Detektion, Lokalisierung und Quantifizierung von Gasemissionen

Aufgrund des zunehmenden Klimawandels sind Detektion, Lokalisierung und Quantifizierung von Gasemissionen zu einem wichtigen Thema für Industrie und Wissenschaft geworden. Ebenso wurden in den letzten Jahren Deep Learning Methoden, auch im Bereich der Messtechnik, sehr erfolgreich entwickelt und eingesetzt. Daher möchten wir zusätzlich zu den klassischen Messmethoden eine auf künstlicher Intelligenz basierende Methode zur Quantifizierung von Gasemissionen entwickeln. Für diese Aufgabe müssen die Bilder von speziellen schmalbandigen, mittwelligen Infrarotkameras, sogenannten Gaskameras, ausgewertet werden. Solche hochpreisigen Kameras sind beispielsweise für Methan (CH4), Kohlenstoffdioxid (CO2), Ammoniak (NH3) oder Schwefelhexafluorid (SF6) verfügbar. Teilaufgaben sind hierbei die Identifizierung, Segmentierung und Bewegungsanalyse des im Bild sichtbaren Gases. Die Bewegungsanalyse erfolgt beispielsweise auf Grundlage der Berechnung des optischen Flusses. Allerdings sind die Bilder einer Gaskamera, im Vergleich zu visuellen Kameras, kontrastarm und stark verrauscht. Ebenso fehlen im Gaskamerabild feste Formen. Daher sind viele Algorithmen zur Berechnung des optischen Flusses nicht direkt anwendbar oder liefern unbrauchbare Ergebnisse. Dies gilt insbesondere auch für im Bereich von Starrkörperbewegungen sehr erfolgreichen tiefen neuronalen Netzen zur Bestimmung des optischen Flusses. An dieser Stelle setzt unsere Forschung an.
Es sollen insbesondere folgende Teilgebiete erforscht werden:

• Weiterentwicklung von Algorithmen zur Bildvorverarbeitung (bspw. Rauschunterdrückung und Kontrasterhöhung) von Gaskamerabildern inkl. Betrachtung des Einflusses auf die Ergebnisse eines anschließenden Trainings von tiefen neuronalen Netzen (Deep Learning).
• Optimierung bestehender Deep-Learning-Netze für die Berechnung des optischen Flusses, Verbesserung der Performance von Algorithmen durch Transfer Learning und Entwicklung neuer Transformer-basierter Netze.
• Nach Abschluss der Arbeiten für 2D-Bilder ist das Ziel den optischen Fluss auf Stereobilder zur Berechnung von 3D-Bewegungsfeldern (sogenannter Scene Flow) zu übertragen.
• Neben der Verarbeitung von Gaskamerabildern ist ebenfalls die Analyse der Gaskonzentration von hohem Interesse. Hier kann beispielsweise eine Sensordatenfusion mit anderen Sensoren oder Messverfahren erfolgen. Letztendlich wird eine Echtzeitanalyse von Gaskonzentration und Gasbewegung mit dem Ziel der Emissionsquantifizierung angestrebt.

M.Sc. Zhe Shen

Septemper 2021 bis August 2024

Land Hessen

Z. Shen, R. Schmoll, and A. Kroll. "Measurement of Fluid Flow Velocity by Using Infrared and Visual Cameras: Comparison and Evaluation of Optical Flow Estimation Algorithms." 2023 IEEE SENSORS. IEEE, 2023.