Forschungsprojekte

Laufende Projekte:

Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) – 516682649

Zur Verbesserung der Lichtsimulation im Nahfeld von Kulturpflanzen ist deren optische Modellierung erforderlich. Für diese Simulation erfolgen Modellbildungen in zwei Teilbereichen: (1) Erstellung eines Strukturmodells der Pflanzen, (2) Erstellung eines optischen Modells der Pflanzenbestandteile. Lücken in der Literatur zeigen sich bisher vor allem bei der Lichtsimulation im Nahfeld von Kulturpflanzen, insbesondere ist sehr wenig über die Genauigkeit solcher Simulationen bekannt. Optische Eigenschaften von Laubbäumen und Ackerpflanzen sind bereits untersucht – nicht jedoch die von Pflanzen, die typischerweise geschützt angebaut werden. Das vorliegende Forschungsvorhaben erstellt ein optisches Strukturmodell von jungen Gurkenpflanzen, welches im Anschluss exemplarisch für die virtuelle Erprobung optischer Sensorik verwendet wird. Das Anwendungsgebiet virtueller Pflanzen wird damit erweitert – vom systematischen Einsatz virtueller Pflanzen zum besseren Verständnis von pflanzenphysiologischen Zusammenhängen hin zur Verwendung virtueller Pflanzen, um Sensorik virtuell zu erproben und Zusammenhänge zwischen Metriken und Pflanzeneigenschaften virtuell zu analysieren. Ein beispielhaftes Anwendungsgebiet stellt hierbei die Phänotypisierung dar. Eine Sensorantwort bestimmter Merkmale kann vorab – ohne dass dieser Typ real existieren muss – simuliert werden. Nach Kenntnis des Antragsstellers ist dieser Ansatz bisher nicht umgesetzt worden. Dieses Vorhaben ist nur durch eine genaue spektrale Charakterisierung der optischen Elemente realisierbar, weswegen die Erfassung dieser Daten einen großen Anteil im Forschungsvorhaben einnimmt. Neben den ingenieurtechnischen Wissenschaften, die schwerpunktmäßig mit diesem Forschungsvorhaben adressiert sind, profitieren insbesondere jene Disziplinen, die sich im Allgemeinen mit virtuellen Pflanzen beschäftigen. Hier wird die Datenlage durch die gezielte Modellierung einer Modellpflanze, die Veröffentlichung des Modells sowie die zugehörigen Daten deutlich verbessert.

Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) – 513756113

Im Rahmen des Forschungsvorhabens „Mehrdimensionale Farbpräferenzmodellierung im Kontext subjektiver Beleuchtungsqualität“ wird eine ganzheitliche Beschreibung der Präferenz des Lichtnutzenden im beleuchteten Raum angestrebt, um zukünftig eine unter ergonomischen Gesichtspunkten nachhaltige und humanzentrierte Beleuchtungsgestaltung zu ermöglichen. Bisherige Farb- und Lichtqualitätsmodelle sind nicht in der Lage, die in der Literatur diskutierte Wechselwirkung zwischen präferierten Farbverschiebungen und den lichttechnischen Parametern Beleuchtungsstärke und Farbtemperatur umfassend und in geeigneter Weise zu beschreiben. Das Ziel ist es daher, basierend auf dem etablierten Formalismus des ANSI/IES TM-30-20 Standards, eine systematische Untersuchung dieser Zusammenhänge durchzuführen, um, darauf aufbauend, ein entsprechendes Beleuchtungsqualitätsmodell ableiten zu können. Das finale Modell soll dabei auf Basis einer bunttonspezifischen Betrachtung in der Lage sein, in Abhängigkeit von Beleuchtungsstärke und Farbtemperatur die Präferenz des Lichtnutzenden im realen Raum vorherzusagen. Die Validierung des Modells in realen Anwendungsszenarios wird dabei genauso angestrebt wie dessen Zurverfügungstellung inklusiver aller Test- und Validierungsergebnisse über ein entsprechend einzurichtendes Open-Access Git-Repository.

