Deep Learning für Photovoltaik Potential

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Semesterarbeit / Masterarbeit /
Inhalt
experimentell / theoretisch /  
Beschreibung

Du willst mit deinem Thema zur Lösung der Klimaproblematik beitragen und dich dabei die aktuellsten Methoden der künstlichen Intelligenz und Datenverarbeitung anwenden? Dann ist diese Studienarbeit die richtige für dich.

Um die globale Klimaproblematik einzudämmen hat die Bundesregierung Maßnahmen und Ziele für Deutschland, vor allem im Energie- und Verkehrssektor, beschlossen. Um die bisher verfehlten Ziele schneller erreichen zu können kann die Koppelung der Sektoren Synergien bieten, die die Nachteile von Einzellösungen (Netzstabilität, Kosten, etc.) ausgleichen. Zur großflächigen Analyse der Synergien an Standorten sind eine Reihe von Informationen wie Mobilitätsaufkommen, Gebäude-Abmaße und Energiebedarfe nötig. Diese Informationen können aus frei zugänglichen Datenquellen mit GIS- und Bilderkennungsmethoden extrahiert werden.

Diese Arbeit soll die automatisierte Erkennung von Dachsegment mit Künstlicher Intelligenz weiterentwickeln. Unter Nutzung eines existierenden Datensatzes (kein manuelles Labeln notwendig!) soll in dieser Arbeit soll ein alternativer Bilderkennungs-Ansatz untersucht werden.

Folgende Arbeitspakete umfasst die zu vergebende Studienarbeit:

  • Einarbeitung und Literaturrecherche zur semantischen Segmentierung
  • Auswahl einer Netzarchitektur und Implementierung einer Trainingspipeline für den alternativen Ansatz
  • Implementierung eines Post-Processing Algorithmus
  • Vergleich des ursprünglichen Ansatzes gegenüber dem neuen Ansatz
  • Auswertung und Diskussion der Ergebnisse
Voraussetzungen

Am besten, du bringst für diese Arbeit Vorkenntnisse mit, oder möchtest dich vorab einarbeiten:

  • Programmierkenntnisse in Python
  • Grundkenntnisse Bilderkennung oder hohe Motivation für Einarbeitung
Tags
FTM Studienarbeit, FTM Smarte Mobilität, FTM Krapf, FTM Informatik
Möglicher Beginn
sofort
Kontakt
Sebastian Krapf
Raum: 3510
Tel.: +49 89 289 15769
krapfftm.mw.tum.de