Custos Mucoris und Custos Aeris

Teil 2: Training des neuronalen Netzes Von der Biologie zum Computer In diesem zweiten Teil übertragen wir die biologischen Abläufe auf den Computer.  Die Netzhaut wird ersetzt durch eine Kamera mit z.B. 20 Megapixeln. Die Schichten der neuronalen Netze werden im Computer programmiert ebenso wie die Übergangswahrscheinlichkeiten der Synapsen. Das überwachte Lernen geschieht durch bekannte Bildeingaben mit Anlernen der einzelnen Begriffe: Übertragung des Blockschaltbildes für Neuronale Netze auf den Computer Die genannten Zahlen sind nur Anfangsbeispiele, die wirklichen Zahlen kommen später nach einer intensiven Trainingsphase. Aktuell sind dies 38.650.337 Parameter. Für die Bildverarbeitung werden neuronale Netze um eine weitere Eigenschaft, nämlich der Faltung ergänzt. Dabei wird das Eingangsbild stufenweise gefiltert und in seine Merkmale von einfach bis komplex zerlegt. Das nachgeschaltete neuronale Netz identifiziert dann aus den komplexen Merkmalen das Eingangsbild. Im nachfolgend

 Teil 1: Training des neuronalen Netzes Künstliche Intelligenz wird bereits in vielen Applikationen eingesetzt. Bei der automatischen Detektion von Schimmelbildung an Kulturgütern wird in diesem Forschungsprojekt versucht, Schimmelent-stehung durch bildgebende Verfahren mit anschließender Analyse durch (Convolutional) neuronale Netze im frühen Stadium zu entdecken und den Nutzer zu warnen. Wie neuronale Netze funktionieren, ist nicht einfach zu erklären. Hier soll nun versucht werden, dies anhand von Beispielen aus dem Leben etwas näher zu bringen: Sehen und Verstehen Wenn ein Baby das erste Mal die Augen aufmacht, sieht es viele verschiedene Gegenstände. Training neuronaler Netze Baby (aus Pixabay) Die Netzhaut mit über einer Millionen Pixeln überträgt diese Bilder über den Sehnerv zum Sehzentrum in der Großhirnrinde: Training neuronaler Netze Netzhaut (aus Pixabay) Erst durch überwachtes Lernen von den Eltern ergibt sich eine Verknüpfung von dem Gesehenen mit verstandenen Begriffen:

Projekt DBU 35604 Entwicklung und modellhafte Anwendung einer Systemplattform zur automatischen Detektion von durch anthropogene Umwelteinflüsse verursachter Schimmelbildung an Kulturgütern mittels künstlicher Intelligenz   Hier: Schimmelpilznachweis mit unterschiedlichen Lichtquellen   Aufgrund von Hinweisen in der Literatur wurden für die Aufnahmen unterschiedliche Lichtquellen ausgewählt, um den Schimmel möglicherweise durch Lichteffekte, wie Fluoreszenzen besser sichtbar zu machen. So berichtete /Wooley 18/ über Fluoreszenzen bei unsichtbarem Schimmel in Wohnungen unter Verwendung von Schwarzlicht bei seitlicher Anstrahlung. Im DBU Abschlußbericht zum Schimmelbefall an Orgeln wird über Fluoreszenzen bei Schimmel berichtet. Weitere Untersuchungen wurden aber nicht gemacht /Henning 18/. In /Degand 20/ wird über fluoreszierende Schimmelpilze berichtet. Daher wurden als Lichtquellen sichtbares Licht (VIS), Infrarot (IR bei 950 nm) und in den ultravioletten Bereichen UV (bei 365 nm) und

   Risk of temperature and humidity gradients Particularly with solar radiation very high gradients in glass temperature, air temperature and relative humidity can occur. They can lead to damage of the historical glass painting. Even though there are no limit values for these gradients so far, they are now evaluated and displayed to give a feeling for the values. Risk Temperature gradient The following picture shows the gradients of the glass temperature of the historic glass on the church interior side and on the air gap side as well as the gradients of the protective glazing. Gradient of glas temperature at historical lead glazing in K/15min An increase in the gradients is clearly visible for the summer months. However, since the window is on the north side, no extreme gradients are visible. The next picture shows the gradients of air temperatures: Gradien of air temperature around historical glazing with protective glazing in K/15min Here the summer-winter effect is also visible and

Ziel des Statives Mit dem Stativ soll es ermöglicht werden, Schimmel und andere Schadenquellen an unseren Kulturgütern möglichst reproduzierbar mit 4 verschiedenen Lichtquellen aufzunehmen. Außerdem soll ein vielseitiger Aufbau des Statives möglich sein, da es z.B. an Altären, in Orgeln, an Figuren sehr viele unterschiedliche Höhen und Tiefen, Versprünge, Vorbauten, Seitenbauten gibt. Auswahl der Lichtquellen Veröffentlichungen zeigen, daß man Fluoreszenzen an Schimmel mit berücksichtigen sollte, da dies unter Umständen zu einer besseren Sichtbarkeit des Schimmel führen kann. Daher wurde zusätzlich zu Lichtquellen im sichtbaren Bereich auch Lichtquellen für den ultravioletten Bereich ausgewählt, ergänzt durch eine Infrarot-Lichtquelle, um auch damit Erfahrungen zu sammeln. Dabei sollen die Frequenzen im IR und UV-Bereich möglichst weit weg vom sichtbaren Bereich liegen, um Überlappungen zu vermeiden, wie z.B. bläuliches Schimmern, wenn die UV-Anregungsfrequenzen zu nahe am sichtbaren B

  Risiko Temperatur- und Feuchtegradienten Insbesondere bei Sonneneinstrahlung können sehr hohe Gradienten in der Glastemperatur, Lufttemperatur und relativer Feuchte auftreten. Sie können zu Schädigungen der historischen Glasmalerei führen. Auch wenn es keine Grenzwerte bisher hierfür gibt, werden sie nun mit ausgewertet und dargestellt, damit man ein Gefühl für die Werte bekommt. Risiko Temperaturgradient Das folgende Bild zeigt die Gradienten der Glastemperatur des künstlerischen Glases auf der Kircheninneren Seite und auf der Luftspaltseite sowie die Gradienten der Schutzverglasung. Ein Anstieg der Gradienten ist deutlich für die Sommermonate erkennbar. Da das Fenster aber auf der Nordseite liegt, sind keine extremen Gradienten zu sehen. Gradient der Glastemperatur bei einer historischen Bleiverglasung mit Schutzverglasung in K/15min Das nächste Bild zeigt die Gradienten der Lufttemperaturen: Hier zeigt sich auch der Sommer-Winter-Effekt und die Gradienten sind bei den Lufttemperat