Gefördert durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK)

Die lichtemittierende Diode (LED) und deren stetige Weiterentwicklung ist für den Lichtmarkt insgesamt und besonders für deutsche Hersteller wie auch Anwender von hoher technologischer und wirtschaftlicher Relevanz. Aus technologischer Sicht zeichnet sich die LED gegenüber konventionellen Lichtquellen beispielsweise durch ihre hohe Energieeffizienz und hohe Flexibilität in der Ansteuerung aus. Aus wirtschaftlicher Sicht stellt insbesondere auch die Lebensdauer, die inzwischen mehrere 10.000 Stunden erreichen kann, für Hersteller und Anwender ein zentrales Merkmal dar. Seit 2014 ist die Angabe der Lebensdauer auf Leuchtmitteln und Leuchten verpflichtend, wobei die Lebensdauer jedoch immer wieder nicht erreicht oder auch weiter übertroffen wird. Insbesondere für die Hersteller aus dem in diesem Projekt im Mittelpunkt stehenden Bereich der Beleuchtung für besondere Einsatzgebiete (z. B. Straßenbeleuchtung, Industriebeleuchtung) stellt diese Diskrepanz einen erheblichen Unsicherheitsfaktor dar, beispielsweise hinsichtlich der von den Kunden erwarteten langjährigen Garantiezusicherungen. Auf diese Unsicherheit wird in der Praxis häufig mit einer Überdimensionierung der Leuchten als System sowie ihrer Komponenten reagiert, was in erheblichem Maße zu Lasten der Ressourceneffizienz und Wirtschaftlichkeit geht.

Die Lebensdauer einer Leuchte ergibt sich aus einem komplexen Zusammenspiel diverser Einflussfaktoren, das bislang nur unzureichend erforscht ist. Die Auslegung der Leuchten sowie deren Lebensdauerberechnung findet basierend auf Angaben der Komponentenhersteller statt. Diese unterziehen sie Komponenten wie LED oder Betriebsgeräte beschleunigten Alterungstests, um daraus deren Lebensdauer zu extrapolieren. Bei diesen Tests wird die Alterung bei verschiedenen Betriebsströmen und Temperaturen der LED-Chips betrachtet. Im realen Betrieb unterliegen Leuchten für die oben genannten Einsatzgebiete einer besonders starken Belastung nicht nur durch versorgungsnetzseitige Anforderungen (Netzüberspannungen, Netzschwankungen in Strom, Spannung, Frequenz), sondern auch aufgrund saisonal wechselnder und teils widriger Umgebungsbedingungen hinsichtlich Temperatur, UV-Einstrahlung, Erschütterungen und Luftfeuchtigkeit.

Wichtige Grundlagen für die Untersuchung der Lebensdauer auf Komponenten- und Leuchten-Ebene unter Laborbedingungen wurden in den vorangegangenen IGF-Projekten „PQL-LED“ und „PQL2“ gelegt. Hier zeigte sich unter anderem, dass der Einfluss der Umgebungsluftfeuchtigkeit in der Vergangenheit nicht ausreichend untersucht wurde. Darauf aufbauend werden im Projekt „PQL3“ die gängigen Methoden zur Untersuchung von Komponenten-Lebensdauern im Labor um diesen Faktor erweitert. Darüber hinaus müssen die in kleinen Stichproben im Labor gemachten Erkenntnisse durch Feldversuche und statistisch gesicherte Ergebnisse erweitert werden. Begleitend zu den Laboruntersuchungen soll daher ein großangelegter, neuartiger Feldtest mit über 60 Straßenleuchten in Kooperation mit den Betreibern der Straßenbeleuchtung in den Städten Darmstadt und Frankfurt stattfinden, um reale Alterungsdaten zu gewinnen. Die Erhebung von Messdaten direkt in der Anwendung stellt in diesem Maßstab ein Novum dar. Die Versuche im Labor werden an ausreichend großen Stichproben durchgeführt, um anschließend Alterungsmodelle aufstellen zu können. Neben klassischen physikalisch getriebenen Modellierungsmethoden kommen auch datengetriebene Methoden aus dem Data-Science-Bereich zum Einsatz. Mit Hilfe einer Gegenüberstellung des klassischen und datengetriebenen Ansatzes soll evaluiert werden, ob durch den Einsatz von datengetriebenen Methoden bei zukünftigen Untersuchungen eine verbesserte Abbildung der Ergebnisse oder sogar eine Verringerung des Versuchsaufwandes erzielt werden kann.

Gemeinsames Unternehmen ECSEL

Mit Hilfe von Künstlicher Intelligenz (KI) sollen selbstlernende virtuelle Modelle, sogenannte „digitale Zwillinge“, von Beleuchtungssystemen erstellt werden. Daran arbeiten 24 Industrie-und Hochschulpartner aus acht Ländern im europäischen Forschungsprojekt AI-TWILIGHT. Beteiligt sind auch zwei Institute vom Fachbereich Elektrotechnik und Informationstechnik der TU Darmstadt. Das Projekt hat ein Budget von insgesamt 18 Millionen Euro und wird mit einer Fördersumme von 5,2 Millionen Euro von der EU bezuschusst.

