Thema: Entwicklung eines intelligenten UAV-gestützten Unkrautmonitoringsystems für den selektiven und teilflächenspezifischen Herbizideinsatz
Kurzbeschreibung: Die Zielsetzung des Projekts ist es, ein intelligentes echtzeitfähiges Monitoring- und Mappingsystem für die Erfassung der Unkrautverteilung in Getreidebeständen zu entwickeln. Dazu werden hochauflösende Luftbilddaten in geringer Flughöhe erfasst und mit Hilfe einer optimierten Onboard-KI-Bilderkennung während des Überflugs direkt auf der Drohne klassifiziert. Das innovative Verfahren ermöglicht die artenspezifische Erkennung auf der Ebene von Einzelpflanzen. Auf diese Weise liefert das Projekt einen bedeutenden Beitrag zur Reduzierung des Einsatzes von Pflanzenschutzmitteln im Ackerbau und fördert somit eine nachhaltige Landwirtschaft. Die Hochschule Harz ist an mehreren Projektmodulen maßgeblich beteiligt und wird u.a. insbesondere folgende Aufgaben übernehmen: Unterstützung beim Aufbau einer UAV- Trägerplattform mit RGB-Trägerkamera, Entwicklung einer Software für Flugplanung und Befliegungen, Optimierung der Bilderkennung auf Grundlage des CNN-Modells, Training und Test des CNN-Modells mit den vorhandenen Bilddaten, Integration der Bilderkennung in das UAV-System, sowie die abschließende Validierung des Gesamtsystems WeedAI. Das Projekt leistet einen wichtigen Beitrag zur Nationalen Strategie für Künstliche Intelligenz der Bundesregierung in den folgenden Handlungsfeldern: kontinuierliche Stärkung der KI-Forschung als Grundlage für eine erfolgreiche Gesamtentwicklung in Deutschland; schneller Transfer von Ergebnissen der KI-Forschung in die Anwendung.
Projektleiter: Prof. Dr. Frieder Stolzenburg
Mitarbeiter: N.N.
Laufzeit: 28.05.2021–27.05.2024
Drittmittelgeber: Bundesministerium für Landwirtschaft und Ernährung (BLE)
Partner: Leibniz-Institut für Agrartechnik und Bioökonomie e.V. (ATB), Bornim bei Potsdam; CiS GmbH, Bentwisch bei Rostock
Best Buddy
Thema: Best Buddy Intelligence
Kurzbeschreibung: Ziel des Projekts ist es, Smartphone bzw. Tablet als Eingabegerät für einen Roboter-Begleiter zu nutzen, und zwar sowohl Rechenleistung als auch Sensorik des mobilen Geräts, um ein komplexes, modulares System steuern zu können. Der Roboter soll durch Erkennen von Stimme, Gesicht und Gesten sowie von Objekten in der Umgebung intelligent mit dem Nutzer interagieren. Das bestehende Roboter-System wird um Fähigkeiten der Künstlichen Intelligenz erweitert durch Verfahren des maschinellen Lernens, der Objekterkennung sowie der Bildverarbeitung.
Projektleiter: Prof. Dr. Frieder Stolzenburg
Mitarbeiter: Kai Steckhan B.Sc., Jerome Kuhle B.Sc.
Laufzeit: 01.12.2017–30.04.2020
Drittmittelgeber: Bundesministerium für Wirtschaft und Energie (BMWI), Zentrales Innovationsprogramm Mittelstand (ZIM)
Kurzbeschreibung: Mittels Cognitive Computing sind Probleme lösbar, die durch Mehrdeutigkeit und Unsicherheit charakterisiert sind, mit denen Menschen im täglichen Leben konfrontiert werden. Wenn sich solch ein System wie ein Mensch verhalten soll, ist eine Beschränkung auf Methoden des automatischen Theorembeweisens unmöglich, da menschliches Denken nicht den Regeln klassischer Logik folgt. Ziel des Projekts ist daher die Erstellung eines Systems zum Cognitive Computing, welches diverse Aspekte menschlichen Schließens modelliert. Dazu erweitern wir das logische Schließen um nicht-monotone Schlussweisen wie der defeasible und normativen Logik in Kombination mit dem maschinellen Lernen. Die verschiedenen Komponenten werden zu einem System für Cognitive Computing kombiniert und durch Benchmarks evaluiert. Aus der Kombination von Schlussfolgerungsmechanismen für das Cognitive Computing, großen Mengen an Hintergrundwissen und anderen Techniken wie das Maschinelle Lernen soll ein kognitives System entstehen, welches Probleme lösen kann, die keine der Techniken allein hätte lösen können.
Projektleiter: Prof. Dr. Frieder Stolzenburg
Mitarbeiter: Sophie Siebert M.Sc.
Laufzeit: 01.03.2018–30.04.2021
Drittmittelgeber: Deutsche Forschungsgemeinschaft (DFG)
Partner: Prof. Dr. Ulrich Furbach, Dr. Claudia Schon, Universität Koblenz-Landau
Kurzbeschreibung: Die Wahrnehmung von Konsonanz/Dissonanz musikalischer Harmonien ist stark mit ihrer Periodizität korreliert. Dies lässt sich durch die konsequente Anwendung von Ergebnissen aus der Psychophysik und der Neuroakustik nachweisen, nämlich dass der gerade noch spürbare Unterschied (JND) zwischen den Tonhöhen für Menschen etwa 1% im musikalisch bedeutsamen, niedrigen Frequenzbereich beträgt und dass Periodizitäten komplexer Akkorde im menschlichen Gehirn erkannt werden können. Darauf aufbauend können die Konzepte der relativen und logarithmischen Periodizität mit Glättung als Maß für die Harmonie definiert werden. Die Periodizitätstonhöhe, die im Stimulus-Spektrum nicht vorhanden ist, tritt zusätzlich im Antwort-Spektrum im auditorischen Hirnstamm auf. Zur Erklärung kann argumentiert werden, dass der wichtigste Faktor bei der neuronalen Verarbeitung die hochgradig nichtlineare Umwandlung des Eingangssignals in Impulsfolgen (Spikes) ist, deren maximale Amplitude begrenzt ist. Dies kann durch ein einfaches rekurrentes neuronales Netzwerkmodell nachgewiesen werden. In diesem Dissertationsprojekt wird das Frequenzspektrum der Gehirnreaktionen mit Elektroenzephalographie (EEG) analysiert, wobei insbesondere musikalische Zwei- und Dreiklänge als Stimuli betrachtet werden. Durch die Kombination von EEG mit der funktionellen Magnetresonanztomographie (fMRI) werden die entsprechenden, aktivierten Hirnregionen lokalisiert und die Kodierungsprinzipien in auditorischen Hirnarealen untersucht. Ziel ist es insgesamt, ein Modell zu entwickeln, wie das menschliche Gehirn musikalische Klänge wahrnimmt und verarbeitet.
Projektleiter: Prof. Dr. Frieder Stolzenburg
Mitarbeiter: Maria Heinze M.Sc.
Laufzeit: 01.10.2017–30.11.2020
Drittmittelgeber: FEM-Power-Projekt; Graduiertenstipendium des Landes Sachsen-Anhalt
Partner: Prof. Dr. Rainer Goebel, Maastricht University
Decorating
Thema: DEep COnceptors for tempoRal dATa mINinG
Kurzbeschreibung: Heutige Produktionsanlagen, Häuser (speziell Smart Homes) oder Unternehmen sammeln riesige Datenmengen. Diese Daten bilden eine Zeitreihe und enthalten zusätzlich oft räumliche Informationen. Interessante Forschungsfragen in diesem Zusammenhang sind: Wie können Muster in Zeitreihen, d.h. regelmäßige und/oder wiederkehrende Verhaltensweisen sowie Abweichungen davon erkannt werden? Für die Modellierung und Vorhersage von räumlich-zeitlichem Verhalten erscheinen Ansätze auf Basis rekurrenter neuronaler Netze eine geeignete Wahl. Konzeptoren (Jaeger 2014) sind ein neuer Mechanismus aus der Neuroinformatik, der verwendet werden kann, um eine Vielzahl von Funktionen, wie z.B. das inkrementelle Lernen von dynamischen Mustern, zu implementieren. Zur Realisierung von Konzeptoren werden hauptsächlich rekurrente neuronale Netzes mit einer zufälligen Konnektivitätsmatrix als dynamischer Speicher verwendet. Im Rahmen des Forschungsprojekts sollen einfache, aber leistungsfähige rekurrente Netzwerkmodelle, insbesondere Netzwerke auf der Basis von Konzeptoren in Kombination mit Cluster-Methoden betrachtet werden. Dabei soll nicht nur allgemein untersucht werden, inwiefern Mustererkennung in Zeitreihen mit diesen Methoden machbar ist, sondern nach Möglichkeit auch deren Anwendungen betrachtet werden, wie z.B. die Objekterkennung mit Multikoptern, die Wahrnehmung von Harmonie in der Musik u.a.
