Forschungsprojekte

Kreislaufwirtschaft, Circular Economy, Digitaler Produktpass, Industrial Metaverse, zirkuläres Bauen, Digitaler Zwilling, Computer Vision, KI, Ob-jektdetektion, Robotik, Simulation, Sensorik, Hochfrequenz, Regulatorik, zirkuläres Bauen, Gebäuderessourcenpass, Verbundbaustoffe, Ökodesign-Verordnung, ESPR

Hochschule Bielefeld
Fachbereich Campus Minden
Artilleriestr. 9
32427 Minden

Kooperationspartner

• Kreis Minden-Lübbecke, KAVG (Projektkoordination)
• TH OWL
• DIN e.V.

  
Projektlaufzeit

01.11.2024 - 31.10.2027

Projektförderung

 EFRE/JTF-Programm NRW – Forschungsinfrastrukturen

Kurzbeschreibung

Das Gesamtziel des Vorhabens „Forschungsinfrastruktur für die SMART RECYCLING FACTORY (FIS_SRF) adressiert die Herausforderungen der Kreislaufwirtschaft durch die Schaffung einer baulichen und digitalen For-schungsinfrastruktur, die Forschungsvorhaben zur sortenreinen Rückge-winnung, zur hochwertigen Rückführung und Weiterverwendung von Wertstoffen sowie zur Konstruktion ressourceneffizient und kreislauffähig gestalteter Materialien und Produkte ermöglicht und optimal unterstützt. Ziel ist es, die Basis für eine zukunftsweisende, transdisziplinäre For-schung zur Circular Economy zu schaffen, um aus der Region Ostwestfa-len-Lippe heraus signifikant dazu beizutragen, Ressourcen einzusparen, den CO2- Ausstoß zu vermindern und die Wirtschaft in der Region zu stär-ken.

Teilprojekt Industrial Metaverse

Mit dem Teilprojekt Industrial Metaverse wird eine virtuelle Infrastruktur geschaffen, die perspektivisch Simulationen und automatisierte Entschei-dungen für das gesamte Ressourcenzentrum ermöglicht. Anwendungs-zweck

kann z.B. die dynamische Anpassung der Sortierung an den Bedarf an re-cycelten Rohstoffen unter Berücksichtigung von Rohstoffpreisen und Ver-fügbarkeit sein. Das Industrial Metaverse ist die Plattform zur simulations-basierten Optimierung der Betriebsführung der Anlage unter Berücksichti-gung von Nachhaltigkeitsaspekten, wie z. B. Wirtschaftlichkeit und Ener-giebedarf. Das Hardwaresetup, bestehend aus einem Förderband mit Greifroboter, das Pick-and-Sort-Prozesse im Labormaßstab zeigt, ermög-licht die reale Umsetzung von Anwendungsfällen: Auf einem Förderband werden Objekte in einem Materialstrom per Hochfrequenz und Kamera de-tektiert und erkannt. Dazu sollen effiziente KI-Methoden entwickelt wer-den. Ein Roboter greift diese Objekte und sortiert sie aus.

Teilprojekt Digitaler Produktpass

Das Teilprojekt Digitaler Produktpass (DPP) schafft die Grundlage für die Optimierung der Kreislauffähigkeit von Materialien und Produkten und bildet eine Schnittstelle zur Materialbibliothek im Forschungszentrum. Er setzt sich zusammen aus einer physischen Kennzeichnung, die am Produkt angebracht ist, dem sog. Hardwarecode sowie der damit digital verknüpf-ten Information. Durch Einbindung von Herstellern und juristischer Exper-tise wird eine ganzheitliche Entwicklung gewährleistet, die sowohl die Nutzersicht als auch den komplexen Rechtsrahmen berücksichtigt. Dieser befindet sich durch die Ökodesign-Verordnung (ESPR) und darauf basierend den Erlass von Durchführungsverordnungen und delegierten Rechtsakten stark im Wandel. Passend zum Bauvorhaben soll hinsichtlich geeigneter Produkte der Fokus zunächst auf Bauelemente der Gebäudehülle gelegt und mit dem Gebäuderessourcenpass verbunden werden.