Die Beleuchtungsindustrie hat sich durch die Verbreitung von LEDs als Standardleuchtmittel grundlegend gewandelt. Damit europäische Unternehmen auf diesem veränderten Markt langfristig konkurrenzfähig sein können, sollen ihnen moderne Technologien und Forschungserkenntnisse aus den Hochschulen zugänglich gemacht werden. Zu dieser Transferaufgabe trägt AI-TWILIGHT bei. Im Rahmen des Projekts werden physikalische Modelle mit Methoden der künstlichen Intelligenz kombiniert, um die Lebensdauerberechnung, Produktentwicklung und Wartung von LED-Systemen verbessern zu können. Dazu werden auch die Ergebnisse des Vorgänger-Projekts Delphi4LED einbezogen. Als langfristiges Ziel werden digitale Zwillinge von Beleuchtungssystemen angestrebt, die in ausgewählten Anwendungsbereichen, beispielsweise in der Automobil-, Gartenbau-, Gebäude- und Straßenbeleuchtung, getestet werden.

Bei einem digitalen Zwilling handelt es sich um ein virtuelles Modell von einem Prozess oder Produkt. Mit Hilfe von Daten, Sensoren und Algorithmen kommunizieren „realer“ und digitaler Zwilling miteinander. Aus dem Abgleich der Daten beider Zwillinge lassen sich wertvolle Erkenntnisse gewinnen. Digitale Zwillinge kommen zunehmend zum Einsatz, vor allem in modernen Produktionssystemen der Industrie 4.0, die vollständig vernetzt sind und sich selbst steuern und organisieren. Die für das Forschungsprojekt AI-TWILIGHT geplanten digitalen Zwillinge sollen während ihrer eigenen Lebenszeit Daten aufzeichnen, um eine vorausschauende Wartung und Produktanpassungen der nachfolgenden Generationen von Beleuchtungssystemen ermöglichen zu können.

Die Forschenden des Fachgebiets für adaptive lichttechnische Systeme und visuelle Verarbeitung (FG Lichttechnik) verfügen über eine langjährige Expertise mit LED-Systemen und Komponenten. Sie werden im Rahmen des Forschungsprojekts zunächst Verfahren zur Beschleunigung standardisierter Lebensdauertests entwickeln und erproben, da derzeitige LED-Lebensdauertests sehr zeit- und kostenintensiv sind. Zudem sollen bestehende Testverfahren um zusätzliche Einflussparameter wie Strom, Temperatur oder Feuchtigkeit für unterschiedliche Anwendungsgebiete erweitert werden.

Für eine verbesserte Genauigkeit und Zuverlässigkeit der Lebenszeitvorhersagen werden zeitgleich am Fachgebiet für Computersimulation elektromagnetischer Felder (CEM) physikalische Modelle mit Methoden des maschinellen Lernens kombiniert.

„Durch die Kooperation der beiden Arbeitsgruppen lässt sich das Wissen über physikalische Gesetzmäßigkeiten und Abhängigkeiten von LED-Systemen mit Methoden der künstlichen Intelligenz verknüpfen“, sagt Professor Tran Quoc Khanh vom FG Lichttechnik. Den Mehrwert dieser Verknüpfung erläutert Professor Sebastian Schöps vom CEM: „Auf diese Weise wird die Entwicklung optimaler Lebensdauertests und -vorhersagen mit Hilfe statistischer Verfahren ermöglicht. In der Praxis lässt sich dadurch der Zeit- und Kostenaufwand für die Tests, bei gleichbleibender Genauigkeit der Ergebnisse, senken.“

Gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestages

Das ZIM-Projekt „Plant-Centric-Lighting“ (PCL) zielt darauf ab, ein adaptierbares System für energieeffiziente und wachstumsfördernde Pflanzenbeleuchtung zu entwickeln. Angesichts der wachsenden Bevölkerung und schrumpfenden landwirtschaftlichen Flächen ist es entscheidend, die Landwirtschaft effizienter zu gestalten. Gewächshäuser und insbesondere neuartige Konzepte wie „Vertical Farming“ und „Plant Factories with Artificial Lighting“ (PFAL) bieten Lösungen für diese Problemstellung, besitzen jedoch Optimierungspotential in den Beleuchtungssystemen. Die aktuell verwendeten Leuchten in Gewächshäusern sind oft mit einem festen Spektrum produziert und berücksichtigen nicht den variierenden Lichtbedarf der Pflanzen während ihres Wachstums.

