Technische Evaluierung eines robotischen Messsystems zur zeitlich-räumlich hochaufgelösten in-situ Klassifizierung von SONAR-Daten mittels Neuronaler Netze
Das aktuelle Seen-Monitoring beschränkt sich auf die punktuelle, mehrmals unterjährig und zumeist manuell stattfindende Messung von Qualitätsparametern und Sichttiefen im Gewässer zur Ableitung des Gewässerzustandes bzw. des Trophiegrades. Aussagen über saisonale Schwankungen, das Vorkommen von Makrophyten oder den Fischbesatz sind damit aber nur begrenzt möglich. Insbesondere in Zeiten von Algenblüten (Sommer – Frühherbst) ist zudem eine Videobefahrung aufgrund der geringen Sichtweiten nur sehr eingeschränkt anwendbar und deshalb wenig aussagekräftig. Folglich ist eine zusätzlich stattfindende automatisierte, räumlich hochaufgelöste Aufnahme und Auswertung des Gewässerzustandes von hohem Interesse. Es sollen daher im Vorhaben vorab verschiedene SONAR-Sensoren darauf getestet werden, ob diese eine ausreichende Datenqualität liefern, um eine Klassifikation insbesondere der Bodenbedeckung, aber auch von Makrophyten, Makrozoobenthos oder Fischen durch ein tiefes neuronales Netz zu ermöglichen. Ebenfalls sollen vorab die Möglichkeiten unterschiedlicher Fahrzeugplattformen und Systemkomponenten für die autonome sonarbasierte Datenerhebung evaluiert werden.
Partner
Christian-Albrechts-Universität zu Kiel - Institut für Natur- und Ressourcenschutz, Abteilung Hydrologie und Wasserwirtschaft Stein Maritime Consulting (SMC)