Teilprojekt Begleitforschung am Bau

Das Teilprojekt Begleitforschung am Bau erforscht den Planungs- und Bauprozess des Vorhabens in Hinblick auf Nachhaltigkeit, Ressourceneffi-zienz und Ressourcenschonung. Zentral ist dabei auch die Dokumentation des Neubaus mit Hilfe des Gebäuderessourcenpasses als Schnittstelle zum DPP. Parallel und kontinuierlich zum Planungs- und Bauprozess des Neu-baus der baulich-räumlichen Infrastruktur werden ausgewählte Methoden und Bilanzierungswerkzeuge (z.B. Madaster ZI-Score, Urban Mining Index, Concular-Index, etc.) eingesetzt, die Erkenntnisse vergleichend evaluieren und die Ergebnisse als Entscheidungsgrundlagen in den Bauprozess ein-zuspeisen. Ein Fokus liegt hierbei auf der innovativen Holzbauweise sowie auf Verbindungsdetails und Dämmung im Sinne der Post-Zirkularität hin-sichtlich Demontierbarkeit und Rückbaufähigkeit sowie des Wiederverwen-dungspotentials von Materialien und Bauteilschichten. Die Prüfung und Optimierung der Trennbarkeit von Verbunden und deren Funktionalität steht im Vordergrund. Die Anwendung verschiedener Baustoffe wird im Hinblick auf die Trennbarkeit beurteilt und im Zusammenhang mit der Recyclingfreundlichkeit bewertet.

Honig, Bienen, Pollen, AI, KI, Bilderkennung, Deep Learning, Palynologie, Machine Learning, honey, bees

Hochschule Bielefeld
Fachbereich Campus Minden
Artilleriestr. 9
32427 Minden

Laufzeit

01.02.2021 – 31.12.2024

Kurzbeschreibung

Palynologie ist die wissenschaftliche Disziplin, die sich mit der Analyse von Palynomorphe beschäftigt, insbesondere Pollen. Pollen spielen eine vielfältige Rolle im Ökosystem und sind aufgrund ihrer physischen Robustheit eine wichtige Informationsquelle in unterschiedlichen Bereichen wie z.B. der Forensik, Medizin, Paläoökologie und Honigkunde. Die Analyse von Pollen in Honigprodukten zur botanischen und geographischen Herkunftsbestimmung ist ein zeit- und kostenintensiver Prozess. Von der Herstellung des Präparats bis hin zur mikroskopischen Sortenbestimmung ist ein menschlicher Experte notwendig. Die Pollenkörner müssen dabei händisch gezählt und anhand visueller Merkmale identifiziert werden.

Das Projekt beschäftigt sich mit Verfahren zur Automatisierung dieses Prozesses. Pollendaten sind oftmals nicht digitalisiert, geographisch gebunden oder ideell aufbereitet, sodass sie nicht den Zustand repräsentieren, wie sie im Honigsediment unbearbeitet vorkommen. Zusammen mit den besonderen Eigenheiten von Pollenkörnern, ist es notwendig, besondere bildbasierte Methoden aus dem Bereich der KI anzuwenden, um gezielt die Probleme zu lösen, die in einer Laboranalyse anfallen wie z.B. Methoden zur synthetischen Datenerzeugung sowie Verfahren, die nur geringe Mengen von gelabelten Daten verarbeiten können. Ziel soll es sein, die Einführung von Deep Learning-basierten Methoden zur automatisierten Klassifizierung möglich zu machen, ohne dabei auf teure und aufwendige Laborgeräte oder unrealistisch große Datenmengen angewiesen zu sein. Die Ergebnisse dieses Projekts lassen sich vielfältig nutzen und auch auf andere Palynomorphe übertragen wie z.B. Sporen oder auch Mikrofossilien.

Palynology is the scientific discipline that deals with the analysis of palynomorphs, especially pollen. Pollen plays a diverse role in the ecosystem and, due to its physical robustness, is an important source of information in various fields such as forensics, medicine, palaeoecology and honey science. Analyzing pollen in honey products to determine botanical and geographical origin is a time-consuming and costly process. A human expert is required from the preparation of the sample to the microscopic identification of the different species. The pollen grains have to be counted manually and identified on the basis of visual characteristics.

