Demonstrator: Detektion von Brandschutzanlagen in Bildern

Dieser Demonstrator visualisiert das automatisierte Erkennen von Brandschutzanlagen in Bildern mithilfe von Deep Learning.

Mit Fokus auf Bilder wurden zahlreiche Methoden zur Erkennung und Klassifizierung bestimmter Objekte in Gebäuden untersucht. Trotz der Bedeutung des Brandschutzes in Gebäuden hat sich die Forschung jedoch noch nicht eingehend mit den Vorteilen der automatischen Erkennung von Brandschutzanlagen beschäftigt.

Gerade in Bestandsgebäuden ist die wiederkehrende Prüfung und Wartung von Brandschutzeinrichtungen eine verantwortungsvolle Aufgabe und gesetzlich vorgeschrieben. Es liegt in der Verantwortung des Eigentümers und des Gebäudemanagers, die Verfügbarkeit und das ordnungsgemäße Funktionieren der Brandschutzeinrichtungen im Gebäude sicherzustellen. Die Brandschutzanlagen zu detektieren, bietet den Vorteil, dass Bestandsaufnahmen direkt ausgewertet werden können und der Automatisierungslevel einer Brandschutzbegehung erhöht werden kann. Des Weiteren können weitere Schritte, wie die nachfolgende Verortung und semantische Anreicherung im Modell, angeknüpft werden.

Folglich zielt dieser KI-Demonstrator darauf ab, einen Beitrag zu diesem Forschungsgebiet zu leisten, indem aktuelle Verfahren zur Segmentierung und Objekterkennung in RGB-Bildern untersucht und getestet werden.

Erste Ergebnisse zeigen, dass die Detektion von Brandschutzanlagen (Feuerlöscher, Rauchwarnmelder, Brandmelder, Löschdecke) sowohl mit einer Bounding Box (Objektlokalisierung) als auch mit Objektmaskierung (Instanzsegmentierung) funktioniert.

Dieser Anwendungsfall ist besonders für Betreiber, Facility Manager und Brandschutzbeauftragte von Interesse und zeigt hier eine hohe Relevanz.

Ansprechperson: Angelina Aziz, wissenschaftliche Mitarbeiterin an der Ruhr-Universität Bochum (angelina.aziz@ruhr-uni-bochum.de)