Bewölkungssensorik

Team: Lukas Donner, Jannik Geiger, Michael Rucziczka

Kooperationspartner: ZAMG (Zentralinstitut für Meteorologie und Geodynamik)

Ziel des Projektes ist es, zu zeigen, dass eine leistungsfähige Klassifizierung von Wolkenarten mit Deep Learning Techniken realisiert werden kann. Die resultierenden Anwendungen sollen in eine einfache Webseite mit dem Videostream einer Wolkenkamera integriert werden, um die Wolken damit richtig zu erkennen.

Mit einer Kamera werden in bestimmten Intervallen Bilder vom Himmel gemacht. Diese Bilder werden vereinzelt auf einen Raspberry Pi / PC übertragen und mit einer Erkennungssoftware wird versucht, die Wolke zu klassifizieren. Anschließend werden die Vorhersage und das Wolkenbild auf einem, auf dem Raspberry Pi bzw. PC laufendem Web-Server angezeigt. Es wurde jeweils eine Erkennungssoftware in MATLAB und Python entwickelt.

Diese Programme stellen anhand des Kamerabildes, eine Vorhersage der aktuell bestehenden Wolkenart an. Die verwendete Datenbank, welche für die Erkennungssoftwareessenziell ist, wird sowohl von der MATLAB- als auch von der Python-Anwendung verwendet.

Um die Datenbank für das Training des Netzwerks zu erstellen wurden Python – Skripte geschrieben, welche Trainings- bzw. - Testbilder von Wolken automatisiert verarbeiten. In der Datenbank befinden sich fünf Wolken - Kategorien, wobei drei davon mit je 80 Bilder und zwei mit je 20 Bildern befüllt sind.

Sowohl die Deep-Learning Realisierung in Python als auch in MATLAB erzielen bei der Klassifizierung eine sehr hohe Erfolgswahrscheinlichkeit bei den Wolken-Identifikationen. Der Webserver, welcher einen Live-Stream der Webcam bzw. die Identifikation des aktuellen Wolkenbildes anzeigt, kann sowohl auf mobilen- und Desktop-Browsersystemen verwendet werden. Alle Funktionen wurden umfassend getestet und erreichten gute Ergebnisse.

Aktuelle Projekte und Diplomarbeiten