Gewinner des InnovateFPGA Design-Wettbewerbs

Sicherheit bei der Paketzustellung per Drohne

Foale Aerospace Inc.

Problem:

Die Zustellung von Paketen ist eine wichtige Komponente der Infrastruktur einer intelligenten Stadt (Smart City). Allerdings ist sie mit Verkehrsstaus und Kohlendioxidemissionen verbunden, die in hohem Maße zur globalen Erwärmung beitragen. Bis 2050 könnte die Last-Mile-Zustellung von Paketen mehr als 2 Millionen Tonnen CO2 pro Jahr verursachen.

Lösung:

Im Rahmen dieses Projekts soll ein System für die Zustellung von Paketen auf dem Luftweg per Drohne entwickelt werden, das sich auf erneuerbare Energien stützt und die Last-Minute-Zustellung durch Point-to-Point-Kurierdienste in Städten ersetzen kann, die gegenwärtig auf CO2-emittierende Dienste angewiesen sind. Das Projekt kann starke oder schlagartige Veränderungen der Luftbewegungen erkennen und melden sowie einen „digitalen Zwilling“ für die Entwicklung schaffen. Dies erhöht die Sicherheit sowohl für die Drohne als auch für Menschen und Grundstücke in der Nähe.

Einzelheiten zum Projekt:

Dank der umprogrammierbaren DSP-Entwicklungsfunktionen des FPGAs kann die Drohne auf acht nebeneinander bestehende analoge Kanäle reagieren, die die Rotation und Beschleunigung der Drohne messen. Das HPS liefert Telemetriedaten über gefährliche Ereignisse an den Microsoft Azure IoT Hub und bietet eine „digitale Zwillingsfunktion“, die reale Ereignisse für die Entwicklung von Algorithmen mithilfe des Analog Devices DC2025A-A DAC reproduzieren kann.

Cloud-basierte Verwaltung von Solar-Umwandlern

Daniel Chavez (Universidad Nacional de Ingenieria)

Problemstellung::

Da erneuerbare Energien wie Solar- und Windenergie in zunehmendem Maße eingesetzt werden, gestaltet sich die Verteilung der Stromlast auf das Stromnetz immer komplexer. Häufig kommt es zu Missverhältnissen zwischen Strombedarf und -erzeugung, die es zu bewältigen gilt.

Lösung::

Dieses System wurde entwickelt, um lokale Energiedaten aus vielen Quellen auf effizientere Weise an ihrem Verbrauchsort zu erfassen, die dann zur Steuerung der Stromerzeugung verwendet werden können. Diese Daten werden an Cloud-basierte Systeme übermittelt, die dann mit einer Netz-Richtlinie kombiniert werden könnten, um den Strombedarf und die Stromerzeugung besser zu optimieren.

Einzelheiten zum Projekt::

Das FPGA misst und steuert direkt die Modulation eines einstufigen bidirektionalen DABRS-Wandlers und überträgt die Daten drahtlos an die MariaDB-Datenbank des Cloud-basierten Azure-Servers. Da die Daten lokal vom FPGA verarbeitet werden, minimiert sich die erforderliche Telemetrie zur Kommunikation mit der Cloud-basierten Zentralsteuerung.

System zur Reduzierung von Obstabfällen

Nixon Fernando Ortiz De La Cruz (Universidad Nacional de Ingenieria and Nacional Mayor de San Marcos)

Problemstellung::

Kleineren landwirtschaftlichen Betrieben fehlen oft die Ressourcen, um Abfälle beim Vertrieb und Transport ihrer Produkte zu minimieren. Aufgrund des Mangels an hochwertigen Lagerhaltungs- und Transportsystemen verdirbt ein großer Prozentsatz der Produkte, bevor sie überhaupt an die Verbraucher ausgeliefert werden. 80 % der Produktion von Mangofrüchten in Peru wird von kleinen Familienbetrieben erzeugt.

Lösung::

Dieses intelligente System überwacht, meldet und verwaltet die Lagerhaltungs- und Transportbedingungen, um den Verderb zu reduzieren.

Einzelheiten zum Projekt::

Das FPGA sammelt Daten von einer Reihe von Sensoren. Zudem steuert es Aktoren, die die Luftzusammensetzung (z. B. CO2) und die Temperaturen verändern, um eine vorzeitige Reifung der Früchte zu verhindern. Die Videobilder der Kamera werden vom FPGA vorab verarbeitet und dann an die Cloud gesendet, um die Farb-Daten zu analysieren und mit dem Reifegrad der Früchte abzugleichen. Diese umfangreiche Datenmenge wird an den Microsoft Azure IoT Hub zur Speicherung, Verarbeitung, Vorhersage und Steuerung der intelligenten Obstlagerungs- und -transportcontainer gesendet. Da der größte Teil der Verarbeitung im FPGA erfolgt, werden die an die Cloud gesendeten Daten auf ein Minimum reduziert und die Kosten für die Übertragung großer Datenmengen gesenkt.

