Untersuchungen von akkustischen Unterwasser-Scandaten zur Erkennung von Schadensbildern

Die alternde Infrastruktur der See- und Binnenhäfen in Deutschland und der demografische Wandel erfordern neue Sichtweisen, Technologien und Methoden bei der Vorbereitung und Durchführung des Lifecycle-Managements. Die bisher personal- und zeitintensiven Arbeitsprozesse müssen durch neue automatisierte Mess- und Analyseprozesse ersetzt werden, um transparent und ressourceneffizient sowie betriebssicher handeln zu können.
Hier setzt das vorliegende Verbundprojekt 3D-Hydromapper an, das eine weitestgehend automatisierte, qualitätsgesicherte und reproduzierbare Über- und Unterwasser-3D-Aufnahme und -Schadenserkennung von Hafenanlagen mittels eines hybriden Multi-Sensor-Systems ermöglichen soll. Die Auswertung der erfassten Massendaten stellt hierbei zum einen aufgrund der Komplexität der Analyse und zum anderen durch die große Anzahl an Datensätzen eine Herausforderung dar.
Ein bei den Unterwasserdaten auftretendes Problem ist das hohe Messrauschen und zum Teil auftretende systematische Effekte, welche die Interpretation sehr aufwendig machen. Die verwendetet Sensorik für die Unterwasserdaten ermöglicht die Aufzeichnung von sogenannte Multipulsen, d. h. es können mehrere Pulse für einen Messpunkt aufgezeichnet werden. Bisher werden diese Multipulse nicht verwendet und verschlechtern das Ergebnis teilweise sogar, in dem sie nicht dediziert betrachtet werden. In dieser Masterarbeit soll daher untersucht werden, ob die Separation der Multipulse Daten zu einer Verbesserung der Datenqualität führt. Dabei sollen aus dem 3D-Hydromapper Projekt bekannte Ansätze zur Rauschreduktion verwendet und evaluiert werden. Des Weiteren unter Nutzung von Regelgeometrien und Verfahren des maschinellen Lernens Abweichungen und Löcher in den Daten automatisiert erkannt werden.