The project deals with methods for automating this process. Pollen data is often not digitized, geographically bound or ideally prepared, so that it does not represent the condition as it occurs unprocessed in the honey sediment. Together with the special characteristics of pollen grains, it is necessary to apply special image-based methods from the field of AI to specifically solve the problems that arise in a laboratory analysis, such as methods for synthetic data generation and methods that can only process small amounts of labeled data. The aim is to enable the introduction of deep learning-based methods for automated classification without having to rely on expensive and complex laboratory equipment or unrealistically large amounts of data. The results of this project can be used in a variety of ways and can also be transferred to other palynomorphs such as spores or microfossils.

Augmented Reality, Mensch-Technik-Interaktion, Robotersteuerung, Ro-boter, semantische Informationen, Roboter-Arbeitsbereichsbeschränkung, 3D-Interaktionsmethoden, Interaktionsmethoden, Drohnensteuerung, Nutzeranforderungen, Nutzerzentriertes Design, User centred design. Semantisches Szenenverständnis, mobile AR

Hochschule Bielefeld
Fachbereich Campus Minden
Artilleriestr. 9
32427 Minden

Laufzeit

01.02.2022 – 31.01.2025

Kurzbeschreibung

Das Projekt befasst sich mit neuen Ansätzen der Augmented-Reality-Interaktion zur dreidimensionalen Beschränkung von Roboterarbeitsbereichen in sich dynamisch ändernden Umgebungen unter Einbeziehung semantischer Informationen. Mobile Roboter arbeiten vermehrt in Innenräumen, wie Industriehallen, Büros oder Wohnungen, wo sie sich den Raum mit Menschen teilen. Normalerweise sind die Arbeitsbereiche von mobilen Robotern – die Bereiche, in denen sich der Roboter bewegt – nur durch physische Hindernisse eingeschränkt, wie Wände und Möbel. Allerdings ist es in manchen Fällen notwendig, diesen Bereich weiter einzugrenzen. Da solche Eingrenzungen oft keine klaren visuellen Merkmale besitzen, können sie jedoch nicht ohne weiteres über die Sensorik des Roboters erkannt werden. Zu diesem Zweck ist eine Interaktion zwischen Roboter und Menschen notwendig, die es erlaubt, komplexe räumliche Informationen über die Grenzen eines Arbeitsbereichs zu definieren.

Das Projekt beschäftigt sich genau mit dieser interaktiven Begrenzung des dreidimensionalen Arbeitsbereichs für mobile Roboter, wobei auch die Dynamik berücksichtigt wird. Unter realen Bedingungen ändert sich der Arbeitsbereich ständig, z. B. durch Einwirkungen von Menschen oder Robotern, was Auswirkungen auf die interaktiv definierten Grenzen haben kann. Das Ziel ist, unter Berücksichtigung bestehender Augmented-Reality-Interaktionen, neue dreidimensionale Interaktionsmethoden zu entwickeln, die sich semantischer Informationen über die Umgebung bedienen. Die resultierende Interaktion soll von Laien ohne tiefgehendes technisches Wissen verwendbar sein. Der Ansatz des Projekts ist stark nutzerzentriert, indem er die Anforderungen und Rückmeldungen der Benutzer berücksichtigt. Es greift auf aktuelle Techniken aus den Bereichen mobile Augmented-Reality, semantisches Szenenverständnis und Roboterarbeitsbereichsbegrenzung zurück, um innovative dreidimensionale Interaktionsmethoden zu entwickeln, die auch auf andere Bereiche der dreidimensionalen Interaktion übertragbar sind.

The project deals with new approaches to augmented reality interaction for the three-dimensional delimitation of robot workspaces in dynamically changing environments using semantic information. Mobile robots are increasingly working indoors, such as industrial halls, offices or homes, where they share space with humans. Normally, the working areas of mobile robots - the areas in which the robot moves - are only restricted by physical obstacles, such as walls and furniture. However, in some cases it is necessary to further delimit this area. Such boundaries often have no clear visual features and cannot be easily recognized by the robot's sensors. For this purpose, interaction between robots and humans is necessary, which allows complex spatial information about the boundaries of a work area to be defined.

