IRAV2 - Industrielle Räumung von Altlasten in Verklappungsgebieten 2; Vorhaben: Erzeugung synthetischer Sonardaten

Übersicht

Das Ziel des Projekts IRAV2 ist es, ein zuverlässiges System zu entwickeln, das die Detektion und Klassifikation zur Räumung von Altlasten schneller, effizienter und gezielter gestaltet. Die Ergebnisse dieses Projekts können einen wichtigen Beitrag zur Lösung eines globalen Problems leisten und unseren Umgang mit der Vergangenheit nachhaltiger gestalten. Das Projekt besteht aus drei einschlägigen Partnern: dem Fraunhofer IWES, der Hochschule Bremen und der TKMS ATLAS ELEKTRONIK GmbH als Konsortialführer. Um die in IRAV (Industrielle Räumung von Altlasten in Verklappungsgebieten) begonnenen Arbeiten weiterzuführen, soll ein innovatives Anschlussprojekt aufgesetzt werden, das sich auf die Entwicklung und Optimierung von Sensortechnologien zur Detektion und Klassifizierung von Unterwasser-Altlasten fokussiert. Der Schwerpunkt liegt dabei auf der Detektion und Klassifizierung von auf dem Sediment befindlichen als auch im Sand versunkenen sedimentierten UxOs. Die Projektstruktur gliedert sich in sechs Teilprojekte (TP), die Hand in Hand arbeiten, um eine effiziente und zuverlässige Lösung zu finden. Es werden verschiedene Sensortechnologien (Seismik, SAS) weiterentwickelt, um gezielt versunkene und im Sand begrabene Gegenstände zu erkennen. Die Sensoren sollen in der Lage sein, unterschiedliche Materialien und Formen zu identifizieren und zuverlässig von natürlichem Meeresgrund zu unterscheiden. Auf Basis synthetischer Daten aus einer fortgeschrittenen Modellierungsumgebung sowie ergänzender Felddaten sollen neue, hochauflösende Inversionsverfahren für die Seismik entwickelt werden, um eine verbesserte Klassifizierung identifizierter Objekte in verschiedenen Versandungstiefen zu ermöglichen. Um die bislang extrem aufwendige manuelle Auswertung schneller und effizienter gestalten zu können, sollen die aufgenommenen Daten nach einer ersten Sichtung und Prozessierung mit Hilfe eines Neuronalen Netzes (NN) ausgewertet werden. Hierbei werden sowohl bereits aufgenommene Datensätze aus IRAV als auch synthetisch in IRAV2 erzeugte Daten zum Training der NN genutzt. Zur Erprobung der entwickelten Technologie werden verschiedene Hafentests durchgeführt. Es soll auch zusätzlich ein Seetest stattfinden. TKMS ATLAS Maridan übernimmt die dienstleistende Unterstützung und Organisation des Seetests für das Gesamtprojekt im Unterauftrag des Konsortialführers. Erwartete Ergebnisse sind die Entdeckung neuer Altlasten durch die höhere Auflösung (optimier SAS-Sensorenren) und die tiefere Penetration der neuen Sensorik, eine genauere Klassifizierung von Altlasten durch die Kombination verschiedener Sensorik hinsichtlich Größe, Form, Material und Zustand sowie eine bessere Risikobewertung durch eine detaillierte Kartierung der Altlasten und des Untergrunds. Zusätzlich soll die Geschwindigkeit in der Auswertung der Daten deutlich gesteigert werden. Dieses Folgeprojekt zielt darauf ab, die in IRAV entwickelten Ansätze weiterzuführen und zu optimieren. Dabei geht es um die Verbesserung der Detektions- und Klassifikationskette – speziell um die bisherige manuelle Auswertung der Sensordaten zu automatisieren und großflächige Suchleistungen zu ermöglichen.