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

    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