AdUnit Billboard
Himmelsphänomene - Kamera soll mit Methoden der Künstlichen Intelligenz unbekannte Phänomene aufspüren

Universität Würzburg: Neues KI System sucht den Himmel ab

Lesedauer: 
Etwa 70 Zentimeter hoch ist die Box, die das Kamerasystem SkyCAM-5 enthält. © Hakan Kayal / Universität Würzburg

Würzburg. Ein neues Kamerasystem ist an der Universität Würzburg in den Testbetrieb gegangen. Es soll mit Methoden der Künstlichen Intelligenz unbekannte Himmelsphänomene aufspüren.

AdUnit Mobile_Pos2
AdUnit Content_1

Immer wieder sehen Menschen am Himmel eigenartige Leuchterscheinungen oder andere Phänomene, die sie sich nicht erklären können.

„Die meisten dieser Beobachtungen betreffen bekannte Phänomene oder Objekte wie Vögel, Flugzeuge, Satelliten oder Wolken. Bei einem sehr kleinen Anteil bleibt die Ursache aber auch nach intensiver Untersuchung durch Fachleute ungeklärt“, sagt Hakan Kayal, Professor für Raumfahrttechnik an der Julius-Maximilians-Universität Würzburg (JMU).

Immer informiert sein

Die wichtigsten News des Tages

FN Mittags Newsletter - Jetzt anmelden!

Mehr erfahren

Genau diese unbekannten Himmelserscheinungen, die Unidentified Aerial Phenomena (UAP), treiben Hakan Kayal seit Jahren um. Er hat darum an seiner Professur einen speziellen Forschungsschwerpunkt etabliert: Dort werden technische Systeme entwickelt und betrieben, mit denen sich UAP detektieren, bewerten und analysieren lassen.

AdUnit Mobile_Pos3
AdUnit Content_2

Seit Mitte Dezember im Einsatz

Das neueste Produkt dieser Arbeit ist das Kamerasystem SkyCAM-5. Es baut auf vier Vorgängermodellen auf und ist seit Mitte Dezember 2021 auf dem Dach eines Universitätsgebäudes am Hubland-Campus im Testbetrieb.

SkyCAM-5 ist eine Testplattform, die autonom arbeitet. Mit maßgeschneiderten Bildverarbeitungsalgorithmen beobachtet sie kontinuierlich den Himmel.

Sie kann dort Objekte, aber auch kurzzeitige Leuchtphänomene wie Blitze oder Meteore erkennen. An diesem System wird der JMU-Professor Algorithmen- und Software-Komponenten zur Detektion von UAP testen und weiterentwickeln.

Um die Zahl von Fehldetektionen zu verringern, kommen Methoden des Maschinellen Lernens zum Einsatz. „Wenn die Kamera bekannte Objekte erfasst, erkennt sie diese mit einem Convolutional Neural Network, klassifiziert sie und legt die entsprechenden Videosequenzen in einer Datenbank ab“, erklärt Kayal. Das funktioniere sehr gut: SkyCAM-5 hat seit der Aufnahme des Betriebs mehrfach Vögel, Flugzeuge und Hubschrauber korrekt erkannt und eingeordnet.

AdUnit Mobile_Pos4
AdUnit Content_3

Den Aufwand bei der Auswertung der Kameradaten verringert das erheblich. Die SkyCAM soll mit der Zeit immer schlauer werden. Darum wird sie im laufenden Betrieb trainiert.

Stuft sie zum Beispiel einen vorbeifliegenden Schmetterling als unbekannt ein, bekommt sie von Menschenhand beigebracht, dass das Tier mit dem Flatterflug Schmetterling heißt – so wird sie künftig ein Tagpfauenauge korrekt als Schmetterling klassifizieren.

Für einen weiteren Ausbau des UAP-Detektionssystems will Professor Kayal Fördermittel einwerben. Nächster Schritt wäre es, eine zweite SkyCAM-5 neben die erste zu platzieren.

Eine Bewegung am Himmel würde dann nur gespeichert, wenn sie von beiden Kameras gleichzeitig gesehen wird. Mit einem solchen Doppelkamerasystem lassen sich zum Beispiel Sensorfehler ausschließen, die vereinzelt auftreten können.

Weitere Pläne

Der Würzburger Raumfahrttechniker plant außerdem spezielle Erweiterungen.

„Ich möchte das Kamerasystem gern zusätzlich mit Infrarot-Sensoren ausstatten, um den Himmel auch in einem anderen Spektralbereich beobachten zu können.

Von Vorteil wäre außerdem ein Tracking-System in Form eines nachführbaren Teleskops, das sich schnell auf bewegliche Objekte ausrichtet, sie heranzoomt und auf ihrem Weg verfolgt.“

Und noch eine Ausbaustufe weiter gäbe es dann sehr viele solcher Doppelkamerasysteme, die deutschland-, europa- oder weltweit verteilt und miteinander vernetzt sind.

Mit einer solchen Anordnung könnte man bewegliche Objekte über sehr weite Strecken verfolgen.

AdUnit Footer_1
AdUnit Mobile_Footer_1