Innerhalb dieses Projekts werden verschiedene innovative Lösungsansätze kombiniert, um die Effizienz der künstlichen Beleuchtung zu steigern, sowie das Pflanzenwachstum zu optimieren. Dies umfasst die Anpassung der Bestrahlungsfläche an die Pflanzengeometrie, die Optimierung des Wellenlängenspektrums für Wachstumsprozesse und Inhaltstoffbildung sowie den Einsatz von Sensorik zur Erfassung morphologischer Parameter zur Bestimmung der Pflanzenarchitektur sowie Inhaltsstoffen und intelligenten Regelungssystemen. Die Firmen Pracht und Chips4Light arbeiten zusammen mit den Fachbereichen Biologie und Fachgebiet für Adaptive Lichttechnische Systeme und Visuelle Verarbeitung (FG ALSVV) der TU Darmstadt an der Umsetzung dieses Konzepts.

Am FG ALSVV wird dabei der Einsatz von Sensoriken zur Überwachung und gezielten Ergänzung des natürlichen Lichts, Sensorik zur Überwachung der Pflanzengeometrie und zur Bestimmung der Anteile erwünschter Inhaltsstoffe, sowie eines datengetriebenes Regelungssystem zur kontinuierlichen Anpassung der Beleuchtungsparameter an biologische Prozesse und Wachstumssituationen, erforscht. Dabei finden multispektrale Sensoren und Kameras sowie Methodiken des Machine Learnings für Verarbeitung der erfassten Daten und Deep Learning Algorithmen für die Computer Vision gestützte Verarbeitung der Kameraaufnahmen, Verwendung. Die Erforschung der verschieden Lösungsansätze endet mit dem Ziel der Entwicklung eines prototypischen Beleuchtungsaufbaus.

Gefördert durch die Zentrales Innovationsprogramm Mittelstand (ZIM)

Im Rahmen des ZIM-Projekts „smartPBR“, welches durch das Bundesministerium für Wirtschaft und Klimaschutz gefördert wird, wird ein intelligenter und hocheffizienter Algenphotobioreaktor (PBR) entwickelt.

Die Projektpartner, darunter die Algoliner GmbH & Co. KG und das Fachgebiet für Adaptive Lichttechnische Systeme und Visuelle Verarbeitung der TU Darmstadt, wollen einen Beitrag zu einer Kreislaufwirtschaft leisten, in der das industrielle Nebenprodukt CO2 in einen wertvollen Rohstoff umgewandelt wird.

Ziel des smartPBR-Projekts ist es, die Leistung der derzeitigen Algenreaktoren zu verbessern, indem Sensorsysteme entwickelt werden, welche die Algendichte, die LED-Belichtung und das aktuelle Sonnenlicht messen können und daraufhin die Energieeffizienz maximieren. Gemeinsam können wir den Energieverbrauch pro Kilogramm Biomasse minimieren und gleichzeitig die Kosten senken, indem wir dieses Sensorsystem mit Vorhersagen über die Sonneneinstrahlung und die Energiekosten mit einem Wachstumsmodell der Alge kombinieren.

Mikroalgen haben ein breites Anwendungsspektrum und können zur Herstellung von Superfoods, Hautpflegeprodukten, Arzneimitteln und Düngemitteln verwendet werden. Sie können auch zur Herstellung von Rohstoffen für Biokunststoffe verwendet werden und bieten eine alternative Energiequelle zu nicht erneuerbarer Energie aus fossilen Brennstoffen. Mikroalgen sind aufgrund ihrer Fähigkeit, CO2 zu binden, eine attraktive und langfristige Alternative zur Reduzierung der industriellen Treibhausgase. In Anbetracht des Klimawandels und des anhaltenden weltweiten Bevölkerungswachstums bietet die Entwicklung von Algen in PBRs das Potenzial, den Bedarf an Rohstoffen für Lebensmittel, Tierfutter, Polymere und die Energieerzeugung in Zukunft effizient und nachhaltig zu decken.

Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) – 445336968

Das vorliegende Forschungsvorhaben beschäftigt sich mit der Erarbeitung eines KI-basierten Lösungsansatzes zur Ermittlung dynamisch veränderlicher, nutzerorientierter Leuchten-steuerkurven anhand von kontinuierlich erfassten Sensoreingangswerten zur Realisierung von HCL-gerechten Systemlösungen der LED-Innneraumbeleuchtung. Unter dem Begriff „Steuerkurve“ lassen sich all jene Parameter zusammenfassen, die sich für jede Leuchte weitestgehend unabhängig voneinander und zeitlich veränderlich variieren lassen. Für die geplanten Untersuchungen sind dies die erzeugte, horizontale Beleuchtungsstärke Eh auf der Arbeitsfläche, der Anteil des indirekten Lichts an dieser Beleuchtungsstärke (nach Houser), die ähnlichste Farbtemperatur (CCT) sowie der indirekte Blaulichtanteil, der maßgeblich die physiologisch aktivierende Komponente der Beleuchtung definiert und im vorliegenden Forschungsvorhaben mit Hilfe des Circadianen Stimulus (CS) Wertes (nach Rea und Figueiro) beschrieben werden soll.

