BOS Cam Gefahrguterkennung
Ausgangssituation
Feuerwehren nehmen während Gefahrguteinsätzen (u.a. bei Chemikalienaustritt) Bild- und Videodaten mithilfe der explosionsgeschützten BOS Cam auf und senden diese Daten an Einsatzleitung und Sachverständige, um eine Einschätzung der Lage und einen zielgerichteten und sicheren Feuerwehreinsatz zu ermöglichen. Bisher sind gängige Gefahrensymbole und Stoffnummern nur geschulten Einsatzkräften bekannt und müssen ansonsten aufwändig in der Fachliteratur nachgeschlagen werden.
Lösungsidee
Eine automatisierte Erkennung und Klassifikation von Gefahren durch Chemikalien am Einsatzort anhand der Bilddaten kann die Entscheidungsphase stark beschleunigen. Daher wurde ein Machine Learning (ML) Algorithmus zur Extraktion von Gefahrgut-Klassifikationen und Stoffnummern von Warntafeln und Produktbeschriftungen eingesetzt. Die durch den ML-Algorithmus erkannten Gefahren können dann sinnvoll in die bereits vorhandene Benutzerschnittstelle der Einsatzleitung eingebracht werden.
Projektnutzen
Die aufgezeigte Lösung für eine KI-unterstützte Gefahrguterkennung mit BOS Cam trägt zur einer erhöhten Sicherheit von Feuerwehr und Katastrophenschutz in Gefahrguteinsätzen oder bei risikobehafteten Wartungstätigkeiten bei. Sie ermöglicht einen automatisierten Abgleich mit Chemiedatenblättern und -datenbanken. Der Ansatz ist zudem auf automatische Erkundungsprozesse erweiterbar.
Umsetzung der KI-Applikation
Es bestehen verschiedene Herausforderungen: Zum einen existieren im konkreten Anwendungsfall kaum annotierte reale Daten für das Training. Zum anderen sind typische Einsatzorte sehr unstrukturierte und hochvariante Umgebungen. Des Weiteren stehen vor Ort nur begrenzte Berechnungskapazitäten zur Verfügung. Daher werden durch Methoden der Synthetisierung und Augmentierung geeignete Trainingsdaten generiert, anhand derer der Algorithmus gelernt werden kann. Der Algorithmus selbst folgt dem Prinzip einer hybriden Künstlichen Intelligenz (KI) und besteht demnach aus der Kombination von klassischen Verfahren und Deep Learning. Unter anderem kommt für die KI-gestützte Gefahrguterkennung eine Kombination aus einem Modul zur Lokalisierung der Bildregionen von Interesse, einem Symbolerkenner und einem Textleser zum Einsatz.
Der Quick Check des Fraunhofer IPA beweist, wie moderne Bildanalyseverfahren die Prozesseffizienz und Sicherheit in kritischen Gefahrguteinsätzen von Feuerwehren deutlich erhöhen können.
bestätigt Gero Nicklas, Feuerwehrmann und Geschäftsführer der BOS Connect GmbH.
Gefördert durch
