Automatisierte Baumzustandserkennung

Projektstatus

Planung
100%
Durchführung
100%
Dokumentation
100%

Hintergrund

Die Führung von Baumkatastern ist eine wesentliche Aufgabe im Bereich der öffentlichen Sicherheit und der Umweltpflege in Städten und Gemeinden. Baumkataster erfassen detaillierte Informationen über Bäume in städtischen und ländlichen Gebieten, einschließlich Standort, Art, Alter und Gesundheitszustand. Diese Daten sind nicht nur für das Grünflächenmanagement und die Stadtplanung von Bedeutung, sondern spielen auch eine zentrale Rolle bei der Gewährleistung der Verkehrssicherheit. Schäden an Bäumen, wie Totholz oder instabile Äste, stellen potenzielle Gefahren dar und müssen frühzeitig erkannt und behoben werden, um die Sicherheit von Mensch und Infrastruktur zu gewährleisten.

Traditionell erfolgt die Überwachung der Bäume manuell durch regelmäßige Begehungen und visuelle Inspektionen. Dieser Prozess ist jedoch zeit- und ressourcenintensiv und unterliegt menschlichen Fehlerquellen. Daher sucht das Unternehmen Arbolytics nach neuen Möglichkeiten mittels Bildverarbeitung und KI passende Lösungen zu finden.

Herausforderung

Durch den Klimawandel häufen sich Trockenheit und Extremwetterereignisse, die für erhöhten Stress bei den Bäumen sorgen. Daher ist es um so wichtiger den Gesundheitszustand der Bäume zu kennen um potenzielle Gefahren durch gefährdete Bäume, etwa herabstürzende Äste durch Sturm zu minimieren. Daher wäre eine häufigere Kontrolle der Bäume sinnvoll, doch das Personal dafür ist knapp und dies würde auch zu Mehrkosten führen. Hier kann die automatisierte Analyse des Baumbestandes unterstützen und besonders dringliche Objekte zur Kontrolle identifizieren und so helfen den Arbeitsprozess zu optimieren und kosten einzusparen.

Lösung

Durch den Einsatz moderner Kamerasysteme und künstliche Intelligenz (KI) eröffnen sich neue Möglichkeiten, die Effizienz und Genauigkeit bei der Überwachung von Baumkatastern erheblich zu steigern. Mittels der KI können Bäume automatisiert erfasst und deren Zustand und eventuelle Schäden erfasst werden. Durch den Einsatz dieser Technologien kann die Baumkontrolle effizienter gestaltet und Schäden rechtzeitig behoben werden, wodurch sich die Verkehrssicherheit der Bäume verbessert. Durch die Integration dieser Lösung z. B. in kommunale Fahrzeuge des Bauhofs, die für andere Aufgaben durch das Gebiet fahren, lassen sich die benötigten Daten „nebenbei“ erfassen. Anschließend lassen sich die Aufnahmen in das System zur Analyse überspielen und entsprechende Berichte können erstellt werden.

Umsetzung

Die Umsetzung des KI-Projektes erfolgt in mehreren Phasen:

  1. Evaluierung: Im ersten Schritt werden verschiedene Kamerasysteme auf ihre Tauglichkeit für das Projekt. Dabei lag der Fokus auf der Analyse der Brauchbarkeit der erzeugten Bilddaten für das Training eines KI-Modells. Die gewonnenen Erkenntnisse dienen dazu, fundierte Handlungsempfehlungen für die Auswahl und Optimierung eines zukünftigen Prototyps zu formulieren.
  2. Trainingsdaten: Mit den Erkenntnissen aus der ersten Phase wurden Beispieldaten aufgezeichnet und bzgl. ihrer Nutzbarkeit für das Training des KI-Modells bewertet. Schließlich wird ein geeigneter Trainingsdatensatz erstellt.
  3. Modellentwicklung: Ein bestehendes KI-Modell (YOLOv8) wird speziell für diesen Zweck fein getuned. Dazu wird der Datensatz aus Phase zwei genutzt.
  4. Entwicklung eines Prototyps: Basierend auf dem trainierten KI-Modell wird ein funktionaler Prototyp entwickelt. Dieser Prototyp ist in der Lage, Bäume und deren Schäden, insbesondere Totholz, in Bildaufnahmen zuverlässig zu detektieren.

Norman Günther

Norman Günther

Standort: TH Wildau
Schwerpunkt: Produktion 4.0, Prozessmanagement

Tel.: +49 (0) 3375 508 782
E-Mail: nguenther@th-wildau.de

Jetzt kontaktieren!

Mittelstand-Digital Zentrum Spreeland
c/o Brandenburgische Technische Universität Cottbus - Senftenberg
Siemens-Halske-Ring 14 | Lehrgebäude 3A
03046 Cottbus

 

Ansprechpartner:
Randolf Schmitt

Tel.: +49 (0) 355 69 5171
E-Mail: randolf.schmitt@b-tu.de