© 2022 Hajuveda Heritage und iXtronics GmbH
Schimmel.
Bewahrung und Sicherung historisch wertvoller Kulturgueter
vor dem schädlichen Einfluss von Schimmel.
Die Entstehung und Ausbreitung von Schimmel durch anthropogene Umwelteinfluesse bedroht zunehmend die Innenausstattung von Kirchen und anderen historisch wertvollen Kulturguetern. Die fruehzeitige Erkennung von Schimmelbildung ist deshalb ein wichtiger Faktor zur Vermeidung von irreversiblen Schäden. Physikalische Einflussgroeßen sind die Lufttemperatur und die relative Luftfeuchte, die gleichzeitig ueber längere Zeit bestimmte Werte annehmen muessen. Darueber hinaus sind Stoffeigenschaften und dessen hygrothermische Zustandseigenschaften wichtig. Die Messung dieser Eigenschaften allein reicht jedoch nicht, um Schimmelbildung vorherzusagen, da in Gebäuden in der Regel ständig wechselnde lokale Raumklimata auftreten. Ferner koennen die Betreuer der Kirchen auch nicht laufend Rundgänge machen, um eventuelle Schimmelentstehung zu entdecken. Vielfach fehlt hierfuer die Kapazität und die Zeit. Ein neues Messgerät erkennt Schimmel an Kulturguetern automatisch und informiert hierueber den Anwender. Die hierfuer eingesetzten Algorithmen basieren auf kuenstlicher Intelligenz (KI). Zur Erkennung der Schäden werden verschiedene Sensortypen wie beruehrungslose Temperatur- und Luftfeuchtemessung mit einem Kamerasystem kombiniert. Aus den Daten werden dann mit Hilfe von Convolutional Neural Networks (CNN) automatisch die Zustände des zu beobachtenden Objektes ermittelt. Die Daten werden per WLAN oder LTE in die Cloud uebertragen.
Neuronale Netze als Mittel
zur kuenstlichen Intelligenz.
Biologisch wird Sehen und Verstehen in unserem Gehirn durch Neuronen ermoeglicht. Sie sind die Schaltzentralen zur Weiterleitung von Informationen. Unser Gehirn besteht aus ca. 100 Milliarden Nervenzellen, die mit ueber einer Trillion Synapsen miteinander ver- bunden sind. Die Netzhaut mit ueber einer Millionen Pixeln ueberträgt die Bilder, die wir sehen, zum Sehzentrum der Großhirnrinde. Durch ueberwachtes Lernen ergibt sich im Laufe der Zeit eine Ver- knuepfung zwischen dem Gesehenen mit verstandenen Begriffen.Bildverarbeitung durch
Algorithmen der
„Convolutional neural
networks“.
Ueberträgt man die biologischen Abläufe auf Computer und Elek- tronik, so wird zunächst das Auge durch eine digitale Kamera ersetzt. Das Bild der Kamera wird in ca. 256x256 kleinere Pixel-Bilder zer- schnitten und diese werden in ein neuronales Netz mit 62500 Neu- ronen eingelesen. Diese Signale wandern durch mehrere neuronale Schichten bis zur Ausgangschicht. Die Ausgangsschicht beinhaltet die zu verstehenden Begriffe. Im Bei- spiel oben sind das Tisch, Stuhl und Glas.Maschinelles Lernen durch
Ueberwachung des
Lernergebnisses.
Viele tausend Bilder aus den einzelnen Kategorien sind fuer ein Training der neuronalen Netze erforderlich. Dabei wird das Ergebnis eines jeden eingegebenen Bildes in der Ausgangsschicht ueberwacht. Ist die Erkennung durch das Netz falsch, so wird der richtige Begriff mitgeteilt und rueckwärts benutzt, um die Gewichtungsfunktionen der Synapsen zwischen den einzelnen Neuronen in eine guenstige Richtung zu verändern. Dies wird so lange mit neuen Bildern wiederholt, bis sich ein stabiles und richtiges Ergebnis herausbildet.
© 2022 Hajuveda Heritage und iXtronics
GmbH
Schimmel.
Bewahrung und Sicherung
historisch wertvoller
Kulturgueter
vor dem schädlichen Einfluss
von Schimmel.
