Intelligente Spüldüse mit KI
In diesem Projekt wurde ein Datensatz erzeugt und ein neuronales Netz trainiert, um aus dem Live-Bild der Kamera einer Spüldüse den Verschmutzungsgrad und den Wasserstand in einem Abwasserkanalrohr zu ermitteln.
Steckbrief
- Beteiligte Departemente Technik und Informatik
- Institut(e) Institute for Human Centered Engineering (HuCE)
- Forschungseinheit(en) HuCE / Labor für Computerwahrnehmung und virtuelle Realität
- Förderorganisation Innosuisse
- Laufzeit (geplant) 24.09.2025 - 23.03.2026
- Projektleitung Prof. Marcus Hudritsch
- Partner WinCan AG
- Schlüsselwörter Kanalreinigung, bildbasierte AI, Infrastruktur, Unterhalt, Energiesparen
Ausgangslage
Spüldüsen reinigen Abwasserrohre mit Wasser unter Hochdruck. Der Operateur sieht dabei nichts und entsprechend hoch sind der Energie- und der Wasserverbrauch. Deshalb versucht man, neue Spüldüsen mit Kameras zu entwickeln, um beim Reinigungsvorgang gleichzeitig eine Bestandsaufnahme der gesamten Rohrleitung zu erhalten.
Vorgehen
Folgende Entwicklungsschritte wurden gemacht: - Dataset mit Ground-Truth-Werten für Verschmutungsgrad und Wasserstand erstellt. - Das CNN MobileNetV2 von Google wurde für die beiden Regressionswerte angepasst und auf dem Dataset trainiert. - Das trainierte Modell wurde für TensorFlow Lite umkonvertiert, damit es auf der ARM-basierten Kamera lauffähig ist.
Ergebnisse
Das Modell erreichte eine Inferenzzeit von unter 50 ms auf der Kamera und kann somit 20-mal pro Sekunde die beiden Werte ermitteln. Die Qualität im Testset liegt bei über 90 %.
Ausblick
Diese Machbarkeitsstudie hat gezeigt, dass die Bestimmung des Verschmutzungsgrads und des Wasserstands in einem Abwasserkanal mittels einer Kamera in Echtzeit möglich ist.
