Infrastrukturplanung mittels Mülltracking
Unser Konzept sieht vor, dass mit Hilfe unseres Mülltrackingtools sowohl die Planung der Infrastruktur verbessert, als auch die Menge des Mülls verringert wird, der in der Natur liegt. Dies geschieht mit Hilfe einer Müllzange, die mit einer Kamera und einer Machine Learning Software ausgestattet ist. Bei jedem Greifen wird der Müll gescannt und erkannt. Das Ergebnis dieser Auswertung wird anschließend über WLAN an eine Datenbank gesendet, welche diese Daten für die Weiterverarbeitung zur Verfügung stellt.
In der Anwendung IOTrash werden diese Daten als Heatmap aufbereitet und dem Nutzer so zugänglich gemacht. Dieser kann dann stark vermüllte Stellen identifizieren und diese dementsprechend behandeln.
Projektverlauf
Das Projekt startete mit einem 5-tägigen Design Sprint. Das heißt, man durchläuft wie sonst auch
den Design-Thinking-Prozess, jedoch dauert dieser nur 5 Tage und jeden Tag wird eine andere
Etappe und viele zugehörige Methoden durchgeführt. Dies führt zur schnellen Generierung von sehr
vielen Informationen, Einblicken, Ideen und Lösungen.
Neben dem normalen Projektverlauf wurde der Kurs durch einen zweitägigen
Szenario-Workshop ergänzt.
Szenarios werden in Projekten dafür genutzt, um sehr weit in die Zukunft zu denken
und sowohl gute als auch schlechte Szenarien aufzuführen.
Hierbei können verschiedene Extremsituationen gekreuzt werden, woraufhin man für die jeweiligen Fälle Lösungen finden muss.
Prototyping
Nach dem Design Sprint wurden die Ideen noch einmal sorgfältig aufgearbeitet und ein Ziel festgelegt. Es sollte getestet werden, ob Müll mittels Machine Learning getrackt werden kann. Dazu wurden analoge und digitale Prototypen für ein Interface erstellt.
Interfaces müssen oft iteriert und gemeinsam beurteilt werden, um eine gute User Experience zu erreichen.
Um unsere Idee, Müll mittels Machine Learning zu unterscheiden und zu tracken beurteilen zu können, testeten wir „image_classification“ / MobileNet von ml5.js. Hier kann man nun Müllsorten am Bild erlernen und wiedererkennen lassen.
Da das Bauen eines kompletten Funktionsprototypen den zeitlichen Rahmen überstiegen hätte, wurde nur ein teilweise funktioneller Prototyp zum Test erstellt. Eine Webcam auf einer Müllzange lies testen, wie gut sich Bilder des Mülls von der Zange aus machen lassen. Zudem wurde ein Button, angesteuert von einem ESP angebracht,
der bei Knopfdruck den Befehl zum Erkennen des Bildes im Machine Learning-Skript gibt.
In Zukunft müsste diese Technologie durch Forschung und Entwicklung weiter ausgearbeitet werden.
Dieses Projekt wurde an der MAKE Ostwürttemberg 2019 ausgestellt.