Zur Ermittlung optimaler, KI-basierter Steuerkurven werden zu unterschiedlichen Tageszeitpunkten Probandentests durchgeführt, um die jeweiligen individuellen Lichtpräferenzen der Nutzer abhängig von sowohl subjektiv-psychologischen wie auch externen Einflussfaktoren zu ermitteln und diese mit Hilfe von Methoden des maschinellen Lernens mit den entsprechend zugehörigen Sensordaten zu korrelieren. Ziel ist es, ein Beleuchtungssystem zu entwickeln, welches auf Basis der eintreffenden Sensordaten mittels eines zugrundeliegenden Nutzerpräferenzmodells in der Lage ist, die für die aktuelle Situation optimale Steuerkurve vorherzusagen und die Beleuchtung des Raumes entsprechend dynamisch über den Tagesverlauf anzupassen.

Als Ausgangspunkt zur Umsetzung des geplanten Forschungsprojektes werden zunächst Stützstellen einzelner Steuerkurven aufgenommen, indem im Rahmen einer ersten Probanden-studie Nutzerpräferenzen bezogen auf die aktuelle Lichtsituation im Raum zu unterschiedlichen Zeitpunkten über mehrere Arbeitswochen hinweg erfasst und mittels KI-gestützter Auswertung mit den zeitgleich aufgezeichneten Sensordaten in Relation gesetzt werden. Auf Basis dieser Datenlage werden die so ermittelten Stützstellen abhängig von den Umgebungsbedingungen sowie den probandenspezifischen Einflussfaktoren (z.B. Alter, Geschlecht, Chronotyp, aktuelle Befindlichkeit, etc.) in einzelne, charakteristische Cluster zusammengefasst, die lichttechnisch ähnlichen Präferenzen der Probanden entsprechen. In einem zweiten Iterationsschritt werden dann in einer weiteren Probandenstudie den teilnehmenden Versuchspersonen diese geclusterten Stützstellen präsentiert und sollen durch diverse, den Probanden zur Verfügung gestellte Einstellmöglichen weiter an die individuelle Präferenz anpasst werden. Diese zusätzlichen Eingangswerte dienen zusammen mit den kontinuierlich erfassten Sensordaten zur weiteren Optimierung der Steuerkurven. Im dritten Teil soll schließlich im Rahmen einer weiteren Probandenstudie eine physiologische Bewertung dieser im Sinne einer Maximierung der Nutzerpräferenz optimalen Steuerkurven erfolgen, um die Frage nach deren aktivierender Wirkung zu beantworten und schlussendlich ein entsprechendes Nutzerpräferenzmodell als Basis zukünftiger, intelligenter Beleuchtungssysteme abzuleiten.

Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) – 450942921

Das Forschungsvorhaben beschäftigt sich mit der Erarbeitung einer KI-basierten Steuerung der automobilen Lichtverteilung um situationsbedingt optimierte, dynamische Lichtverteilungen zu generieren. Ziel dieses Forschungsvorhabens ist es hierbei, sich von der herkömmlichen Unterteilung der Lichtverteilungen in Abblendlicht und Fernlicht zu lösen, und ganzheitliche Lichtverteilungen vorzustellen.

Zur Erarbeitung dieser Lichtverteilungen werden umfangreiche Studien zur Erfassung des aktuellen Verkehrsraums durchgeführt. Hier sollen zunächst repräsentative Daten für den deutschen Verkehrsraum aufgezeichnet werden. Ziel der geplanten Fahrten ist es, flächendeckend den deutschen Verkehrsraum aufzuzeichnen und hierbei verschiedene Straßenklassen analog zu ihrem realen Vorkommen zu berücksichtigen. Für die Auswertung werden aktuellste Algorithmen zur Erkennung von Objekten einzeln trainiert und geometrische Verteilungen verschiedener Objekte, Autos, LKW, Busse (je fahrend und parkend), Verkehrsschilder (je nach Klasse), Fußgänger, Fahrradfahrer erstellt. Aus diesen Objektverteilungsdaten sowie weiteren aufgezeichneten Daten wie Geschwindigkeit, Straßenklasse, Straßenlage etc. werden automatisiert verschiedene Verkehrssituationen erstellt.

