Über AuDroK
Der Einsatz von Drohnen nimmt stetig zu. Neben vielen Chancen und Potenzialen ergeben sich hieraus auch verschiedene Risiken und Gefahren für andere Luftfahrzeuge bzw. unbeteiligte Dritte sowie kritische Infrastruktur. Hierzu zählen z.B. Luftraumverletzungen, terroristische Anschläge oder Verletzungen der Privatsphäre. Diese sollen durch Vorschriften und Gesetze ausgeschlossen werden. Für deren Umsetzung wiederum bedarf es jedoch effizienter und günstiger Detektions- und Klassifikationstechniken. Verfahren wie Video, Radar oder Hochfrequenz-Mustererkennung unterliegen dabei aber deutlichen Einschränkungen bei Preis, Performanz und Einsatzbereich.
Die Analyse von Drohnengeräuschdaten mittels Algorithmen des maschinellen Lernens stellt einen preiswerten Ansatz zur Drohnendetektion und -klassifikation dar. Voraussetzung ist ein hinreichend großer Datensatz an Geräuschen von Drohnen unterschiedlicher Bauart. Ziel des Projekts ist daher die systematische Zusammen- und Bereitstellung solcher Daten aus bestehenden und selbst aufgenommenen Drohnengeräuschen. Darauf aufbauend erfolgt die Vorbereitung einer Prototypentwicklung für ein System zur Detektion/Klassifikation von Drohnen basierend auf Algorithmen des maschinellen Lernens.
Der Fokus des Vorhabens liegt in der Generierung von Drohnengeräuschdaten und deren Aufbereitung in einer Datenbank. Dazu werden öffentlich verfügbare Drohnengeräuschdaten zusammengetragen und durch eigene Audio-Aufnahmen, insbesondere für Drohnentypen, für die es bisher keine ausreichenden Daten gibt, ergänzt. Mit diesen Daten werden Klassifikatoren auf der Basis maschinellen Lernens zur Identifikation von Drohnentypen entwickelt. Das Vorhaben schließt mit einem Modellexperiment zur Validierung der Leistungsfähigkeit der entwickelten Ansätze ab.
Verbundkoordinator
H2 Think gGmbH
Projektpartner
Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme (IVI), Dresden