Intelligenter Optimierer für die Landwirtschaft

Jyotsna Bavisetti (Rajiv Gandhi University of Knowledge Technologies, Nuzvid)

Problemstellung::

Landwirte, die traditionelle Anbaumethoden anwenden, wählen ihre Feldfrüchte oft aus, ohne dass sie genau über sie Bescheid wissen. Das hat zur Folge, dass die Pflanzen oft ungeeignet sind. Dies führt aufgrund mangelnder Kenntnisse über Bewässerung und Bodenverbesserungsmittel zu geringeren Erträgen und geringerer Qualität der Pflanzen. Die Nahrungsmittelversorgung in Entwicklungsländern ist besonders gefährdet.

Lösung::

Diese umfassende Hilfe für Landwirte kann auf der Grundlage der Bodenbeschaffenheit, des Klimas und der Wasserverfügbarkeit der jeweiligen Region geeignete Feldfrüchte empfehlen. Es kann die Bewässerung steuern und optimieren, Pflanzenkrankheiten feststellen, Unkraut erkennen und dem Landwirt Ratschläge geben.

Einzelheiten zum Projekt::

Das FPGA sammelt Daten von einer Kamera und zahlreichen Sensoren von Analog Devices. Es ist in der Lage, Stickstoff, Phosphor, Kalium, den pH-Wert, den Wasserstand, die Bodenfeuchtigkeit und Temperatur zu messen. Diese vielfältige Datenmenge wird an den Microsoft Azure IoT Hub zur Speicherung, Analyse, Anzeige und Orientierungshilfe für Landwirte gesendet. Ein Algorithmus für maschinelles Lernen prognostiziert die am besten geeignete Kulturpflanze für die jeweiligen Bedingungen und steuert die Bewässerung. Ein Objekterkennungsmodell erkennt Unkraut und ein auf KI-Technik basierender Algorithmus wurde darauf trainiert, Krankheiten zu erkennen und Behandlungsempfehlungen abzugeben.

Mini-Gewächshaussystem für Verbraucher

Pahan Mendis (University of Moratuwa, Sri Lanka)

Problemstellung::

Bei den Verbrauchern wächst das Bewusstsein, dass bestimmte groß angelegte landwirtschaftliche Tätigkeiten und der Transport von Produkten negative Auswirkungen auf die Umwelt haben können. Der Wunsch der Verbraucher, ihre Lebensmittel selbst anzubauen, steigt nicht nur aus ökologischen Gründen, sondern auch, um deren Qualität und Lebensmittelsicherheit zu verbessern. Vielen dieser aufstrebenden Landwirte fehlen jedoch die erforderlichen Kompetenzen und Fähigkeiten, um dies auf effiziente Weise umzusetzen.

Lösung::

Dieses intelligente und automatische Verwaltungssystem für Mini-Gewächshäuser zielt auf die Lebensmittelproduktion für Verbraucher in der städtischen Gemeinschaft ab, die nur über geringe landwirtschaftliche Kenntnisse verfügen. Es bietet Orientierungshilfen für Bewässerung, Düngung, Belüftung und Licht.

Die integrierten KI-Funktionen können den Ertrag vorhersagen und abnormales Wachstumsverhalten erkennen.

Einzelheiten zum Projekt::Das System erfasst Daten von einer Kamera und zahlreichen Sensoren von Analog Devices (zur Messung von Luftfeuchtigkeit und Temperatur, pH-Wert/Feuchtigkeit/Temperatur des Bodens, CO2-Gehalt und Lichtintensität). Parallel zu den Sensordaten beschleunigt das FPGA die KI-gestützte CNN-Bildverarbeitung. Diese vielfältige Datenmenge wird an Microsoft Azure IoT Hub zur Speicherung, Verarbeitung und Vorhersage der Ergebnisse im Laufe der Zeit gesendet.

Berater für psychische Gesundheit

Sudhamshu B N (Dayananda Sagar College of Engineering)

Problemstellung::

Psychische und verhaltensbedingte Erkrankungen machen einen immer größeren Anteil der weltweiten Gesundheitsprobleme aus. In herkömmlichen Gesundheitsstatistiken (die den Schwerpunkt auf die Sterblichkeit im Vergleich zu anderen Faktoren legen, wie z. B. Funktionsstörungen) sind solche Fälle jedoch nach wie vor stark unterrepräsentiert.

Lösung::

Ein intelligenter Handschuh sammelt verschiedene menschliche Körper- und Umgebungsparameter für maschinelle Lernmodelle zur Analyse und Klassifizierung der Symptome verschiedener psychischer Erkrankungen. Auf der Grundlage der Gesundheit und des mentalen Zustands des Benutzers werden frühzeitig positive Vorschläge in Form von „Empfehlungen“ an den Verbraucher weitergegeben. Der psychischen Gesundheit wird dieselbe Bedeutung beigemessen wie der körperlichen.