Neben der Aufzeichnung des deutschen Verkehrsraumes werden Kontrastuntersuchungen und Leuchtdichteanalysen in den verschiedenen Straßenklassen durchgeführt. Diese dienen dazu, den sicherheitsrelevanten Lichtbedarf für Kraftfahrzeugführer zu ermitteln und die aktuellen Lichtbedingungen im deutschen Verkehrsraum zu erfassen. Dabei werden nicht nur die Erkennbarkeitsentfernung und der dafür notwendige Kontrast betrachtet, sondern auch die Wahrnehmung der Helligkeit und Homogenität der Vorfeldausleuchtung. Dies ist essentiell, da neben einem objektiven Sicherheitsgewinn auch die subjektive Sicherheitswahrnehmung einen starken Einfluss auf das Wohlbefinden und Verhalten des Fahrzeugführers hat. Die Ergebnisse dieser Untersuchungen fließen ebenfalls in die Optimierung der situationsbedingten Lichtverteilungen ein.

Zusätzlich wird in einer weiteren Studie das Blickverhalten der Fahrzeugführer aufgezeichnet und durch die Kombination der Objektverteilungen und des Blickverhaltens im Straßenverkehr optimierte Lichtverteilungen errechnet. Diese theoretischen Lichtverteilungen werden anschließend validiert. In einem ersten Schritt werden in einem Fahrsimulator technologieunabhängig, die verschiedenen Lichtverteilungen in den verschiedenen, virtuell erzeugten, Verkehrssituationen dargestellt. Virtuell wird so die Akzeptanz und das Sicherheitsgefühl der Testpersonen beim Einsatz der verschiedenen Lichtverteilungen getestet. Zusätzlich wird in einer weiteren Studie getestet, in wie fern sich die Sichtweite der Autofahrer durch die neu generierten Lichtverteilungen verändert.

Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) – 450636577

Der Pupillendurchmesser des Auges ist aufgrund seines direkten Einflusses auf die Netzhautbeleuchtungsstärke und der Netzhautabbildungsqualität ein wesentlicher Faktor bei photometrischen und visuellen Untersuchungen. Ein kleinerer Pupillendurchmesser kann einen größeren Tiefenunschärfebereich und eine Verringerung von optischen Aberrationen der Linse gewährleisten, welche sich positiv auf die Sehschärfe des Auges auswirken kann. Verschiedene Studien belegen, dass der optimale Pupillendurchmesser bei Sehaufgaben im photopischen Leuchtdichtebereich etwa zwischen zwei und drei Millimeter liegt. Mit der heutigen Technologie von Mehrkanal LED-Leuchten besteht die Möglichkeit, Lichtspektren zu optimieren, um die Pupillenöffnung, Farb- und Helligkeitswahrnehmung oder andere visuelle Metriken direkt zu beeinflussen. Die Anzahl der unterschiedlichen LED-Farbkanäle in einem solchen System bestimmen den Freiheitsrad, welcher es erlaubt, visuelle Metriken konstant zu halten während andere verändert werden können. Der erste Schritt zur aktiven Optimierung der Pupillenöffnung durch die Innenraumbeleuchtung ohne Beeinflussung anderer bildgebender Sehparameter ist die Entwicklung eines validen Pupillenmodells, welche den spektralen und zeitabhängigen Pupillendurchmesser des Menschen vorhersagt. Zur Charakterisierung und Modellierung des menschlichen Pupillenverhaltens wurde am Fachgebiet Lichttechnik eine temperaturgeregelte 15-Kanal LED-Leuchte entwickelt (siehe Abbildung 1).

Abbildung 1: Aufbau des Pupillenmessplatzes am Fachgebiet Lichttechnik und der Basisspektren der am Fachgebiet entwickelten temperaturgeregelten 15 Kanal LED-Leuchte. A: Die LED-Leuchte besteht auf der Vorderseite aus 16 temperaturgeregelten LED-Modulen. Die LED-Module besitzen jeweils 15 LED-Farbkanäle. Die Rücksicht der Leuchte zeigt die Steuerungselektronik bestehend aus einem STM32 Mikrocontroller, 15 LED-Treibern und einem Temperaturcontroller. In der Beobachtungsbox wird die speziell angefertigte 15-Kanal LED-Leuchte als Lichtquelle oben auf einem Aufbau hinter einer Diffusor-Optik positioniert. Innerhalb der Beobachtungsbox befinden sich zwei Kameras, um den Pupillendurchmesser zu erfassen. B: Relative Basisspektren jedes einzelnen LED-Kanals, gemessen in der Mitte des Adaptationsbereiches mit einem kalibrierten Konica Minolta CS2000 Spektralradiometer. Teile der Abbildungen sind entnommen aus: Babak Zandi, Julian Klabes, Tran Quoc Khanh. Prediction accuracy of L- and M-cone based human pupil light models. Sci. Rep. 10, 10988 (2020).
Abbildung 1: Aufbau des Pupillenmessplatzes am Fachgebiet Lichttechnik und der Basisspektren der am Fachgebiet entwickelten temperaturgeregelten 15 Kanal LED-Leuchte. A: Die LED-Leuchte besteht auf der Vorderseite aus 16 temperaturgeregelten LED-Modulen. Die LED-Module besitzen jeweils 15 LED-Farbkanäle. Die Rücksicht der Leuchte zeigt die Steuerungselektronik bestehend aus einem STM32 Mikrocontroller, 15 LED-Treibern und einem Temperaturcontroller. In der Beobachtungsbox wird die speziell angefertigte 15-Kanal LED-Leuchte als Lichtquelle oben auf einem Aufbau hinter einer Diffusor-Optik positioniert. Innerhalb der Beobachtungsbox befinden sich zwei Kameras, um den Pupillendurchmesser zu erfassen. B: Relative Basisspektren jedes einzelnen LED-Kanals, gemessen in der Mitte des Adaptationsbereiches mit einem kalibrierten Konica Minolta CS2000 Spektralradiometer. Teile der Abbildungen sind entnommen aus: Babak Zandi, Julian Klabes, Tran Quoc Khanh. Prediction accuracy of L- and M-cone based human pupil light models. Sci. Rep. 10, 10988 (2020).