The project deals precisely with this interactive limitation of the three-dimensional workspace for mobile robots, whereby the dynamics are also taken into account. Under real conditions, the workspace is constantly changing, e.g. due to human or robot interaction, which can have an impact on the interactively defined boundaries. The aim is to develop new three-dimensional interaction methods that utilize semantic information about the environment, taking existing augmented reality interactions into account. The resulting interaction should be usable by non-experts without in-depth technical knowledge. The project's approach is strongly user-centered, considering the requirements and feedback of users. It draws on current techniques from the fields of mobile augmented reality, semantic scene understanding and robot workspace delimitation to develop innovative three-dimensional interaction methods that are also transferable to other areas of three-dimensional interaction.

Drohne, Micro Aerial Vehicle, Drohnensteuerung, Lokalisierung, Innen-räume, Semantische Informationen, Semantisches Szenenverständnis, Navigation

Hochschule Bielefeld
Fachbereich Campus Minden
Artilleriestr. 9
32427 Minden

Laufzeit

01.02.2022 – 31.01.2025

Kurzbeschreibung

In den letzten Jahren haben immer mehr mobile Roboter Einzug in private oder geschäftlich genutzte Räume erhalten. So kümmert sich heutzutage ein Roboter um das Saugen und Wischen der Wohnung. Genauso werden in Lagerhallen immer mehr mobile Roboter zum Transport von Waren eingesetzt. Die Forschung ist mittlerweile so weit, dass sich diese Roboter autonom bewegen können und ihre Umgebung kennen. Sie bestimmen ihre Position dabei anhand verschiedener Sensoren, wie zum Beispiel einem Radencoder (Messen der Umdrehungen eines Rades), und einer ihnen bekannten Karte. Micro Aerial Vehicles (MAVs) nutzen dagegen in der Regel GPS zur Bestimmung ihrer Position. Dazu werden unterstützend Odometriedaten wie die eines Beschleunigungssensors eingesetzt. Beide Plattformen bieten unterschiedliche Möglichkeiten bei der Wahl der Sensoren und stellen ungleiche Anforderungen. So spielt das Gesamtgewicht und der Stromverbrauch bei MAVs eine deutlich größere Rolle bei der Wahl der Sensoren. GPS ist dagegen bei beiden Plattformen in Innenräumen nicht einsetzbar.

In diesem Projekt soll ein neues Framework entwickelt werden, mit dem die Lokalisierung und Navigation für ein möglichst reduziertes Sensorset für unterschiedliche mobile Plattformen gelernt werden kann. Die Verfahren sollen dann im Rahmen von unterschiedlichen Anwendungen evaluiert werden.

In recent years, more and more mobile robots have found their way into private or business premises. For example, robots are now used to vacuum and mop homes. Similarly, more and more mobile robots are being used in warehouses to transport goods. Research has now reached the point where these robots can move autonomously and are aware of their surroundings. They determine their position using various sensors, such as a wheel encoder (measuring the revolutions of a wheel) or a map of the environment. Micro Aerial Vehicles (MAVs), on the other hand, generally use GPS to determine their position. Odometry data such as that from an acceleration sensor is used to support this. Both platforms offer different options for the choice of sensors and have different requirements. For example, the total weight and power con-sumption of MAVs play a much greater role in the choice of sensors. GPS, on the other hand, cannot be used indoors with either platform.

In this research project, we plan to develop a novel framework that allows training both localization and navigation for mobile platforms that are equipped with a reduced sensor set. Our results will be evaluated for several real-world applications.

Hochschule Bielefeld
Fachbereich Campus Minden

Institut für intelligente Gebäude (InfinteG)

Artilleriestr. 9
32427 Minden

Projektmitarbeiter

Luis Deutsch

Projektpartner

Schwarz IT KG
Stiftsbergstr. 1
74172 Neckarsulm

Laufzeit

01.09.2023 – 31.08.2026

Projektförderer

Schwarz IT KG

Kurzbeschreibung

Gemeinsames Promotionsprojekt zum Thema „Tourenoptimierung in der Entsorgungslogistik“. Aufbau einer für die Entsorgungswirtschaft geeigneten Tourenoptimierung und Automatisierung, welche hauptsächlich für die üblichen Fahrzeug- und Funktionsklassen der Branche Anwendung finden soll. Die Ergebnisse im Sinne der Zielfunktion(en) sollen den Ressourceneinsatz nach Vorgaben des operativen Betriebs optimieren.