Einzelheiten zum Projekt::

Das FPGA sammelt Daten wie Luft- und Körpertemperatur, Schweißdrüsenaktivität, Lichtverhältnisse und Luftqualität über Sensoren an einem intelligenten Handschuh. Es nutzt dann maschinelles Lernen, um Daten zu charakterisieren und mit psychischen Zuständen in Verbindung zu bringen. Ein Live-Video des Patienten, das von einer Kamera aufgenommen wird, wird in ein Video-Emotionserkennungsmodell eingespeist, um die Daten in fünf Merkmale (wütend, ängstlich, glücklich, neutral und traurig) zu unterteilen. Diese vielfältige Datenmenge wird an den Microsoft Azure IoT Hub zur Speicherung und Verarbeitung durch maschinelles Lernen gesendet. Die Empfehlungen werden an die Handy-App des Benutzers zurückgesendet.

Wiederherstellung von Korallenriffen

Jose Filho (King Abdullah University of Science and Technology)

Problemstellung::

25 % aller Meereslebewesen sind von gesunden Korallenriffen abhängig. Die steigenden Meerestemperaturen führen jedoch dazu, dass einige Korallen ausbleichen. Der Ausbleichungsprozess tritt ein, wenn die Koralle die in ihrem Gewebe lebenden Algen abstößt. Diese Algen sind für das Überleben der Korallen von entscheidender Bedeutung.

Lösung::

Laborstudien zeigen, dass bestimmte für Korallen nützliche Mikroorganismen (Beneficial Microorganisms for Coral, BMCs) den Ausbleichungsprozess stoppen und es der Koralle ermöglichen können, sich zu erholen. Dieses System kann den Korallen Probiotika in der Meeresumwelt bereitstellen und ihre langfristige Wirksamkeit überwachen.

Einzelheiten zum Projekt::

FPGAs ermöglichen eine flexible und umkonfigurierbare, experimentelle Plattform. Das FPGA sammelt Daten von Kameras, Temperatursensoren und Daten über die Lichtverhältnisse im Meer von einem energiesparenden Lichterkennungssystem von Analog Devices. Das FPGA nutzt KI, um das Stadium des Ausbleichens genau zu bestimmen und eine schnelle Entscheidung bezüglich des Einsatzes der BMCs zu treffen. Dieses solarbetriebene Experiment wird in Küstennähe eingesetzt und kann 4G-Daten an Microsoft Azure senden, um den Rehabilitationsprozess zu visualisieren und zu verwalten.

Verwaltung der Luftqualität in Innenräumen

Ricardo Núñez Prieto (NVISION s.l. /Institute of Microelectronics of Barcelona (CSIC)/UAB)

Problemstellung::

Es ist erwiesen, dass Personen, die dauerhaft CO2-Konzentrationen von nur 1000 ppm ausgesetzt sind, an verschiedenen Gesundheitsstörungen leiden. Zudem haben Studien ergeben, dass Viren beim Ausatmen, Sprechen und Husten freigesetzt werden und dass die Wahrscheinlichkeit einer Übertragung in geschlossenen Räumen größer ist.

Lösung::

Die Messung des ausgeatmeten CO2 ist die beste verfügbare, kostengünstige Methode zur Beurteilung der Risiken für die Luftqualität. Dieses Projekt kann die CO2-Konzentration ermitteln und umsetzbare Informationen an den Microsoft Azure Server senden, um Warnmeldungen und die Belüftung zu verwalten.

Einzelheiten zum Projekt::

Dieses System verwendet die Daten eines NDIR CO2-Sensorsystems von Analog Devices, das die CO2-Konzentration im Bereich von 400–5000 ppm messen kann, sowie einen Temperatursensor. Ein FPGA eignet sich gut für diese Anwendung, da es die Flexibilität bietet, mehrere Sensoren zu unterstützen und auch an andere Sensortypen, Algorithmen und Kommunikationsprotokolle angepasst werden kann. Das Projekt wurde für eine minimale Energiebilanz des Systems optimiert, indem der CO2-Konzentrations-Algorithmus lokal im FPGA ausgeführt wird, um die Kommunikation komplexer Daten zu minimieren.

Intelligentes Steuerungssystem für landwirtschaftliche Betriebe

Mohamed Abdelaziz Louhab (University M’hamed Bougara Boumerdes)

Problemstellung::

Die Minimierung von Fehlern im Anbau ist wichtig, um Kosten zu minimieren und die Nahrungsmittelsicherheit in Regionen zu gewährleisten, die keine optimalen Anbaubedingungen haben. Andere Risiken wie Feuer, Übergriffe durch Tiere oder Diebstahl können erhebliche Folgen für einen landwirtschaftlichen Betrieb oder eine Gemeinde haben.

