BACHELORABSOLVENTINNEN UND -ABSOLVENTEN ZEIGEN IHR KÖNNEN

BACHELORABSOLVENTINNEN UND -ABSOLVENTEN ZEIGEN IHR KÖNNEN

Bevor die diesjährigen Absolventinnen und Absolv enten ihr Diplom erhielten, mussten sie ihr Wissen aus dem Studium ein letztes Mal unter Beweis stellen – in ihrer Bachelorarbeit. Auch in diesem Jahr wurden wieder zahlreiche spannende Projekte realisiert. Teilweise in Zusammenarbeit mit Industriepartnern, entwickelten die angehenden Ingenieure und Ingenieurinnen innovative Lösungsansätze für diverse konkrete Problemstellungen. Die folgenden Seiten geben Ihnen einen Einblick in die vielseitigen Themenschwerpunkte der Bachelorarbeiten und zeigen auch den konkreten Nutzen für die Wirtschaft.

BROCCOLI-AI: Prognose des E rnteertrages von Brokkoli mittels künstlicher Intelligenz

Die Verdunova AG in Sennwald ist im Anbau und in der Distribution von Brokkoli tätig und dabei mit dem Problem des inhomogenen Wachstums der Pflanzen auf einem Feld konfrontiert. Das bedeu tet, dass nicht alle Pflanzen auf einem Feld gleich s chnell gedeihen und erntereif werden. Dadurch sind bei der Ernte mehrere Durchgänge nötig. Ziel dieser Arbeit bestand darin, mit moderner Sensor technik – kombiniert mit Verfahren der künstlichen I ntelligenz – das Erntegewicht bzw. die Reife jeder einzelnen Pflanze möglichst früh zu prognostizieren.

D er Stickstoffgehalt in den Pflanzen ist ein verlässlicher Index für das Wachstum. Er ist indirekt im N ah-Infrarotbereich messbar. Mittels einer Agrardrohne und einer geeigneten Kamera wurden wöchentlich Aufnahmen eines Brokkoli-Felds getätigt und Daten gesammelt. Zusätzlich wurden die B rokkoli bei der Ernte gewogen und kategorisiert, um eine Aussage über das tatsächliche Wachstum machen zu können. Anhand dieser Daten wurden Machine-Learning-Modelle zur Prognose des E rntegewichts erstellt.

Studierende Diogo Ferreira, Justin Hehli

Dozenten Prof. Dr. Klaus Frick, Prof. Dr. Jürgen Prenzler

I ndustriepartner Digiland

PROF. DR. JÜRGEN PRENZLER

«Auf dem Themengebiet «Smart Farming», also der Digitalisierung im Agrarbereich, liegt a ktuell ein Fokus. Die Studenten Diogo Ferreira und Justin Hehli haben einen Ansatz zur frühzeitigen Bestimmung einer Ernteprognose und der Wachstumshomogenität im Bereich der Kohlgewächse am Beispiel des Brokkoli erarbeitet. Das «lernende Modell» kann anhand von Bildauswertungen im NIR-Bereich automatisch Indizes berechnen und durch den Abgleich mit historischen Daten Prognosen liefern. Die Arbeit ist komplett integriert in das NTB-Projekt ‹DigiLand›.»

Deep Learning Demonstrator Looking to Listen at the Cocktail-Party

Menschen sind in der Lage, in einer Umgebung mit lauten Hintergrundgeräuschen den Fokus auf ein sprechendes Gegenüber zu legen und einen Grossteil der S törgeräusche auszublenden. Dies nennt man den Cocktailparty-Effekt. Damit die Zuordnung erleichtert werden kann, analysieren wir das Gesicht der spre chenden Person anhand von Merkmalen, beispielsweise die Bewegung des Mundes. Wir stellen demnach i ntuitiv eine Verbindung zwischen den wahrgenommenen visuellen und den akustischen Informationen her.

B asierend auf diesem Prinzip wurde in dieser Bachelorarbeit mithilfe künstlicher neuronaler Netze ein S prachseparationsmodell nachgebildet. Das Modell wurde anhand eines grossen Datensatzes trainiert. Dieser enthält Video- und Audioaufnahmen von simul tan sprechenden Personen sowie die gewünschten Ergebnisse der Sprachseparation – die reine Tonspur j edes Sprechers. Daraus lernt das Modell, Muster zu erkennen, welche auch die Trennung von unbekannten Audio- und Videodaten ermöglichen.

