaten sind sehr eng miteinander verbunden. Eine der großen Herausforderungen in (fast) jedem KI-Projekt ist die Generierung/Erfassung von ausreichend Trainingsdaten, um ein leistungsfähiges Neuronales Netz zu trainieren. Der Schritt von den am Fahrzeug aufgenommenen Rohdaten zu verwendbaren Trainingsdaten ist jedoch weniger trivial als er auf den ersten Blick erscheinen mag. Aus diesem Grund wurde erarbeitet, wie mehrere 100.000 Bilder, die zukünftig durch Fahrzeuge im Echtbetrieb entstehen sollen, weiterverarbeitet werden können. Dazu gehört eine Beurteilung der Bildqualität, ein passender Zuschnitt und vor allem das Labeling, also die Zuordnung der auf den Bildern befindlichen Objekten zu relevanten Klassen. Im Bereich Software wurden die Anforderungen an die Neuronalen Netze aber auch die umgebende (Cloud-)Struktur thematisiert.

weitere Informationen

Kontakt

Projektleitung

Prof. Dr.-Ing. Hans Brandt-Pook

+49.521.106-67390

hans.brandt-pook@hsbi.de