Projekt

Michael Arens - (FB5) Semesterprojekt

Bildklassifikation von Betonrissen

Projekt: Bildklassifikation von Betonrissen

  • Modul/Lehrveranstaltung: Projekt DataScience
  • Semester: 1.-3. Semester
  • Jahr: 2021

Anwendungen des maschinellen Lernens finden sich unlängst in vielen Industrien und Bereichen der Arbeitswelt wieder. Bisher zu weiten Teilen ungenutzt ist das Potential im Immobilienbetrieb. Mitarbeiter der Gebäudeinstandhaltung müssen bisweilen auf Inspektionsgängen viele Quadratkilometer Betriebsgelände durchqueren, um den Zustand der Gebäudesubstanz festzustellen. Im Rahmen des Projekts wurde auf Grundlage eines Datensatzes der TU Ankara eine eigene Architektur eines Convolutional Neural Networks erstellt, um ein Modell zur Klassifikation von Betonschäden zu trainieren. Zur Optimierung und Darstellung der Funktionsweise wurden Änderungen an verschiedenen Parametern und der Architektur durchgeführt und evaluiert. Das Training verlief erfolgreich, das Modell ist in der Lage, Bilder von Beton in einem guten Zustand mit einer hohen Genauigkeit von Bildern von Betonschäden zu unterscheiden. Es konnte auch gezeigt werden, dass eine einfachere Netzarchitektur als in der Originalstudie zu validen Klassifikationsergebnissen kommen kann. Bei der Präsentation lag neben der Vorstellung der Ergebnisse ein Hauptaugenmerk auf der Erläuterung der grundlegenden Funktionsweise von CNNs.