Künstliche Intelligenz (KI) in der Hygiene
Entwicklung einer Deep-Learning-Applikation zur Einordnung der Güte von Handdesinfektionsprozessen
Hygiene spielt in unserer globalisierten Welt eine immer zentralere Rolle, denn wenn Menschen in großen Städten immer enger zusammenrücken, ist dies gleichzeitig Zündstoff für die Ausbreitung von Krankheiten. Insbesondere die aktuelle pandemische Lage zeigt auf, dass intelligente Hygienelösungen unverzichtbar sind. Dabei spielt die Handhygiene eine besondere Rolle, da wir mit unseren Händen täglich mehr als tausend Interaktionen mit Menschen und Objekten ausführen. Unter diesen Umständen ist ein Monitoring der Handdesinfektion unverzichtbar. Zielsetzung unseres Projektes, welches im Rahmen des Masterkurses Projektmanagement durchgeführt wurde, ist es, eine künstliche Intelligenz in einem autonomen System zu entwickeln. Diese soll dem Anwender dabei helfen, seinen Handdesinfektionsvorgang einzuschätzen.
Aus diesem Grund wurde im Rahmen der Projektarbeit die Handdatenbank 11k Hands von Google elektronisch so verändert, dass rund 100 Bilder jeder Verschmutzungskategorie angelernt werden konnte. Ein Verschmutzungsprozess ist in den nachfolgenden Bildern nachzuvollziehen. Hier wurde der Daumen nachträglich gefärbt und soll dem späteren Modell eine Verschmutzung an dieser Stelle vorgeben. Dieser Prozess wurde mit den Kategorien Daumen, Zeigefinger, Mittelfinger, Ringfinger, kleiner Finger, Handinnenfläche und Handballen durchgeführt. Die erstellte Datenbank wurde anschließend in einem Convolutional Neuroal Network (CNN) trainiert. Dies ist eine gängige Methodik zur Bilderkennung.
Mit dieser Methode konnte das Ziel eine künstliche Intelligenz in einem autonomen System zu entwickeln theoretisch umgesetzt werden. Es konnte bei den Trainingsdaten eine nahezu 100%ige Detektionswahrscheinlichkeit erreicht werden. Die Validationsdaten erreichen noch eine deutlich geringere Detektionsrate. Dies deutet darauf hin, dass das System zu komplex lernt und sich den Trainingsdaten zu sehr anpasst. Dieses Problem kann in weiteren Forschungen durch eine deutlich größere Datenbank und besserer Hyperparameteranpassung behoben werden.
Die ausführliche Ausarbeitung unserer Projektdurchführung kann in unserer Präsentation nachverfolgt werden.