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 gut geschulten Feuerwehrleuten bekannt oder müssen sonst 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.

Nutzen

Die aufgezeigte Lösung 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 KI und besteht demnach aus der Kombination von klassischen Verfahren und Deep Learning. Unter anderem kommt eine Kombination aus einem Modul zur Lokalisierung der Bildregionen von Interesse, einem Symbolerkenner und einem Textleser zum Einsatz.