- AutorIn
- R. Fiebelkorn Technische Hochschule Wildau
- R. KugelArbolytics
- N. GüntherTechnische Hochschule Wildau
- J. Reiff-Stephan
- Titel
- Predictive Maintenance in der Baumpflege - TreeAngel
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:l189-qucosa2-958477
- Konferenz
- 21. AALE-Konferenz. Dresden, 12. März - 14. März 2025
- Quellenangabe
- Tagungsband AALE 2025
; menschzentrierte Automation im digitalen Zeitalter
Herausgeber: Hochschule für Technik, Wirtschaft und Kultur Leipzig
Erscheinungsort: Leipzig
Erscheinungsjahr: 2025
Seiten: 251-259
ISBN: 978-3-910103-05-4 - Erstveröffentlichung
- 2025
- DOI
- https://doi.org/10.33968/2025.27
- Abstract (DE)
- Die Gewährleistung der Verkehrssicherheit von Bäumen stellt eine zentrale Herausforderung für Städte und Gemeinden dar. Traditionelle, manuelle Inspektionsmethoden sind zeit- und ressourcenintensiv sowie anfällig für menschliche Fehler. Der folgende Artikel präsentiert ein innovatives System zur automatisierten Baumzustandsbewertung, welches moderne Kameratechnologien und Künstliche Intelligenz (KI) nutzt. Im Rahmen einer Machbarkeitsstudie wurden Bilddaten, welche durch verschiedene Kamerasysteme erzeugt wurden, analysiert. Basierend auf diesen Daten wurde ein YOLOv8-Modell trainiert, welches eine präzise Detektion von Bäumen und Schäden, wie beispielsweise Totholz, ermöglicht. Die Ergebnisse des vorgestellten Prototypensystems sind vielversprechend hinsichtlich Genauigkeit und Effizienz. Es zeigt das Potenzial, manuelle Inspektionen durch automatisierte Verfahren zu ergänzen oder zu ersetzen. Die präsentierten Resultate legen den Grundstein für nachhaltige und skalierbare Ansätze in der Baumpflege und können zur Steigerung der öffentlichen Sicherheit und Effizienz im urbanen Management beitragen.
- Freie Schlagwörter (DE)
- Predictive Maintenance, Machine Learning, YOLO, Baumpflege
- Herausgeber (Institution)
- Hochschule für Technik, Wirtschaft und Kultur Leipzig, Leipzig
- Version / Begutachtungsstatus
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:l189-qucosa2-958477
- Veröffentlichungsdatum Qucosa
- 21.02.2025
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
CC BY 4.0