EnBeeMo
Optimierung für die Pareto-optimale Auslegung neuronaler Netze zum Tracking von Bienen
Entwicklung einer cloudbasierten Umgebung zur Optimierung neuronaler Netze zum Tracking von Bienen. Dieser Challenge hat sich ein interdisziplinäres Studierendenteam der Hochschule München um Professor Herbert Palm gestellt. Doch worum geht es hier? Ganz einfach: es geht um ökologische Landwirtschaft, die nur funktionieren kann, wenn die Bedürfnisse von Biene, Mensch und Natur langfristig berücksichtigt werden. Wichtig hierfür ist es, geeignete Möglichkeiten zu finden, um die Anzahl von Bienen in einem Volk zu zählen, ohne dabei in ihren natürlichen Lebensraum einzugreifen.
So können Rückschlüsse auf bestimmte Standortfaktoren und Ereignisse gezogen werden, die unter Umständen Einfluss auf die Entwicklung des jeweiligen Bienenvolkes haben. Ein Lösungsvorschlag, der im Rahmen der DTLab-Challenge der Hochschule München erarbeitet wurde, ist ein System namens „EnBeeMo“, das mit einer Infrarot-Kamera vor dem Bienenstock Videos der ein- und ausfliegenden Bienen aufnimmt. Die dabei entstandenen Bilder werden anschließend mittels eines Machine Learning Algorithmus ausgewertet.
Projektmitarbeiter:
- Matthias Wick
Projektpartner:
- Micron (Bereich Graphics Memory)
- Amazon Web Services (AWS)