Die Entstehung und Ausbreitung von Schimmel durch anthropogene Umwelteinfluesse bedroht zunehmend die Innenausstattung von Kirchen und anderen historisch wertvollen Kulturguetern. Die fruehzeitige Erkennung von Schimmelbildung ist deshalb ein wichtiger Faktor zur Vermeidung von irreversiblen Schäden. Physikalische Einflussgroeßen sind die Lufttemperatur und die relative Luftfeuchte, die gleichzeitig ueber längere Zeit bestimmte Werte annehmen muessen. Darueber hinaus sind Stoffeigenschaften und dessen hygrothermische Zustandseigenschaften wichtig. Die Messung dieser Eigenschaften allein reicht jedoch nicht, um Schimmelbildung vorherzusagen, da in Gebäuden in der Regel ständig wechselnde lokale Raumklimata auftreten. Ferner koennen die Betreuer der Kirchen auch nicht laufend Rundgänge machen, um eventuelle Schimmelentstehung zu entdecken. Vielfach fehlt hierfuer die Kapazität und die Zeit. Ein neues Messgerät erkennt Schimmel an Kulturguetern automatisch und informiert hierueber den Anwender. Die hierfuer eingesetzten Algorithmen basieren auf kuenstlicher Intelligenz (KI). Zur Erkennung der Schäden werden verschiedene Sensortypen wie beruehrungslose Temperatur- und Luftfeuchtemessung mit einem Kamerasystem kombiniert. Aus den Daten werden dann mit Hilfe von Convolutional Neural Networks (CNN) automatisch die Zustände des zu beobachtenden Objektes ermittelt. Die Daten werden per WLAN oder LTE in die Cloud uebertragen.
Neuronale Netze als Mittel zur
kuenstlichen Intelligenz.
Biologisch wird Sehen und Verstehen in unserem Gehirn durch Neuronen ermoeglicht. Sie sind die Schaltzentralen zur Weiterleitung von Informationen. Unser Gehirn besteht aus ca. 100 Milliarden Nervenzellen, die mit ueber einer Trillion Synapsen miteinander ver-bunden sind. Die Netzhaut mit ueber einer Millionen Pixeln ueberträgt die Bilder, die wir sehen, zum Sehzentrum der Großhirnrinde. Durch ueberwachtes Lernen ergibt sich im Laufe der Zeit eine Ver-knuepfung zwischen dem Gesehenen mit verstandenen Begriffen.Bildverarbeitung durch Algorithmen der
„Convolutional neural networks“.
Ueberträgt man die biologischen Abläufe auf Computer und Elek-tronik, so wird zunächst das Auge durch eine digitale Kamera ersetzt. Das Bild der Kamera wird in ca. 256x256 kleinere Pixel-Bilder zer-schnitten und diese werden in ein neuronales Netz mit 62500 Neu-ronen eingelesen. Diese Signale wandern durch mehrere neuronale Schichten bis zur Ausgangschicht. Die Ausgangsschicht beinhaltet die zu verstehenden Begriffe. Im Bei-spiel oben sind das Tisch, Stuhl und Glas.Maschinelles Lernen durch Ueberwachung
des Lernergebnisses.
Viele tausend Bilder aus den einzelnen Kategorien sind fuer ein Training der neuronalen Netze erforderlich. Dabei wird das Ergebnis eines jeden eingegebenen Bildes in der Ausgangsschicht ueberwacht. Ist die Erkennung durch das Netz falsch, so wird der richtige Begriff mitgeteilt und rueckwärts benutzt, um die Gewichtungsfunktionen der Synapsen zwischen den einzelnen Neuronen in eine guenstige Richtung zu verändern. Dies wird so lange mit neuen Bildern wiederholt, bis sich ein stabiles und richtiges Ergebnis herausbildet.
Temperaturgradienten am Glas.
Insbesondere bei Sonnenein-strahlung 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.Risiko Feuchtewechsel-beanspruchung.
Feuchtewechselbeanspruchungen um die 80% herum führen zur Salzkristallisation, Reißen der Gelschicht und Verstärkung der Korrosion. Wie bei der Temperatur gibt es noch keine Grenzwerte, so daß die Zahl der Wechsel pro Zeiteinheit dargestellt wird..Risiko Temperaturwechsel-
beanspruchung.
Temperaturwechselbeanspruchung um die 0 Grad Celsius herum führt zu Eis- und Tauwasserbildung. Feste und flüssige Phase wechseln ständig. Dies führt zu mechanischen Schäden an der Gelschicht und es bilden sich Risse, Krusten, Krakelierung und Ablösungen-
