Hauptinhalt überspringenNavigation überspringenFooter überspringen
Logo der Fachhochschule Nordwestschweiz
Studium
Weiterbildung
Forschung und Dienstleistungen
Internationales
Die FHNW
DeEn
Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Logo der Fachhochschule Nordwestschweiz
      • Studium
      • Weiterbildung
      • Forschung und Dienstleistungen
      • Internationales
      • Die FHNW
      DeEn
      Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien
      Hochschulen
      Hochschule für Informatik FHNW
      Institut für Data Science
      Marvel: Echtzeit-Polleninformationen

      Marvel: Echtzeit-Polleninformationen

      Zusammen mit Partnern entwickeln wir Zero-Shot-Learning und andere Machine-Learning-Tools zur Erkennung von Pollen weltweit. So wird es einfacher, zuverlässige Pollenprognosen zu erstellen.

      zwei Personen, welche am Computer die Software demonstrieren

      Ausgangslage

      Schätzungen zufolge leiden 10-40 % der Weltbevölkerung an Pollenallergien, und die Zahl wird voraussichtlich weiter steigen, da sich das Klima erwärmt. In der Schweiz hilft MeteoSchweiz Allergikern mit seiner Echtzeit-Pollenprognose. Unser Forschungspartner Swisens hat dies möglich gemacht, indem er MeteoSchweiz Technologien zur Erfassung und Erkennung von Pollenpartikeln bereitstellt. Diese Technologien sind hervorragend darin, gängige Pollenarten in Mitteleuropa zu identifizieren, aber die Ausweitung auf neue geografische Regionen mit unterschiedlichen Pflanzenarten ist mit den derzeitigen Methoden mühsam. Schätzungen zufolge leiden 10-40 % der Weltbevölkerung an Pollenallergien, und die Zahl wird voraussichtlich weiter steigen, da sich das Klima erwärmt. In der Schweiz hilft MeteoSchweiz Allergikern mit seiner Echtzeit-Pollenprognose. Unser Forschungspartner Swisens hat dies möglich gemacht, indem er MeteoSchweiz Technologien zur Erfassung und Erkennung von Pollenpartikeln bereitstellt. Diese Technologien sind hervorragend darin, gängige Pollenarten in Mitteleuropa zu identifizieren, aber die Ausweitung auf neue geografische Regionen mit unterschiedlichen Pflanzenarten ist mit den derzeitigen Methoden mühsam. 

      Ziele

      Um ein Pollenerkennungssystem zu entwickeln, das weltweit eingesetzt werden kann, arbeitet das Institut für Data Science FHNW mit Swisens zusammen. Der Aufbau des derzeitigen Systems in der Schweiz erforderte viel manuelle Arbeit zur Vorbereitung eines beschrifteten Trainingsdatensatzes. Für eine globale Skalierung ist diese Methode ungeeignet. Deshalb wird unser Projekt ein Machine-Learning-Modell aufbauen. Dieses Modell wird in der Lage sein, ein neues Pollenpartikel zu identifizieren, auch wenn es dieses noch nie zuvor gesehen hat. Swisens wird dieses Modell in ein nützliches Pollenprognosetool und in ein marktfähiges Produkt für Menschen mit Pollenallergien auf der ganzen Welt umwandeln können.

      Technologien

      Der Beitrag unseres Instituts zum Projekt konzentriert sich auf Machine Learning und Artificial Intelligence. Wir setzen Deep Learning ein und erweitern uns in Richtung Few-Shot-Learning mit Active Learning, während wir immer mehr Pollendaten sammeln und validieren.

      Das Marvel-Projekt ist ein gutes Beispiel dafür, wie eine Fachhochschule arbeitet: Wir nutzen modernste Technologien und finden praktische Anwendungen für sie. Dadurch hat unser Industriepartner eine Lösung, die sofort kommerziell genutzt werden kann. Und Pollenallergiker*innen auf der ganzen Welt werden bald Zugang zu noch besseren Vorhersagen und Warnungen haben. 

      Informationen

      table_scrollable_animation_gif

      Auftraggeber

      Swisens AG

      Ausführung

      Institut für Data Science FHNW

      Partner

      Universität Bern, Institut für Pflanzenwissenschaften
      METAS - Eidgenössisches Institut für Metrologie, Chemie
      Swisens AG 

      Dauer

      Januar 2024 – Dezember 2025

      Förderung

      Innosuisse

      Projektteam

      Martin Melchior (Institut für Data Science FHNW) 
      Tinner Willy (Universität Bern) 
      Konstantina Vasilatou (METAS) 
      Erny Niederberger (Swisens) 

      Kontakt

      • Prof. Dr. Martin Melchior

      Die FHNW

      Hochschule für Informatik FHNW
      Institut für Data Science
      ht_ins_i4ds_projekt_teaserht_ins_i4ds_zusammenarbeit_industrie

      Angebot

      • Studium
      • Weiterbildung
      • Forschung & Dienstleistungen

      Über die FHNW

      • Hochschulen
      • Organisation
      • Leitung
      • Facts and Figures

      Hinweise

      • Datenschutz
      • Accessibility
      • Impressum

      Support & Intranet

      • IT Support
      • Login Inside-FHNW

      Member of: