Entwicklung und Evaluation eines Verfahrens um Feinstaub mittels Kamerabildern zu klassifizieren

Thema:
Entwicklung und Evaluation eines Verfahrens um Feinstaub mittels Kamerabildern zu klassifizieren
Art:
BA, MA
BetreuerIn:
Raphael Wimmer
BearbeiterIn:
Leopold Plonus
ErstgutachterIn:
Raphael Wimmer
Status:
abgeschlossen
Stichworte:
Feinstaub, Sensor, Umwelt, environment, computer vision, IoT
angelegt:
2019-12-16
Antrittsvortrag:
2020-02-18

Hintergrund

Mit kostengünstigen Sensoren und IoT-Plattformen bauen Freiwillige ein deutschlandweites Netzwerk zum Monitoring der Feinstaubbelastung auf.

Allerdings sind diese Sensoren nicht sonderlich präzise und können nicht unterscheiden, welche Art von Feinstaub vorliegt. So führt beispielsweise verstärkter Pollenflug zu falschen Messungen.

Ein alternativer Ansatz ist deshalb, Menge und Größe der Feinstaubpartikel mittels eines CMOS-Sensors aus einer Webcam zu messen (Du et al. 2018 A Miniaturized Particulate Matter Sensing Platform Based on CMOS Imager and Real-Time Image Processing).

(Bildquelle: Du et al.)

Zielsetzung der Arbeit

Ziel dieser Arbeit ist, eine Messmethode für Feinstaubqualität (Größe der Partikel, evtl. Farbe/Form) mittels eines Kamerasensors prototypisch umzusetzen. Das Thema kann als Bachelor- oder Masterarbeit (mit jeweils angepasstem Umfang) bearbeitet werden. In einem ersten Schritt soll - aufbauend auf er Arbeit von Du et al. - ein erster Prototyp gebaut werden und untersucht werden, welche Partikelgrößen erkannt werden. In einem zweiten Schritt soll eine simple Bildanalyse-Pipeline entwickelt werden, um Feinstaubpartikel nach Größe und Art zu klassifizieren. In einem dritten Schritt (nur Masterarbeit) soll eine praxistaugliche Hardware-/Software-Lösung für die luftdaten.info-Plattform gebaut, evaluiert und dokumentiert werden. Hierbei soll insbesondere die Bildanalyse auf einem ESP8266-Microcontroller implementiert werden.

Konkrete Aufgaben

Konkrete Aufgaben sind:

  • Einarbeiten in das Thema Feinstaubmessung (1 Woche)
  • Evaluation geeigneter Sensoren/Kameras (1 Woche)
  • Bau eines ersten Prototypen (2 Wochen)
  • Entwicklung einer Bildanalyse-Pipeline mit Python/OpenCV (2 Wochen)
  • Erstellen von Projektdokumentation und Bachelorarbeit (2 Wochen)

für eine Masterarbeit zusätzlich:

  • Entwicklung eines Verfahrens, um die Genauigkeit des Sensors zu evaluieren (2 Wochen)
  • Portierung der Bildanalyse-Pipeline auf den ESP8266 (2 Wochen)
  • Iterative Verbesserung des Prototypen bzgl. Genauigkeit, Einbindung in die Sensorplattform, Reinigung, Selbstbaubarkeit (4 Wochen)
  • abschließende Evaluation und Dokumentation der Genauigkeit des entwickelten Systems (1 Woche)
  • Erstellen der Masterarbeit (3 Wochen)

Erwartete Vorkenntnisse

Empfohlene Vorkenntnisse:

  • Grundkenntnisse OpenCV
  • Grundkenntnisse Microcontrollerprogrammierung (Arduino)

Weiterführende Quellen