Jugend forscht 2022 – Lukas und Fabian machen mit
Lukas Weghs und Fabian Paul bereiten sich gerade auf den Regionalwettbewerb Jugend forscht 2022 vor. Leider findet dieses Event, was normalerweise in Krefeld im Seidenweberhaus ausgetragen wird, auch in diesem Jahr wieder nur in digitaler Form statt. Trotzdem nehmen die beiden Oberstufenschüler aus der Einführungs- bzw. Qualifikationsphase ihre Wettbewerbsvorbereitung sehr ernst. Nachdem die beiden Schüler Mitte Januar ihre schriftlichen Projektarbeiten eingereicht haben, müssen nun die online-Präsentationen für die Jurygespräche am 08.03.2022 ausgearbeitet werden. Außerdem werden auch immer noch weitere Versuche durchgeführt, um am Wettbewerbstag selbst möglichst noch umfangreichere Daten vorstellen zu können.
Lukas macht in diesem Jahr sein Abitur und beschäftigt sich erneut mit der Suche nach Exomonden. Fabian Paul geht in die Jahrgangsstufe 10 und hat es sich zur Aufgabe gemacht, ein Verfahren zur Roboternavigation innerhalb von Reihenkulturen in Zusammenarbeit mit Simon Sure weiterzuentwickeln.
Wir drücken den Teilnehmern die Daumen und wünschen ihnen viel Spaß und Erfolg am Wettbewerbstag!
P.S. Hier nun die Kursfassungen der beiden Projektarbeiten:
Photometric Search for Exomoons by using Ensembles of Machine Learning algorithms (Lukas Weghs)
Monde außerhalb des Sonnensystems könnten die Wahrscheinlichkeit extraterrestrischen Lebens stark vergrößern. Gleichzeitig ist die Suche nach Exomonden aber sehr rechenaufwendig. Um hier Ressourcen einsparen zu können, verwendeten verschiedenen Wissenschaftler-Teams im letzten Jahr Convolutional Neural Networks (CNNs). Bis jetzt wurde aber immer noch kein Exomond bestätigt. Die Trainingsdaten dieser CNNs bestanden allerdings nur aus einzelnen Transits, sodass Rauschen möglicherweise auch einfacher als Exomond-Signatur identifiziert werden könnte. In meinem Projekt verwende ich aus diesem Grund ein anderes Preprocessing-Verfahren und kann so nicht nur durch den direkten Transit Vorhersagen über Exomond-Kandidaten vornehmen. Auch benutze ich weitere Machine Learning Methoden und kann so die Vorteile der verschiedenen Algorithmen kombinieren. Das Training der Algorithmen sowie die Simulationen werden zur Beschleunigung mit Hilfe von leistungsstarken Computing-Ressourcen durchgeführt.
Verfahren zur Roboternavigation innerhalb von Reihenkulturen (Fabian Paul, unterstützt von Simon Sure)
Dieses Projekt setzt die Entwicklung eines flexiblen Landwirtschaftsroboters fort, der autonom operiert und zur nachhaltigeren Gestaltung der Landwirtschaft beiträgt. Das Herzstück dieses Projekts ist Computer Vision, also die Auswertung von Kamerabildern durch einen Computer. Durch diese kann die Software in Echtzeit ein digitales Abbild der Umgebung erzeugen, welches unter anderem den befahrbaren Bereich markiert. Für diesen Zweck werden spezielle neuronale Netzwerke in Kombination mit invertierter Bildprojektion verwendet. Eine erstellte Karte beinhaltet die erkannten Feldreihen und kann mit Meta-Informationen ergänzt werden. Behavior Trees definieren das allgemeine Navigationsverhalten. Effiziente Routen- und Pfadplanungen ermöglichen die strukturierte Erkundung von Reihenkulturen sowie das gezielte Anfahren beliebiger Punkte. Tests und Computersimulationen zeigen die Effektivität dieser Methode. Als Anwendungen eines solchen Roboters sind Analyseaufgaben, einfache Aktionen im Feld und mehr möglich. Die Navigation wird mittels eines durch Hoverboard-Technologie selbst balancierenden Roboters umgesetzt.