Existierende Pupillenmodelle basieren auf der Empfindlichkeit von den L- und M-Zapfen in der Netzhaut, wodurch sie in einem Lichtspektrums-Optimierungsprozess zur Erreichung einer idealen Pupillenöffnung ungeeignet sind [1]. Die Verwendung dieser Modelle würde eine Variation des Pupillendurchmessers bei gleichzeitiger Beibehaltung von Helligkeits- und Farbwahrnehmungsparametern unmöglich machen. Aktuell entsteht eine signifikante Vorhersageungenauigkeit beim Einsatz dieser Pupillenmodelle durch die Zeitunabhängigkeit und die Verwendung der Leuchtdichte als V(λ)-gewichtete photometrische Kenngröße. Die Integration einer V(λ)-gewichteten photometrischen Größe in ein Pupillenmodell führt beim Einsatz von Mehrkanal LED-Leuchten als Lichtquelle zu signifikanten Vorhersagefehlern des Pupillendurchmessers [1] (siehe Abbildung 2). Ein Hauptgrund dieser Vorhersagefehler ist die wellenlängenabhängige Empfindlichkeitskurve der Pupille, die nicht der V(λ)-Kurve allein entspricht [1,2]. Dieser Effekt wurde erst durch die Entdeckung der intrinsisch photosensitiven Ganglienzellen (ipRGCs) verstanden, welche zum grundlegenden Verständnis der Reizverarbeitung in der Netzhaut, der Helligkeitswahrnehmung, des zirkadianen Rhythmus und der Pupillenlichtreaktion beigetragen haben. Diese neurophysiologischen Erkenntnisse sind bisher unzureichend in die existierenden Pupillenmodelle integriert. Die Folge davon sind Vorhersagefehler des absoluten Pupillendurchmessers von aktuellen Pupillenmodellen (siehe Abbildung 2).

Abbildung 2: Ergebnis und Vorgehensweise in der Studie zur Bestimmung der Vorhersagegenauigkeit von klassischen Pupillenmodellen. A: Protokoll des durchgeführten Experiments in der Studie. Die Spektren wurden fünf Minuten zufällig mit einer konstanten Leuchtdichte von 100 cd/m2 dargeboten. Vor jedem Stimulus wurde fünf Minuten lang ein Ankerspektrum mit 200 cd/m2 dargeboten, um den Pupillendurchmesser auf eine Basis zu bringen. Als Stimuli-Spektren wurden LED-Spektren mit den Peak-Wellenlängen 450 nm, 530 nm, 610 nm und 660 nm verwendet. B: Gemessene Pupillendurchmesser bei den Darbietungszeiten 1 Sekunde, 60 Sekunden und 300 Sekunden. Stichprobe bestand aus 20 Probanden im Alter von 19-25. C: Der Mittelwert und die Standardabweichung der Differenzen zwischen dem berechneten und gemessenen Pupillendurchmesser. Die Bandmarkierung zeigt den Schätzfehler von ± 0.5 mm als Indikator. Abbildungen sind entnommen aus: Babak Zandi, Julian Klabes, Tran Quoc Khanh. Prediction accuracy of L- and M-cone based human pupil light models. Sci. Rep. 10, 10988 (2020).
Abbildung 2: Ergebnis und Vorgehensweise in der Studie zur Bestimmung der Vorhersagegenauigkeit von klassischen Pupillenmodellen. A: Protokoll des durchgeführten Experiments in der Studie. Die Spektren wurden fünf Minuten zufällig mit einer konstanten Leuchtdichte von 100 cd/m2 dargeboten. Vor jedem Stimulus wurde fünf Minuten lang ein Ankerspektrum mit 200 cd/m2 dargeboten, um den Pupillendurchmesser auf eine Basis zu bringen. Als Stimuli-Spektren wurden LED-Spektren mit den Peak-Wellenlängen 450 nm, 530 nm, 610 nm und 660 nm verwendet. B: Gemessene Pupillendurchmesser bei den Darbietungszeiten 1 Sekunde, 60 Sekunden und 300 Sekunden. Stichprobe bestand aus 20 Probanden im Alter von 19-25. C: Der Mittelwert und die Standardabweichung der Differenzen zwischen dem berechneten und gemessenen Pupillendurchmesser. Die Bandmarkierung zeigt den Schätzfehler von ± 0.5 mm als Indikator. Abbildungen sind entnommen aus: Babak Zandi, Julian Klabes, Tran Quoc Khanh. Prediction accuracy of L- and M-cone based human pupil light models. Sci. Rep. 10, 10988 (2020).

