Kalibrierung eines Feinstaubmessger?tes mit KI

Studentische Projektleitung:

• Timo Gumbiowski (Elektrotechnik, M.Sc.)

Projektmitglieder:

• Jakob Loheide (Elektrotechnik, M.Sc.)
• Kirstin M?ller (Elektrotechnik, M.Sc.)

Betreuer:

• Prof. Dr. J?rg Hoffmann

Die Messung von Feinstaub ist von entscheidender Bedeutung für die ?berwachung der Luftqualit?t und die menschliche Gesundheit. Dieses Hochschulprojekt konzentriert sich genau darauf, die Feinstaubmessung pr?zise und erschwinglicher zu gestalten.

Das Projekt widmet sich der Kalibrierung eines im Labor für Messtechnik und Messsignalverarbeitung (LMM) entwickelten Feinstaubmessger?tes, indem auf die Leistung Künstlicher Intelligenz (KI) eines neuronalen Netzes zurückgegriffen wird. Mit Hilfe umfangreicher Messdaten eines sehr teuren Referenzmessger?tes, mit dem verschiedene Umweltbedingungen simuliert wurden, wurde ein reichhaltiger Datensatz erstellt.

Das Hauptziel ist es, gemessene Partikelanzahlen in Massenwerte verschiedener Partikelklassen umzurechnen – und das mit einem kostengünstigeren Ger?t. Ein neuronales Netz wurde dafür intensiv trainiert und optimiert. Die Ergebnisse zeigen vielversprechende Fortschritte: Die Anwendung von KI zur Kalibrierung eines preiswerten Messger?tes liefert vergleichbare Ergebnisse wie ein hardwarem??ig wesentlich teureres Messger?t.

Diese Entwicklung verspricht eine kosteneffiziente Alternative für die Feinstaubmessung und betont die bedeutende Rolle von künstlicher Intelligenz in der Pr?zisionsinstrumentierung. Das Projekt zeigt den Weg, wie mit künstlicher Intelligenz kostenintensive Hardware ersetzt werden kann und verdeutlicht, wie innovative Technologien Herausforderungen in der Umweltüberwachung bew?ltigen k?nnen.