Monitoring-Technologie Künstliche Intelligenz soll Plastik am Meeresgrund finden

Um die Verschmutzung der Meere sichtbar zu machen, entwickelt ein Konsortium aus Industrie und Forschung eine neue Monitoring-Technologie, die mittels hyperspektraler Bildgebung und Künstlicher Intelligenz automatisch Plastik am Meeresgrund finden und identifizieren kann.

Strohhalme, Verpackungen und Plastikflaschen – kilometerweite Plastikteppiche auf unseren Meeresoberflächen sind ein bekanntes Problem. Der größte Teil versteckt sich aber sogar auf dem Meeresboden – unklar ist nur das genaue Ausmaß der Verschmutzung. Ein vom BMWi gefördertes Projekt entwickelt eine Monitoring-Technologie, die Plastik am Meeresboden automatisch identifiziert.

Im Projekt „Mtec Pla“ arbeitet ein Konsortium aus Industrie und Forschung zusammen. Gemeinsam will man eine Technologie entwickeln, die automatisiert und großflächig Plastikmüll sowie verschiedene Plastikarten am Meeresgrund erkennen und bestimmen kann.

Bildergalerie

Um dabei auch in menschenfeindliche Tiefen vordringen und weite Gebiete abdecken zu können, soll das neue System in Zukunft nicht nur von Taucherinnen und Tauchern, sondern ebenso auf ferngesteuerten oder autonomen Unterwasserfahrzeugen einsetzbar sein. Die aus den Tauchgängen gewonnenen Informationen werden automatisiert auf farbcodierten Karten dargestellt, die leicht interpretierbar sind.

Wie die automatisierte Erkennung von Plastik funktioniert

Das Projektteam kombiniert dafür hyperspektrale Bildgebung mit neuen Algorithmen, die auf Künstlicher Intelligenz (KI) basieren. Hyperspektrale Kameras registrieren in jedem Pixel nicht nur Farbinformationen über Rot, Grün und Blau, sondern auch Lichtanteile in mehreren hundert verschiedenen Wellenlängen im sichtbaren und Nah-Infrarot-Bereich. So kann die spektrale Signatur eines Objektes erfasst werden, die durch das Absorbieren und Reflektieren von Licht entsteht.

Hier kommen die Algorithmen ins Spiel: Anhand der charakteristischen Reflexionsspektren lässt sich die KI trainieren, um in der gesamten Datenmenge Plastikmüll am Meeresboden präzise erkennen, klassifizieren und die notwendigen Daten extrahieren zu können. Die Partner setzen hierfür sogenannte „Convolutional Neural Networks“ ein – eine Sonderform künstlicher neuronaler Netze, die bereits bei der automatisierten Plastikerkennung auf der Oberfläche von Gewässern und der Sortierung von Kunststoffen vielversprechende Ergebnisse liefert.

Umweltschutz

Mehr IoT – weniger Verlust der biologischen Vielfalt

Neues Gehäuse und Pfadplanungsverfahren

Damit die Technologie unter Wasser funktioniert, wollen die Projektpartner zudem ein wasserdichtes Gehäuse konstruieren, welches sicherstellt, dass das Licht optimal in der Kamera ankommt. Außerdem muss das Gehäuse leicht und vor Korrosion geschützt sein.

Eine weitere Herausforderung stellt die Unsicherheit in der Datenerfassung dar. So entstehen beim Scannen des Meeresbodens Kartenstreifen, die anschließend zusammengefügt werden müssen. Dabei dürfen keine Informationen zwischen den Streifen verloren gehen, da sonst unvollständige Karten entstünden. Deshalb erarbeiten die Partner ein neuartiges Missions- und Pfadplanungsverfahren, das die Aufnahmen mit Blick auf eine vollständige Sensorabdeckung plant, Tauchpfade automatisch berechnet und fehlende Daten erkennt, um unzureichend erfasste Stellen erneut anzusteuern.

Beteiligt am Projekt sind:

• Planblue GmbH

• Robotics Innovation Center (DFKI)

• Kurt Synowzik Werkzeug u. Maschinenbau GmbH & Co. KG

• Institut für Biomaterialien & biomolekulare Systeme der Universität Stuttgart

Distributed Ledger Technologie

Die Blockchain hat ungeahntes Umweltschutz Potenzial

Anwendung auch für Offshore-Windparks denkbar

Zunächst werden die entwickelte Komponenten unter kontrollierten Laborbedingungen getestet. Dafür steht ein 20 m³ großes Wasserbecken am Robotics Innovation Center des DFKI zur Verfügung, welches sich abdunkeln und eintrüben lässt und so meeresbodenähnliche Bedingungen schafft. Anschließend soll das neue System auch außerhalb des Labors am Grund eines Sees erprobt werden.

Das System kann auch völlig neue Anwendungsfelder bedienen, etwa im Bereich des Monitorings von Unterwasserkonstruktionen wie Offshore-Windparks, Aquakulturen und beim Küstenbau. Auch lässt sich die Software nutzen, um außerhalb von Wasser hyperspektrale Bilder zu verarbeiten.

(ID:47008570)