S tudierende Carmen Halbeisen, Sereina Scherrer

D ozenten Prof. Dr. Klaus Frick, Prof. Dr. Christoph Würsch

PROF. DR. CHRISTOPH WÜRSCH

«Mit ihrer Bachelorarbeit haben die Studierenden C armen Halbeisen und Sereina Scherrer einen Ansatz zur Trennung von vermischten T onspuren implementiert, der von Google Ende 2018 veröffentlicht wurde. Mit dem erlernten Modell ist es möglich, durch Beobachtung einer sprechenden Person, Hintergrundgeräusche – wie etwa Lärm oder w eitere Sprecher – beinahe komplett zu dämpfen. Mögliche Anwendungen dieser Technologie liegen im Bereich «active noise cancellation» für T elefon- oder Videokonferenzübertragungen oder bei medizinischen Hörhilfen, die, kombiniert mit einer Kamera (z.B. integriert in eine Brille), in der Lage sind, das Sprachsignal des Gesprächspar tners von Störgeräuschen zu reinigen.»

INPUT VIDEO

INPUT AUDIO

Sprecher 1

Sprecher 2

3 Sekunden

Videoverarbeitung 6 Stufen Übersetzen

geteilte Gewichte

Audioverarbeitung 15 Stufen Übersetzen

Übersetzen

Audio-VideoFusion

c

Zeit Berücksichtigung Verknüpfung der Daten

Masken Output Audio Output Neuronales Netz

Übersetzen

Übersetzen

Autonom fahrendes Fahrzeug mit Teststrecke

Das Ziel dieser Bachelorarbeit bildete der Vergleich eines Expertensystems mit Machine Learning (ML) im Bereich des autonomen Fahrens. Ersteres beinhaltet einen Bildverarbeitungs- und Regelungsalgorithmus. Als zweites System wurde ein Machine-Learning-Algorithmus umgesetzt, der durch ü berwachtes Lernen trainiert wird. Für die Umsetzung wurde ein Modellfahrzeug so modifiziert, dass es fähig ist, mit b eiden Systemen autonom auf einer definierten Teststrecke zu fahren. Zum Vergleich der Systeme wurde ein Benchmark implementiert, der einen empirisch abgestützten Vergleich beider Systeme ermöglicht. Sowohl das Expertensystem als auch das Machine Learning wurden auf einem Raspberry Pi implementiert. Es verfügt über eine Kamera, welche die einzi ge Schnittstelle zur Umgebung darstellt.

A ls Resultat dieser Arbeit sind das Expertensystem und das Machine Learning nun in der Lage, die Teststrecke bei Normalbedingungen zu absolvieren. Beide Systeme sind dem menschlichen Fahrer bezüglich der Fahrruhe überlegen, wobei das Machine Learning heraussticht. Das ML-System er wies sich gegenüber Veränderungen der Umgebungsparameter deutlich robuster als das Expertensystem.

S tudierende Luca Brack, Timo Dürst, Elias Graf

D ozenten Prof. Dr. Stefan Rinner, Prof. Dr. Klaus Frick

PROF. DR. STEFAN RINNER

«Diese Arbeit ist ein Musterbeispiel für eine systemtechnische Aufgabenstellung: Es wurden neben steuerungs- und regeltechnischen Fragestellungen (EuR) sowie der Umsetzung von Algorithmen für maschinelles Lernen (Mathematik) auch die Bildakquise und -auswertung (Photonik) in ein System integriert. Zwei Varianten für autonomes Fahren (Regelung vs. maschinelles Lernen) konnten in einem Modellfahrzeug erfolgreich umgesetzt werden. Es ist in der Lage, beliebigen Strecken zu folgen (Autonomiegrad II). In einer nächsten Ausbaustufe soll das Fahrzeug Personen, Fahrräder und Autos zu erkennen lernen und dementsprechend seine Pfadplanung anpassen (Autonomie grad III).»