Projektleiter: Prof. Dr. Frieder Stolzenburg
Mitarbeiter: Dipl.-Inf. Falk Schmidsberger
Laufzeit: 01.01.2017–31.12.2018
Drittmittelgeber: Deutscher Akademischer Austauschdienst (DAAD) im Programm des Projektbezogenen Personenaustauschs (PPP) mit Australien
Partner: Prof. Dr. Oliver Obst, Western Sydney University
TriOptScan
Thema: Entwicklung von Verfahren zum mobilen Einlesen und Erkennen von erhabenen, vertieften oder konturhaften Markierungen
Kurzbeschreibung: Im Projekt „TriOptScan“ wird ein mobiles System in Form eines Handscanners zum Erfassen und Erkennen von Markierungen auf Werkstücken entwickelt. Diese Markierungen können erhaben, vertieft oder konturhaft sein. Zur Identifizierung dieser Markierungen kommt eine Kombination aus klassischer Bildverarbeitung und Lasertriangulation zum Einsatz. Darüber hinaus sollen 2D-Markierungen wie z.B. Barcodes verarbeitet werden können. Ziel des Teilprojekts an der Hochschule Harz ist die Entwicklung von Algorithmen zur Erfassung der 2D- und 3D-Bilddaten mit optischen Sensoren und Lasertriangulation. Die Bewegungen des Scanners über dem Werkstück werden mit Hilfe geeigneter Methoden wie z.B. des optischen Flusses analysiert und korrigiert, um eine Auswertung der Bilddaten zu ermöglichen.
Drittmittelgeber: Bundesministerium für Wirtschaft und Energie (BMWI), Zentrales Innovationsprogramm Mittelstand (ZIM), Kooperationsnetzwerk Assistenz in der Logistik
Partner: Institut für Automatisierung und Informatik GmbH (IAI), Wernigerode; Loetec Elektronische Fertigungssysteme GmbH, Lutherstadt Wittenberg
InspektoKopter
Thema: Innovatives sensorgestütztes Flugassistenzsystem zum gefahrlosen Befliegen von Windenergieanlagen-Rotorblättern
Kurzbeschreibung: Im Rahmen des FuE-Projekts „InspektoKopter“ soll unter Verwendung eines unbemannten Luftfahrzeuges, ein modular aufgebautes Prüfsystem und ein neuartiges Verfahren zur Außen-Inspektion von Windenergieanlagen-Rotorblättern entwickelt werden, welches eine sichere und zuverlässige Alternative zur manuellen Prüfung darstellt. Als Ausgangspunkt dient dem FuE-Projekt ein bereits vorhandenes Multikoptersystem, welches durch Modifikation für den Einsatz an Windenergieanlagen optimiert wird. Zur Beurteilung der Strukturbeschaffenheit der Windenergieanlagen-Rotorblätter ist die Entwicklung eines geeigneten optischen Inspektionsverfahrens unter Einsatz geeigneter Kamera-/Sensortechnik geplant. In Ergänzung dazu ist eine Analysesoftware zur Identifikation von Schadensbildern, Interpretation der Sensordaten sowie der Visualisierung und Archivierung der „Fitness“ von Rotorblättern zu erstellen. Durch die entwickelte Auswertungssoftware sollen mit Hilfe der Detektionsmethoden Oberflächenschäden (Risse) oder Materialermüdung qualitativ und quantitativ lokalisierbar werden. Die Herausforderung besteht in der Aggregation einzelner Sensoraufnahmen, bestehend aus Bildfolgen und Tiefenbildscans, in einem automatischen Workflow zur Erstellung eines komplexen 3D-Modells des Rotorblattes unter den besonderen Scanbedingungen mit einem Multikopter. Zur Gewährleistung der Reproduzierbarkeit der Prüfung ist eine Automatisierung der Befliegung mit dem entwickelten Multisensorsystem vorgesehen, die neuartige Navigationstechnologien erfordert. Es wird eine Softwarelösung entwickelt, mit der optische Messergebnisse nutzerfreundlich analysiert und annotiert werden können sowie einen Vergleich von Inspektionsdaten in der Historie ermöglichen.
Projektleiter: Prof. Dr. Frieder Stolzenburg
Mitarbeiter: Dipl.-Inf. Falk Schmidsberger
Laufzeit: 01.01.2014–30.04.2016
Drittmittelgeber: Bundesministerium für Wirtschaft und Energie (BMWI), Zentrales Innovationsprogramm Mittelstand (ZIM), Kooperationsnetzwerk InDiWa - Inspektion, Diagnose, Wartung
Partner: Fraunhofer-Institut für Fabrikbetrieb und -automatisierung (IFF), Magdeburg; GEO-METRIK-Ingenieurgesellschaft mbH, Magdeburg; Bitmanagement Software GmbH, Berg bei München
RatioLog
Thema: Rationale Erweiterungen des Logischen Schließens
Kurzbeschreibung: Menschliches Schlussfolgern folgt i.A. nicht den Regeln klassischer Logik. Erklärungen dafür können unvollständiges Wissen, unkorrekte Annahmen oder inkonsistente Normen sein. Von Anfang an legte die Forschung auf dem Gebiet der Künstlichen Intelligenz (KI) großen Wert darauf, Rationalität bzw. Mechanismen dafür in KI-Systeme einzubauen. Rationalität kann dabei nicht auf kognitive Aufgaben beschränkt werden, sondern schließt komplexes Verhalten und die Interaktion mit anderen Subjekten und der physikalischen Umgebung ein. Dieses Projekt zielt darauf ab, ein gemeinsames Modell für das Schlussfolgern und Verhalten zu etablieren. Dazu soll das logische Schlussfolgern mit der Modellierung kontinuierlicher Systeme kombiniert werden, wobei auf vorhergehende Arbeiten über nicht-monotone Kalküle und hybride Automaten aufgebaut wird. Klassisches logisches Schlussfolgern soll um verschiedene nicht-monotone Aspekte erweitert werden, z.B. Abduktion oder widerlegbare Argumentation. Dies wird nicht nur auf theoretischem Niveau erfolgen, sondern diese Erweiterungen sollen in das existierende Beweis-System E-KRHyper eingebaut werden. Log-Answer, ein Frage-Antwort-System mit offener Domäne, das E-KRHyper und die freie Enzyklopädie Wikipedia zur Beantwortung natürlichsprachlicher Fragen nutzt, wird zu einem System zur rationalen Fragebeantwortung ausgebaut, die ein exzellentes Testfeld zur Evaluation des rationalen Schließens bietet.
Projektleiter: Prof. Dr. Frieder Stolzenburg
Mitarbeiter: Dr. Claus-Peter Wirth
Laufzeit: 04.06.2013–03.12.2015
Drittmittelgeber: Deutsche Forschungsgemeinschaft (DFG)
Partner: Prof. Dr. Ulrich Furbach, Institut für Informatik, Universität Koblenz-Landau
InfraKopter
Thema: Entwicklung von effektiven Verfahren zur Entzerrung und Zusammenführung von mit Multikoptern aus niedrigen Höhen aufgenommenen Infrarotbildern
Kurzbeschreibung: Im Projekt InfraKopter werden mit den Mitteln der Objekterkennung komplexe Montagen von Infrarotaufnahmen erstellt, die mit Hilfe eines Flugroboters aufgenommen werden. Der Einsatz von Flugrobotern (Multikoptern) bietet gegenüber den bisherigen Technologien (Flugzeug oder Hubschrauber) einige Vorteile. Multikopter sind günstiger in der Anschaffung und im Unterhalt und sind sehr schnell einsatzbereit. Außerdem lassen sich Aufnahmen aus relativ geringen Höhen (< 150m) realisieren, so dass sich eine deutlich bessere Qualität der Bilder erreichen lässt.Da herkömmliche Verfahren der Bildverarbeitung (z.B. Kantendetektion) sich bei Infrarotaufnahmen aufgrund weniger scharfer Konturen weniger gut eignen, sollen in diesem Projekt Verfahren der Photogrammetrie und Semantischen Bildanalyse (Objekterkennung) mit Methoden der Künstlichen Intelligenz, insbesondere dem Maschinellen Lernen, kombiniert werden, um verknüpfte Aufnahmen zu erstellen. Anwendungsgebiete sind die Land- und Forstwirtschaft oder die Archäologie.
