Problemstellung:
Entwicklung nachhaltiger Lösungen in den Bereichen Trinkwassergewinnung, Müllvermeidung/Recycling und Energiegewinnung.
Teamfokus: Recycling
Hintergrund: Die effektive Mülltrennung ist entscheidend für das Recycling, da unsachgemäß sortierter Müll oft nicht wiederverwendet werden kann. Dies führt zu zusätzlichem Ressourcenverbrauch und Umweltbelastung. Weltweit wurde 2019 durch die Plastikherstellung 850 Millionen Tonnen CO2 freigesetzt.
Lösungsansatz: Das Team entwickelte moko, einen intelligenten Mülleimer mit KI-gesteuerter Müllerkennung und automatischer Sortierung, um die Recyclingprozesse zu optimieren und zu vereinfachen. Eine begleitende App sammelt Daten zur Verbesserung der KI.
Entwicklungsprozess:
– Konzeption: Die ursprüngliche Idee war ein Förderband mit Klappen zur Müllsortierung, erwies sich jedoch als zu komplex und teuer. Stattdessen wurde ein einfacheres Konzept mit schrägen Platten entwickelt, das platzsparender und kostengünstiger ist.
– Design und Prototypenbau: Verwendung von CAD-Software (Fusion 360, Autodesk Inventor) zur Visualisierung und Modifikation des Designs. Der Funktionsprototyp wurde aus Itemprofilen und Blechen gebaut und mit Schrittmotoren für die Klappensteuerung und einer Kamerahalterung für die Müllerfassung ausgestattet.
– Bilderkennung: Einsatz von YoloV3 zur Objekterkennung und Zuordnung von Müllarten. Die KI analysiert kontinuierlich Bilder der Kamera und steuert die Motoren basierend auf den erkannten Müllsorten an.
– Technische Umsetzung: Nutzung des Jetson Nano von NVIDIA für die KI-Berechnungen, PCA9685 für die Motorsteuerung und Verkabelung zur Datenübertragung zwischen Kamera, Motoren und Jetson.
Learnings:
Nutzerfeedback: Einbeziehung der 5-Finger-Methodik zur Nutzerbewertung half, das Design zu optimieren und die Benutzerfreundlichkeit zu verbessern.
Technologische Herausforderungen: Anfangsschwierigkeiten mit der Konfiguration des Jetson Nano wurden überwunden, um eine reibungslose Funktionalität sicherzustellen.
Weiterentwicklung: Potenzial für die Integration von Google Lens API zur Verbesserung der Bilderkennung und Benutzererfahrung.
Fazit:
“Die Erfahrung im Modul war äußerst praxisorientiert und inspirierend. Wir konnten nicht nur unser theoretisches Wissen anwenden, sondern auch interdisziplinär mit Kommilitonen aus verschiedenen Fachbereichen zusammenarbeiten. Diese Zusammenarbeit hat nicht nur zu innovativen Lösungsansätzen geführt, sondern auch unsere Fähigkeiten in der Teamarbeit und im Projektmanagement gestärkt. Besonders wertvoll war für uns die Möglichkeit, vom Konzept bis zum Prototypenbau alle Schritte eigenständig zu durchlaufen. Die Herausforderungen beim Design und der Umsetzung haben uns gezeigt, wie wichtig es ist, flexibel zu bleiben und kreative Lösungen zu finden. Die Nutzung von modernen Tools wie der YoloV3 Bilderkennung und dem Jetson Nano Computer hat uns dabei geholfen, technologische Innovationen effektiv einzusetzen. Insgesamt war das Modul eine wertvolle Erfahrung, die uns nicht nur fachliches Wissen vermittelt hat, sondern uns auch für zukünftige Projekte im Bereich der Umwelttechnologien motiviert hat. Wir danken dem Gründungszentrum und den Coaches für ihre Unterstützung und die Möglichkeit, unsere Ideen in die Praxis umzusetzen.”