Automatische Erkennung von Schwimmbädern anhand von Luftbildern für die kantonalen Ämter für Geoinformation
 
 

In der Absicht, eine Methodik zur automatischen Objekterkennung anhand von Luftbildern zu entwickeln, wurde ein erstes Pilotprojekt zur Erkennung von Schwimmbädern lanciert. Die Ergebnisse dieses Projekts ermöglichen den Kantonen, die über ein Kataster der Schwimmbäder verfügen, dieses regelmässiger zu aktualisieren, indem ein Teil des Prozesses automatisiert wird.

Um den Detektor zu validieren und die Methodik zu verfeinern, wurden Arbeiten auf dem Gebiet von drei verschiedenen Kantonen durchgeführt: Genf, Neuenburg und Thurgau.

Um Erkennungen mit einem neuronalen Netzwerk durchzuführen, muss ein Trainingsdatensatz erstellt werden. Mit diesen Daten kann das neuronale Netzwerk lernen, Schwimmbäder zu identifizieren. Dies ist mit einem recht grossen Zeitaufwand verbunden, der im Vorfeld zu tätigen ist. Die Schwimmbäder müssen in einem Teilgebiet manuell erfasst werden. Nachdem wir Trainingsdaten in den Kantonen Genf und Neuenburg erzeugt hatten, konnten wir anschliessend zeigen, dass es möglich ist, die Erkennung für den Kanton Thurgau durchzuführen, ohne einen neuen kantonsspezifischen Datensatz erstellen zu müssen. 

Das Projekt hat folgende Leistungen hervorgebracht: Eine Methodik und Werkzeuge, die es allen Kantonen, die dies wünschen, ermöglichen, eine automatische Erkennung von Schwimmbädern unter Verwendung eines im Vorfeld trainierten neuronalen Netzwerks durchzuführen – ohne einen spezifischen Trainingsdatensatz manuell erstellen zu müssen.

Als erster Praxisfall wurde der Detektor im Kanton Genf eingesetzt, wo er 223 nicht erfasste Schwimmbäder identifizierte. Das Vermessungsamt konnte so die notwendigen Massnahmen zur schnelleren Aktualisierung des Registers einleiten.

Gerne können Sie sich mit uns in Verbindung setzen, wenn Sie die Methodik und die verwendeten Werkzeuge ausprobieren möchten. Das Team des Swiss Territorial Data Lab steht Ihnen für einen «Technologietransfer» der entwickelten Lösungen gerne zur Verfügung.

Die ausführliche Beschreibung des Projektes finden Sie hier.

Der Quellcode ist auf Github verfügbar.