Projekt

Thomas Fritz, Justin M. Schweiger, Jessica Rose, Lisa M. Ruiz, Gerrit E.S. Teschke, Marius Würker - (FB5) Kooperationsprojekt

Bildschweinerkennung

Projekt: Bildschweinerkennung

Modul “Projekt Programmierung”; Wintersemester 2019/2020; durchgeführt von Prof. Dr. Andreas Both und Prof. Dr. Arne Berger

  • Modul / Lehrveranstaltung: Projekt Programmierung
  • Semester: 3./5. Semester
  • Jahr: 2020

Ausgangssituation:

Waldtiere müssen aus verschiedenen Gründen überwacht werden. So können beispielsweise Wildschweine eine richtige Plage werden, wenn sie bei der Suche nach Nahrung die Gärten der Menschen und zerwühlen teilweise Äcker und Wiesen von Bauern ruinieren.

Es ist weder einfach, den exakten Aufenthaltsort der Tiere noch den nächsten "Tatort" zu bestimmen, da die menschenscheuen und schlauen Tiere nachtaktiv sind. Darum bedienen sich Jäger sogenannter Wildkameras, um die Wildschweine ausfindig zu machen. Die Kameras werden an von Wildschweinen häufig frequentierten Orten installiert und der Jäger kann anhand der Aufnahmen den Standort der Rotte sowie deren Gruppenstärke ermitteln.

Herausforderungen:

Die Kameras sind mit einem Infrarot- und Bewegungssensor ausgestattet, so dass ein Bild geschossen wird, wenn sich ein warmes Objekt bewegt. Hierbei entsteht allerdings das Problem, dass von jedem Tier ein Foto aufgenommen wird und nicht nur von Wildschweinen. Somit muss der Jäger jeden Morgen alle Bilder der vergangenen Nacht manuell durchsehen, um die relevanten Informationen über die Wildschweine zu erhalten. Dies ist vor allem eine sehr zeitaufwändige Aufgabe, da jedes Bild einzeln als Anhang einer E-Mail übermittelt wird.

Lösung:

An dieser Stelle setzt das Projekt an: Statt die durchschnittlich 50 Bilder pro Nacht händisch sortieren zu müssen, liest unsere Bildschweinerkennung die E-Mails selbst aus und klassifiziert die Bilder sofort. Die, auf denen ein oder mehrere Wildschweine erkannt werden, lädt das System auf eine Website hoch, welche als Bildergalerie dient. Neben der Bilder sind dort auch Metadaten zu den entsprechenden Bildern einsehbar, wie beispielsweise Aufnahmeort und -uhrzeit, sowie die Genauigkeit, mit welcher die KI ein Wildschwein erkannt hat, als Prozentangabe. Zugriff auf die Galerie bekommt man mit einem Unique Link, der in einer E-Mail an den Nutzer übermittelt wird. Diese Auswertungsemail beinhaltet außerdem die Anzahl der Wildschweinbilder der vergangenen Nacht, so dass der Anwender auf den ersten Blick eine kurze Zusammenfassung erhält.
Die KI, in unserem Fall IBM Watson, wurde von uns mit Trainingsdaten speziell für diese Anwendung trainiert. Diese Daten bestehen zur Hälfte aus Bildern, auf welchen Wildschweine zu sehen sind, während auf den übrigen Fotos keine Wildschweine abgebildet sind, dafür aber Rehe, Kaninchen, Dachse, andere Waldtiere, Menschen oder sogar einfach nur die Landschaften. Mit dieser Methode war es möglich, die KI auf Wildschweine "abzurichten".

Projektpartner: Michael Kircher Software GmbH

Projektteam:

  • Thomas Fritz
  • Justin M. Schweiger
  • Jessica Rose
  • Lisa M. Ruiz
  • Gerrit E.S. Teschke
  • Marius Würker