Lösung::

Dieses intelligente Gewächshaus verfügt über Sensoren, die die Gesundheit der Pflanzen anhand von Umweltfaktoren wie Temperatur, Luftfeuchtigkeit und Gasen wie O2 und CO2 überwachen können. Das System dient nicht nur als Orientierungshilfe für Landwirte, sondern kann auch die Bewässerung, Beheizung und Kühlung steuern.

Einzelheiten zum Projekt::

Das FPGA bildet das solarbetriebene Gehirn des Systems. Es nutzt das HPS, um einen Solar-Tracking-Algorithmus zu implementieren, der die Leistung der Solarpaneele maximiert. Das Gewächshaus wurde so konzipiert, dass es Fehler beim Anbau minimiert und die Produkte schmackhafter macht. Es verwendet sechs unterschiedliche Sensoren von Analog Devices, um die Gesundheit der Pflanzen zu überwachen und zu erhalten. Das System mindert Bedenken hinsichtlich Ernteverlusten, indem es die Anwesenheit von Tieren mittels IR und PIR erkennt. Es ist ebenfalls in der Lage, Feuer zu erkennen und zu bekämpfen.

Automatischer Abfallsortierer

Longfei Yang (Hubei University)

Problemstellung::

Die weltweite Müllproduktion nimmt jedes Jahr zu und es kommt zu einer Verschmutzung von Boden und Wasser. Mülldeponien können gefährliche Chemikalien oder andere Schadstoffe enthalten, die in das Ökosystem gelangen und Mensch und Umwelt schädigen können.

Lösung::

Ein automatischer Abfallsortierer kann zur Reduzierung der Umweltverschmutzung, zur Schonung der Bodenressourcen und zur Förderung des Ressourcenrecyclings beitragen. Dieses System wurde entwickelt, um die rücksichtslose Entsorgung von wiederverwertbarem Müll zu reduzieren. Die Klassifizierung der Abfälle maximiert das Potenzial einer Wiederverwendung der Abfälle und minimiert den Schaden am lokalen Ökosystem.

Einzelheiten zum Projekt::

Dieses Projekt verwendet Bilderkennung, um Abfall in vier Kategorien einzuteilen: wiederverwertbar, biologisch abbaubar, gefährlich und Sonstiges. Ein Infrarotsensor erkennt die Entsorgung eines neuen Objekts, woraufhin eine Kamera ein Bild an das FPGA sendet. Der FPGA implementiert ein Deep Convolutional Neural Network (CNN) namens VGG-16 für die Bilderkennung. Die Erkennung und Klassifizierung werden durch einen OpenCL-basierten FPGA-Beschleuniger namens pipeCNN verbessert. Der Abfallsortierer befördert die Abfälle mit 95%iger Genauigkeit in den richtigen Abfallbehälter und hat eine Erkennungszeit von 1,93 s.

System zur Erkennung von Schäden am Straßenbelag

Dingwei Chen (Chongqing University)

Problemstellung::

Straßenschäden wirken sich nicht nur auf das Erscheinungsbild und den Fahrkomfort aus. Wenn der Wartungsbedarf nicht erkannt und berücksichtigt wird, verschlechtern sich die Straßenoberfläche und die dazugehörigen Strukturen, was zu Unfällen oder sogar zum Verlust von Menschenleben führen kann. Der Bau von Straßen mit Beton oder Asphalt verursacht schädliche Emissionen und Verschmutzung.

Lösung::

Dieses automatische Erkennungs-, Ortungs- und Berichterstattungssystem verwendet 3D-LiDAR und -Kameras, um Daten über den Straßenzustand in Echtzeit zu erfassen, die analysiert werden können, um festzustellen, ob Reparaturen erforderlich sind. Präzise Inspektionsinformationen in Verbindung mit einer genauen Standortbestimmung ermöglichen ein effizientes Wartungsmanagement und verhindern kostenintensive Verschlechterungen der Straßenoberfläche.

Einzelheiten zum Projekt::

Das intelligente System zur Erkennung von Straßenschäden verwendet LiDAR und eine Kamera mit einer inertialen Messeinheit (Inertial Measurement Unit, IMU), um Punktwolkendaten und Bildinformationen über die Straßenoberfläche zu erhalten. Das System kann Bewegungsverzerrungen der Punktwolke korrigieren und ist in der Lage, die LiDAR-Entfernungsinformationen mit den Pixelinformationen der Kamera zu synchronisieren. Diese Daten können von Cloud-Anwendungen verwendet werden, um Details über Schäden (Größe/Form des Defekts) mit präzisen Landkartendaten zu kombinieren. Das Wartungspersonal kann sich dann auf eine frühzeitige Planung der Reparaturen konzentrieren.