KI-System revolutioniert die Asbesterkennung aus Luftbildern

- Das KI-basierte System wird die Art und Weise, wie Asbest auf Dachflächen von Gebäuden erkannt wird, grundlegend verändern.
- Die bisherigen Methoden zur Asbesterkennung erforderten langsame und kostspielige hyperspektrale Bildgebung.
- Das Team nutzte einen umfassenden Validierungsrahmen.
Ein Game-Changer: Ein KI-basiertes System der kreativen Forscher der Universitat Oberta de Catalunya (UOC) wird die Art und Weise verändern, wie Asbest auf GebäudeDächern erkannt und wie der Überwachungsprozess durchgeführt wird. Durch diesen innovativen Ansatz, der auf Deep-Learning- und Computer-Vision-Technologien basiert, die die allgemein zugänglichen RGB-Fernerkundungsfotos analysieren, wird eine kostengünstige und skalierbare Lösung geboten, die es ermöglicht, ein kritisches Problem wie dieses anzugehen.
KI überwindet konventionelle Grenzen
Die alten Asbestpraktiken verlangsamten und verteuerten die hyperspektrale Bildgebung, was eine großflächige Erleichterung erschwerte. Das Team der UOC verwendet hochauflösende RGB-Bilder, die aufgrund der zunehmenden Nutzung von Luftbildkartierungsdiensten überall leicht verfügbar sind. Das in Entwicklung befindliche System konzentriert sich auf die Wiederverwendung von VNIR- und NIR-Bildern als ergänzende Hilfsinformationen.
„Unser Ansatz ist wirklich effizient aufgrund der Spezialisierung und Kosteneffizienz der Herstellung der KI mit RGB-Bildern.“ Javier Borge Holthoefer, der Hauptforscher der Complex Systems Group (CoSIN3) der UOC, erklärt dies. Er fügt hinzu, dass diese hochauflösende Luftbildaufnahme in den USA und den meisten anderen Ländern kostenlos ist.
Die Forscher begannen, das System auf der Grundlage von Material des Kartographischen und Geologischen Instituts von Katalonien aufzubauen, das aus Tausenden von Luftfotos bestand. Das Deep-Learning-Modell wurde systematisch trainiert, um die Muster, Farben, Texturen und strukturellen Merkmale der intensiven Dachdeckungs-Muster in asbesthaltigen Dächern von den Dächern zu unterscheiden, die keine enthielten.
Vielfältige Anwendungen
Ein solches Team nutzte einen umfassenden Validierungsrahmen. Tatsächlich bestand der Bilddatensatz zu 20 % aus dem primären Test. Die Ergebnisse waren unglaublich positiv, wobei das KI-System ein Präzisionsniveau von mehr als 80 % bei der Erkennung von Asbest auf dem Dach erreichte.
Die Vielseitigkeit der Systeme ist nicht auf große städtische, industrielle und Küstengebiete beschränkt, sondern kann überall eingesetzt werden – in der Stadt, in der Industrie, am Meer und auf dem Feld. Behörden können sie für umfassende Erhebungen nutzen, die die sichere Entfernung von asbesthaltigen Materialien aus öffentlichen und privaten Gebäuden ergänzen.
Bis jetzt ist die Verwendung von Asbest für den Bau in einer Reihe von Ländern reguliert und sogar verboten, und dennoch stellt es international ein enormes Risiko dar. Die Weltgesundheitsorganisation hat mehr als 100.000 Todesfälle registriert, die mit verschiedenen Lungenkrebsarten, Pleuratumoren und pulmonaler Fibrose verbunden sind.
Es ist schockierend zu sehen, dass in Katalonien die Menge an Asbest, die sich noch in den Gebäuden befindet, auf mehr als 4.000.000 Tonnen Asbest-Faserzement geschätzt wird. Die Behörden haben eine Frist von 2028 für die Entfernung von Asbest in öffentlichen Gebäuden und 2032 für private Gebäude als Ziel festgelegt, was bedeutet, dass dieses Problem mit sofortigen Maßnahmen gelöst werden muss.
Obwohl das KI-System fortschrittliche Fähigkeiten in städtischen und industriellen Gebieten zeigt, haben die Experten die Notwendigkeit identifiziert, die Trainingsbasis zu erweitern, indem sichergestellt wird, dass sie mehr verschiedene Umgebungen einschließt. Trotz der stadtzentrierten Tendenzen bestehender Modelle bieten sie eine breitere Vielfalt an Daten sowohl für ländliche als auch für vorstädtische Umgebungen.
Die klügsten Krypto-Köpfe lesen bereits unseren Newsletter. Lust dabei? Mach mit.
Haftungsausschluss: Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com übernimmt keine Haftung für Investitionen, die auf der Grundlage der auf dieser Seite bereitgestellten Informationen getätigt werden. Wir empfehlen dringend, vor jeder Anlageentscheidung unabhängige Recherchen durchzuführen und/oder einen qualifizierten Fachmann zu konsultieren.

Brian Koome
Brian Koome verfügt über mehr als sieben Jahre Erfahrung in der Blockchain- und Kryptowährungsberichterstattung und ist seit 2017 in der Branche tätig. Er hat zu führenden Publikationen beigetragen, darunter BlockToday.com. Zudem entwickelte er den Ethereum-101-Kurs für BitDegree.org, bevor er als Vollzeit-Autor zu Cryptopolitan wechselte. Brian verfasst evergreen Guides (EGs), Deep Dives, Interviews und Preisanalysen. Sein Fokus auf DeFi, Blockchain-Innovationen und aufstrebende Crypto-Projekte begeistert die Leser.















