Logo der Seite
Logo der Seite Logo der Seite
Titelbild zu FLoW: Föderales Lernen für bildgestützte optische Systeme im Wassermanagement
Bildquelle: Pixabay/drohne-kamera-wolken-himmel-video-2586622

FLoW: Föderales Lernen für bildgestützte optische Systeme im Wassermanagement

Zustandserfassung mittels KI-gestützter Kamerasysteme für verschiedene Zielparameter (Fließrate, Verkrautung & Verschmutzung von Oberflächenwässern sowie Detektion von Extremereignissen)

Um die notwendigen Informationen für ein intelligentes Wassermanagement zu erfassen, werden zunehmend bildgebende Sensoren eingesetzt. In diesem Projekt wird die flexible Zustandserfassung mittels KI-gestützter Kamerasysteme für verschiedene Zielparameter realisiert. Dazu werden smarte Kameras mit „Edge-AI“ und einer föderalen Lernarchitektur für die Klassifikation und Ereignisdetektion entwickelt. Anwendungen und Kooperationen ergeben sich in der Ermittlung der Verkrautung und Fließrate von Oberflächengewässern sowie in der Detektion von Verschmutzungen und Extremereignissen. Die Evaluierung und Demonstration erfolgen in Szenarien im Bereich der ländlichen Be- und Entwässerung sowie der urbanen Infrastrukturen.

Beteiligte Wissenschaftler*innen:
  • Dr. Thomas Badewien (Carl von Ossietzky Universität Oldenburg)
  • M. Sc. Neeske Lübben (Carl von Ossietzky Universität Oldenburg)

Ansprechperson

Dr. Thomas Badewien
Carl von Ossietzky Universität Oldenburg
Institut für Chemie und Biologie des Meeres
Kontaktieren

Laufzeit

Beginn: 01.04.2023
Ende: 31.12.2026

Fördergeber

Niedersächsisches Vorab (VolkswagenStiftung)

Förderkennzeichen

ZN3994

Newsletter abonnieren

E-Mail*
* Pflichtfelder