AktuellAnwendung von Lernverfahren im Bereich der Sensornetzwerke
Ansprechpartner: Frank Ortmeier
Ausgangssituation:
Die Bewässerung landwirtschaftlich genutzter Flächen steht zukünftig immer größeren Herausforderungen gegenüber. Die Kenntnis des Zusammenspiels zwischen verschiedenen Umwelteinflüssen kann helfen, die Effizienz der Bewässerung entscheidend zu verbessern, und damit einen wichtigen Beitrag zum Ressourcenschutz leisten. Die Effizienz solcher Bewässerungsverfahren hängt von unterschiedlichen Faktoren ab. Ein wichtiger Faktor dabei ist die Bodenzusammensetzung. Über diese gibt es unter Umständen jedoch keine verlässlichen Daten, außerdem kann sich die Zusammensetzung je nach geographischer Lage auch in benachbarten Flächen deutlich unterscheiden. Eine direkte Bestimmung der Zusammensetzung ist aufwändig, da sie von Hand durchgeführt werden muss. Um diese Schwierigkeiten zu umgehen, sollen Bodenfeuchtesensoren als Sensornetzwerk ausgebracht werden, die in verschiedenen Tiefen Daten über die Feuchtigkeit liefern.
Ziel der Arbeit:
Basierend auf der Bewässerung und der gemessenen natürlichen Niederschläge soll aus diesen Sensordaten die Bodenzusammensetzung möglichst genau berechnet werden. Dazu sollen Lernverfahren entwickelt werden, die ausgehend von bekannten Daten über die Feuchtigkeitsentwicklung die Zusammensetzung unbekannter Böden bestimmen. Die Umsetzung soll anschließend im Labor mit verschiedenen Bodenprofilen auf ihre Praxistauglichkeit getestet werden.
Voraussetzungen:
- Interesse an interdisziplinärer Arbeit in diesem Gebiet
- Interesse an Einarbeitung in die Thematik der Lernverfahren (Organic Computing)
- Bereitschaft zur Umsetzung / Implementierung der Lernverfahren sowie deren konkrete Evaluation
Zeitrahmen:
Beginn: ab sofort