Informatics Inside experience(IT);

Die Beiträge der diesjährigen Fachkonferenz befassen sich mit Themen der künstlichen Intelligenz, nutzerorientierte Softwareentwicklung und informationstechnologische Lösungen in der Medizin.

Die 11te Informatics Inside 2019 am 8. Mai war besonders – neben drei Vorträgen vonMasterstudierenden, im Rahmen des Moduls Wissenschaftlichen Vertiefung, bot diese Konferenz zusätzlich Einblicke in einige Forschungsprojekte von Doktoranden der Hochschule Reutlingen. So stellten Herr Ludl und Herr Gulde Themen und Herangehensweisen der künstlichen Intelligenz vor, zudem präsentierte Frau Junger ein Thema aus dem medizinischen Bereich. So gliederte sich das Konferenzprogramm in drei Blöcken, innerhalb derer abwechselnd Masterstudierende und Doktoranden ihre Arbeiten vorstellten. Im ersten und zweiten Block lag der Schwerpunkt auf künstliche Intelligenz, wie diese für spezielle Anwendungsfällen trainiert werden kann und wie diese Verwendung findet. Während des Posterflashs gewährten die Masterprojekte des Studiengangs Human-Centered Computing Einblicke in die Labore, zudem berichteten Studierende von ihren Auslandsaufenthalten. In den Pausen konnten die Teilnehmer sich im Genuss von Kaffee und verschiedenster Leckereien über die Vorträge und Poster austauschen. Abgeschlossen wurde das Programm mit einem Vortrag zu einer Arbeit eines Gamification-Konzepts zu einem speziellen Anwendungsfall und einer medizinischen Prototypen-Entwicklung für die Informationsbereitstellung in OPs. Die Arbeiten der Masterstudierenden wurden in einem Konferenzband zusammengefasst, welcher hier hier (.pdf 2MB)zur Verfügung steht.


Das Programm 2019

9:00 Come Together
9:30 Beginn der Veranstaltung und Begrüßung Herr Gromer & Herr Prof. Kloos
Erste Vortragsrunde
9:40 Semi-automated image data labelling using AprilTags as a pre-processing step for machine learning Steven Cybinski
10:05 Towards teaching autonomous systems better perceive and understand humans through simulations Dennis Ludl
10:30 Posterflash
10:50 zwanzigminütige Pause 
Zweite Vortragsrunde
11:10
Zeitliche Vorhersage von Erdbeben durch Klassifikation mittels Convolutional Neural Networks
Julian Hennige
11.35 RoPose: CNN-based 2D Pose Estimation of Industrial Robots Thomas Gulde
12:00 zwanzigminütige Pause 
Dritte Vortragsrunde
12.20 Anforderungen an ein Gamification-Konzept zur Motivationssteigerung der Anwender eines KI-Service zur Maschinenoptimierung Tanja Brodbeck
12:45 Entwicklung eines Prototyps zur sterilen Informationsanzeige am OP-Situs Denise Junger
13:10  Abschluss

Die Arbeiten der Masteranden

Semi-automated image data labelling using AprilTags as a pre-processing step for machine learning

Autor: Steven Cybinski

Data labelling is a pre-processing step to pre-pare data for machine learning. There are ma-ny ways to collect and prepare this data, but these are usually associated with a greater ef-fort. This paper presents an approach to semi-automated image data labelling using April- Tags. The AprilTags attached to the object, which contain a unique ID, make it possi-ble to link the object surfaces to a particu-lar class. This approach will be implemen-ted and used to label data of a stackable box. The data is evaluated by training a You Only Look Once (YOLO) net, with a subsequent evaluation of the detection results. These re-sults show that the semi-automatically col-lected and labelled data can certainly be used for machine learning. However, if concise fea-tures of an object surface are covered by the AprilTag, there is a risk that the concerned class will not be recognized. It can be ass-umed that the labelled data can not only be used for YOLO, but also for other machine learning approaches.

 

Zeitliche Vorhersage von Erdbeben durch Klassifikation mittels Convolutional Neural Networks

Autor: Julian Hennige

In dieser Ausarbeitung wird eine zeitliche Vorhersage von Erdbeben getroffen. Hierfür werden mit einem Datensatz aus Labor-Erd-beben Convolutional Neural Networks (CNN) trainiert. Die trainierten Netzwerke geben Vorhersagen, indem sie einen Input an seismischen Daten klassifizieren. Durch das Klassifizieren kann das CNN die zeitliche Entfernung zum nächsten Erdbeben vorher-sagen. Es werden hierfür zwei Ansätze miteinander verglichen. Beim ersten Ansatz werden die Originaldaten in ein CNN gege-ben. Beim zweiten Ansatz wird vor dem CNN eine Vorverarbeitung der Daten mit den Mel Frequency Cepstral Coefficients (MFCC) durchgeführt. Es zeigt sich, dass mit beiden Ansätzen eine gute Klassifikation möglich ist. Die Kombination aus MFCC und CNN liefert die besseren quantitativen Er-gebnisse. Hierbei konnte eine Genauigkeit von 65 % erreicht werden.

 

Anforderungen an ein Gamification- Konzept zur Motivationssteigerung der Anwender eines KI-Service zur Maschinenoptimierung

Autor: Tanja Brodbeck

In Folge der gegenwärtigen Digitalisierung in der produzierenden Industrie werden An-wendungen oder Services mit potentiell posi-tiven Auswirkungen auf Faktoren wie Effek-tivität und Arbeitsqualität entwickelt. Ein ge-eigneter Ansatz zur Stärkung motivierender Aspekte im Arbeitskontext kann Gamifica-tion darstellen. In dieser Arbeit ist die initiale Konzeption und Evaluation eines Gamifica-tion-Ansatzes für Anwender eines KI-Ser-vice zur Maschinenoptimierung dargestellt und möglichen Anforderungen an ein Kon-zept zur Motivationssteigerung extrahiert.


Die Poster

Auslandaufenthalt in Scotland (Müller)

Auslandaufenthalt in Sevilla (Eissler)

Auslandaufenthalt in Sheffield (Bas & Dogan)

Auslandaufenthalt in Sheffield (Schirm)

Auslandaufenthalt in Valparaiso (Watolla & Erol)

Masterprojekt Virtual Reality Laboratory

Masterprojekt IOT

Masterprojekt CAMED

Masterprojekt NeueWelt9

Kooperationsprojekt mit Laura-Schradin Schule Reutlingen