Der Demonstrator simuliert einen mit zwei Fenstern ausgestatteten Raum und liefert lüftungsbezogene Umweltdaten über ein Sensorarray als Zeitreiheninformationen. Die Erfassung und Steuerung übernimmt ein ESP Mikrocontroller, der mit zwei Gassensoren ausgestattet ist. Die Sensoren ermöglichen die Messung der Luftfeuchte, des Luftdrucks, der Temperatur, der flüchtigen organischen Verbindungen (VOCs), sowie des CO2 Gehalts. Der Demonstrator liefert Daten aus denen der aktuelle Lüftungsstatus mit verschiedenen KI-Algorithmen vorhergesagt werden kann. Ziel ist es, den Zustand der Fenster zu erkennen und festzustellen, ob gelüftet wird, um entsprechende Lüftungsempfehlungen zu geben.
Siehe [CFG+24] für weitere Informatiuonen zum Lüftungsdemonstrator.
In einem Fallbeispiel zur Bilderkennung liefert eine einfache Webcam Bilder von einem Durchlaufregal mit einer unterschiedlichen Anzahl von Behältern in jeder Bahn. Da sich die Behälter nach dem Einsetzen in eine Bahn vorwärts bewegen, kann die Anzahl der Behälter auf der Rückseite des Regals bestimmt werden. Um unterschiedliche Bahngrößen und Kamerawinkel zu analysieren wurden die Bilder des gesamten Regals in kleinere Ausschnitte unterteilt, die nur eine einzelne Bahn zeigen. Mittels verschiedener KI-Systeme kann die Anzahl der Behälter in jeder Bahn ermittelt werden.
Siehe [FCG+24] für weitere Informationen zum Bilderkennungsdemonstrator.
Ein Demonstrator zur Erzeugung und Analyse von akustischen Signalen genutzt werden. Ziel ist es den Füllstand eines Behälters durch akustische Schallwellen zu bestimmen. Die zentrale Einheit, die am Deckel montiert wird, beherbergt einen Mikrocontroller, der mit einem Summer akustische Signale erzeugen und die reflektierten Schallwellen mit einem Mikrofon aufzeichnen kann. Die Aufzeichnung beginnt, bevor über den Summer ein moduliertes, akustisches Sinussignal ausgegeben wird. Dadurch können auch Umgebungsgeräusche für die Geräuschreduzierung erfasst werden. Das Verfahren ermöglicht die Berechnung der Impulsantwort des Raums. Zur Datenverarbeitung wird ein Raspberry Pi eingesetzt.
Siehe [CFU+24] für weitere Informationen zum Spacial Impulse Response Demonstrator.
Es sind weitere Fallbeispiele und Demonstratoren, beispielsweise zum Thema Edge AI (siehe z.B. [BFN+24]) in der Entwicklung.
Sie verlassen die offizielle Website der Hochschule Trier
