Hochschulpreis der Wirtschaft 2023

OBV-Absolvent Christoph Lotz überzeugt mit seinem Beitrag „Algorithmische Ansätze zur Einzelbaumerkennung“

Herr Lotz verfasste seine Arbeit in Kooperation mit der aeroDCS GmbH aus Koblenz. Deshalb war es ihm als Student an der Hochschule Darmstadt möglich, an dieser Auschreibung der IHK Koblenz teilzunehmen. Unter zahlreichen Einreichungen erhielt er gemeinsam mit Daniel Fleischer von der Universität Siegen und Janis Wensky vom Umwelt-Campus Birkenfeld der Hochschule Trier lobende Erwähnung.

Details zu den Preisträgern und Informationen zum Hochschulpreis der Wirtschaft 2024 finden sich auf der Website der IHK Koblenz.

Gruppenbild mit den sechs Preisträgern des Hochschulpreises der Wirtschaft 2023 der IHK Koblenz. Fotographin: Isa Hoffmann
Gruppenfoto der Preisträger des Hochschulpreises der Wirtschaft 2023 der IHK Koblenz mit Christoph Lotz, zweiter von Links. (Fotographie: Isabelle Hoffmann von "belleisart")

Abstract

Um dem immer schneller fortschreitenden Waldsterben entgegenzuwirken sind neue Ansätze gefragt. Dazu bieten sich u.a. die Drohnen- und KI-Technik an, die sich in den letzten Jahren rasch weiterentwickelt haben und mittlerweile für viele Verbraucher zugänglich sind. Eine Methodik zu Verhinderung oder zum Abbremsen des Waldsterbens unter Verwendung dieser noch nicht komplett erschlossenen Technikfelder liegt somit nahe.

Den ersten Schritt einer effektiven Abwehr stellt das Erfassen der Schäden und eine frühzeitige Erkennung von Schäden auf, am besten geschieht dies zu einem Zeitpunkt in welchem die Schäden noch reparabel sind. Baumsterben (durch natürliche Quellen) verläuft in Phasen, in welchen sich der Chlorophyllgehalt des Blattwerks verändert. Mit dem menschlichen Auge kann ein ähnliches phasenverlaufendes Phänomen in der Herbstzeit bei Laubbäumen wahrgenommen werden. Die so wahrgenommenen Veränderungen währen für eine Früherkennung jedoch aufgrund der erst späten optisch wahrgenommenen Veränderung ungeeignet. Eine Multispektralkamera, welche auch den Nah-Infrarot und den Red-Edge bereich des elektromagnetischen Spektrums abdeckt, ist in der Lage diese Veränderungen fräh genug zu detektieren.

Die aufgenommenen Bilder enthalten auch die geographische Verortung der Bäume in den Bildmetadaten. Berechnet man nun eine flächenabdeckende Karte auf Basis der aufgenommenen Bilder, ist diese, und dadurch alle enthaltenen Objekte, auch georeferenziert, also räumlich verortet. Eine auf Baumerkennung trainierte KI kann also dedektierten Bäumen geographische Koordinaten zuordnen.

In der vorliegenden Arbeit werden beide Methoden kombiniert, und mehrere KI’s auf die Erkennung von Bäumen und dem Einordnen ihrer Vitalität trainiert. Diese KI’s werden mit der Verfeinerung eines etablierten Verfahrens zur Einzelbaumdetektion, welches um eine schwellwertbasierte Vitalitätseinstufung erweitert wurde, verglichen. Ziel war außerdem die Baumerkennung sowie Vitalitätseinstufung auf verschiedene Weisen umzusetzen, was unter anderem durch eine neue Art Kompositbild ereicht wurde.