Projektleiter: Prof. Dr. Frieder Stolzenburg
Mitarbeiter: Matthias Oelze geb. Marks M.Sc.
Laufzeit: 01.01.2013–31.05.2015
Drittmittelgeber: Bundesministerium für Wirtschaft und Energie (BMWI), Zentrales Innovationsprogramm Mittelstand (ZIM)
Thema: Entwicklung einer universellen Sensorplattform zur Erfassung von Bild- und Umweltdatensowie eines Flugassistenzsystems (FAS) für semi-autonome ferngesteuerte fliegende Systeme
Kurzbeschreibung: Im Projekt AirMeter wird eine universelle Sensorplattform zur Erfassung von Bild- und Umweltdaten sowie ein Flugassistenzsystem für semi-autonome ferngesteuerte fliegende Systeme entwickelt.Die mobile Datenerfassung mit Flugrobotern stellt gegenüber herkömmlichen Begehungen bzw. Luftbildaufnahmen eine kostengünstige Alternative zur Erfassung von Veränderungen, Zuständen oder Gefahren in abgegrenzten Gebieten dar. In diesem Projekt soll daher eine universelle Plattform für fliegende Systeme entwickelt werden, die mit verschiedensten Sensoren ausgestattet ist. Sie soll eine Echtzeitauswertung der aufgenommenen Daten ermöglichen und die Ergebnisse an eine intelligente Bodenstation senden. Die im Rahmen dieses Projekts zu entwickelnde Lösung wird erstmals unabhängig von den proprietären Erfassungssystemen anderer Hersteller ein System zur universellen Erfassung, Übertragung und Speicherung von Umweltdaten und Bildinformationen bieten. Die Bildauswertung wird durch eine Objekterkennung (teil-)automatisiert, welche Methoden des Maschinellen Lernens nutzt. Gesamtziel des Forschungsvorhabens ist die Entwicklung einer marktfähigen universellen Sensor- und Auswerteplattform für die Erfassung von Umweltdaten und Bildinformationen mittels ferngesteuerter, semi-autonom arbeitender, kompakter Fluggeräte. Der Pilot wird dabei durch ein neuartiges Flugassistenzsystem unterstützt.
Projektleiter: Prof. Dr. Frieder Stolzenburg
Mitarbeiter: Dipl.-Inf. Falk Schmidsberger
Laufzeit: 01.11.2011–30.04.2014
Drittmittelgeber: Bundesministerium für Wirtschaft und Energie (BMWI), Zentrales Innovationsprogramm Mittelstand (ZIM)
Partner: Geomatics – Ingenieurbüro für angewandte Informationstechnologie, Wernigerode
DeMAS
Thema: Deduktiver Entwurf, Analyse und Verifikation von Multiagenten-Systemen für den RoboCup
Kurzbeschreibung: Die Erstellung von Software für kooperierende Teams mobiler Roboter stellt hohe Anforderungen: Zum einen muss eine Reaktion des Systems in Echtzeit garantiert werden, und zum anderen erhöht die Kooperation mehrerer Agenten miteinander die Komplexität. Im Rahmen des Projekts wird ein Verfahhttp://labmobsys.hs-harz.de/index.php?section=projects&field=6ren entwickelt, welches es erlaubt, Multiagenten-Systeme formal zu entwerfen und diesen Entwurf auch ausführbar zu machen. Hierzu sollen Techniken aus der Deduktion und Logikprogrammierung und Mittel der Softwaretechnik (UML) eingesetzt werden. Damit ist in einem weiteren Schritt die Analyse und Verifikation von Multiagenten-Systemen durchführbar, indem Temporal-logiken und Methoden aus dem Model Checking für den hier vorgesehenen Zweck (weiter) entwickelt werden.
Projektleiter: Prof. Dr. Frieder Stolzenburg
Mitarbeiter: Dipl.-Inf. Falk Schmidsberger
Laufzeit: 01.07.2001–31.12.2008
Drittmittelgeber: Deutsche Forschungsgemeinschaft (DFG) im DFG-Schwerpunktprogramm 1125 RoboCup (Kooperierende Teams mobiler Roboter in dynamischen Umgebungen)
Partner: Prof. Dr. Ulrich Furbach, Institut für Informatik, Universität Koblenz-Landau
