OTC Stone:
OTC Rostock: Automatische Lokalisierung und Vermessung von Steinen in akustischen Datensätzen mit neuronalen Netzwerken (OTC-Stone) - A
- Laufzeit:
- 01.10.2021 - 30.09.2024
- Projektleitung:
- Dr. Svenja Papenmeier
- Finanzierung:
- BMBF - Bundesministerium für Bildung und Forschung
- Forschungsschwerpunkt:
-
Schwerpunkt 4: Küstenmeere und Gesellschaft
- Projektpartner:
-
Subsea Europe Services GmbH
Das Ziel von OTC-Stone ist es, die Kartierung von Steinen am Meeresboden effektiv und objektiv zu gestalten, um eine zuverlässige und reproduzierbare Datengrundlage für diverse ökonomische und ökologische Fragestellungen zu erhalten. In OTC-Stone soll dafür eine operationell einsetzbare Software entwickelt werden, die Steine in hydroakustischen Datensätzen durch integrierte Verarbeitung von bathymetrischen Daten und akustischen Rückstreuintensitäten basierend auf neuronalen Netzwerken automatisch lokalisiert und vermisst. Für das Training der Algorithmen ist ein umfangreicher, bereits angelernter Eingangsdatensatz essentiell. Je mehr Trainingsdatensätze zur Verfügung stehen, desto genauer und zuverlässiger das Ergebnis der automatischen Analysen. Neben der Softwareentwicklung besteht folglich ein weiteres Ziel in der überregionalen Erweiterung bestehender lokaler Datensätze, da erst nach einer umfassenden Trainingsphase eine eigenständige Problemlösung gewährleistet werden kann. Die Verwertung von zuverlässigen und reproduzierbaren Aussagen über Steinvorkommen ist vielfältig: Größere Steine können eine Gefährdung für die Schifffahrt darstellen; internationale Standards (IHO S-44 Order 1a und 1b) verlangen eine sichere Detektion von Hindernissen entlang aller Hauptschifffahrtsrouten. Gemäß EU-Richtlinien sind die europäischen Anrainerstatten verpflichtet, geogene Riffe auszuweisen, diese unter Naturschutz zu stellen und den ökologischen Zustand zu überwachen. Die automatisierte Kartierung einzelner Steine inklusive Größenangabe ermöglicht dabei erstmals, die Besiedlungsflächen von Hartsubstraten zu kalkulieren und daraus ökologische Parameter wie z. B. Biomasse abzuleiten. Bisherige Werte beruhen auf einer reinen Abschätzung. Auch bei Planfeststellungsverfahren für Offshore-Infrastruktur ist eine genaue Detektion von Steinen erforderlich.
Publikationen
- Hinz, M., P. Westfeld, P. Feldens, A. Feldens, S. Themann and S. Papenmeier (2024). AI-based boulder detection in sonar data - bridging the gap from experimentation to application. Int. Hyd. Rev. 30: 78-98, doi: 10.58440/ihr-30-1-a08