Fiber-Bragg-GratingSensoren zur Dehnungsmessung

Im Rahmen dieser Bachelorarbeit wurde für das Institut MNT ein Demonstrator entwickelt und gebaut. Er ermöglicht es Studierenden und interessiertem Fachpublikum bei Infotagen und Messen, Fiber-Bragg-Grating(FBG)-Sensoren zur D ehnungsmessung interaktiv kennenzulernen. FBG-basierte Sensoren bieten durch das rein optische Messverfahren zahlreiche Vorteile. Sie haben überragende EMV-Eigenschaften. S ie können über lange Distanzen ausgelesen werden, sind multiplexingfähig und können direkt ins Messobjekt integriert werden.

Um dem breiten Publikum die Dehnungsmessung mittels FBG-Sensoren möglichst anschaulich und interessant zu prä sentieren, wurde basierend auf diesem Messverfahren eine W aage mit einem attraktiven und intuitiven grafischen User Interface entwickelt. Mit dieser Waage können sowohl statische als auch dynamische Messungen mit einer Genauigkeit v on 1,5 Prozent auf den Messbereich mit einer Auflösung von 0,93 Gramm gemacht werden.

Studierende Per Canal, Samuel Schwendener

D ozenten Prof. Dr. Markus Michler, Prof. Adrian Weitnauer

PROF. DR. MARKUS MICHLER

«Herr Canal und Herr Schwendener setzten in dieser Bachelorarbeit ein äusserst innovatives systemtechnisches Konzept um. Sie nutzten dabei ihre erworbenen F ähigkeiten auf dem Gebiet der Konstruktion, der Elektronikentwicklung sowie der photonischen Systemauslegung und erweiterten ihr System sogar mit einem ansprechenden grafischen User Interface. Dabei wurde auch b ewusst auf die Kosten geachtet. Kurz gesagt: ein tolles Systemtechnikprojekt.»

Luftbefeuchtung für kontrollierte W ohnraumlüftungen im Minergiesektor

Die rbtechnik GmbH ist im Bereich der Luftkonditionierung tätig. Seit 2007 berät sie ihre Kunden, legt die Anlagen optimal aus und nimmt diese anschliessend in Betrieb. Immer me hr neu gebaute Gebäude sollen energiesparend und umweltfreundlich sein. Aus diesem Grund wird häufiger nach M INERGIE®-Standard geplant und gebaut. Durch die kontrollierte Wohnraumlüftung bei solchen Gebäuden kann es a llerdings, hauptsächlich im Winter, zu einer zu niedrigen Luftfeuchtigkeit kommen. Dies kann wiederum schädlich für Menschen, das Gebäude und das sich darin befindliche Mobi liar sein. Abhilfe schaffen hier Luftbefeuchter, welche die Luftfeuchtigkeit in der Zuluft erhöhen. Momentan gibt es jedoch k eine Geräte, welche so gut regelbar sind, dass die Luft im optimalen Bereich befeuchtet werden kann.

PROF. DR. DANIEL GSTÖHL

«Der Student hat selbst die Initiative ergriffen. Er ist mit dem Thema und dem völlig neuartigen L ösungsansatz auf mich zugekommen. Mit sehr viel Engagement und Kreativität hat er mi t einem Versuchsaufbau die Grundlagen selbstständig erarbeitet und in einem Gebrauchsmuster erfolgreich umgesetzt. Der neuartige Ansatz birgt viel Potenzial. Die Lösung zeichnet sich durch ein sehr gutes R egelverhalten aus und eliminiert klassische Herausforderungen von Dampfbefeuchtern elegant.»

Da die rbtechnik GmbH ihren Kunden auch in diesem Bereich eine optimale Lösung bieten möchte, wurde diese Arbeit ins Leben gerufen. Darin wurden Simulationen einer neuen Technologie durchgeführt. Die Erkenntnisse daraus wurden anschliessend in einem Versuchsaufbau getestet. Das daraus r esultierende Gebrauchsmuster besass eine hervorragende Regelbarkeit, welche diejenige bestehender Geräte übertrifft. Die Verdampfungsleistungen sind dabei ebenbürtig mit j enen bestehender Geräte.

Studierende Joel Eberhard

D ozenten Prof. Dr. Daniel Gstöhl, Prof. PhD Kurt Schenk

I ndustriepartner rbtechnik GmbH, Kirchberg