In unserem geförderten DFG-Forschungsprojekt streben wir ein neues Pupillenmodell auf Basis von Deep Learning an, welches die Zeitabhängigkeit und die adaptive Gewichtung der retinalen Rezeptoren zur Kontrolle des Pupillenverhaltens berücksichtigt. Die neusten Erkenntnisse zum Mechanismus des Pupillenverhaltens sollen mit diesem Modell abgedeckt werden. Konkret möchten wir bestehende zeitvariante und zeitinvariante Modellansätze mit einem datengetriebenen, nicht-parametrischen Modell kombinieren, um ein Gesamtmodell des Pupillenverhaltens zu entwickeln. Damit berücksichtigen wir die dynamische und spektral abhängige Rezeptoradaptation des phasischen und tonischen Pupillenverhaltens. Der nicht-parametrische Modellansatz soll eine stetige Verbesserung der Modellgüte mit zunehmender Datenbasis gewährleisten. Dies soll durch eine öffentlich zugängliche und auch von fremden Arbeitsgruppen bearbeitbare Pupillen-Datenbank erreicht werden. Das Basismodell und die Basisdaten sollen in diesem Forschungsprojekt mittels umfangreicher empirischer Pupillenuntersuchungen erarbeitet werden und als genereller Anschub dieses generischen Modellvorhabens dienen.

Das Konzept zur Entwicklung eines Pupillenmodells, welches die aktuellen Erkenntnisse aus der neurophysiologischen Grundlagenforschung integriert, würde die zeitabhängige Berechnung des Pupillendurchmessers für verschiedene Lichtspektren erstmals ermöglichen. Die akkurate Berechnung des spektral- und zeitabhängigen Pupillendurchmessers ist unter anderem bei visuellen Experimenten, Augensicherheitsberechnungen und der medizinischen Diagnostik von essenzieller Bedeutung. Zudem kann ein solches Modell auch dazu beitragen, den Zusammenhang zwischen der Helligkeitswahrnehmung und dem Pupillenkontrollpfad aufzuzeigen [3].

Quellen und weiterführende Literatur

[1] Zandi B, Klabes J, Khanh TQ. Prediction accuracy of L- and M-cone based human pupil light models. Sci Rep 2020;10:10988. https://doi.org/10.1038/s41598-020-67593-3.
[2] Zandi B, Kunst K, Khanh TQ. Einfluss der melanopsinhaltigen Ganglienzellen auf die kurz- und langzeitige Pupillenlichtreaktion. 120. Jahrestagung der Dtsch. Gesellschaft für Angew. Opt., Darmstadt: 2019.
[3] Zandi B, Guo X, Bodrogi P, Khanh TQ. EXPERIMENTAL EVALUATION OF DIFFERENT BRIGHTNESS PERCEPTION MODELS BASED ON HUMAN PUPIL LIGHT RESPONSES. Proc. CIE 2018 Top. Conf. SMART Light., vol. 2, International Commission on Illumination, CIE; 2018, p. 201–8. https://doi.org/10.25039/x45.2018.OP34.

Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) – 500805487

Aktorik des Projekts

Am Fachgebiet für Adaptive Lichttechnische Systeme und Visuelle Verarbeitung werden Multi-Kanal-LED-Leuchten mit Chip-on-Board-LED-Technologie gebaut. Eine Chip-on-Board-LED beinhaltet 9 Wellenlängen (360 nm, 405 nm, 450 nm, 520 nm, 600 nm, 660 nm, 730 nm, Warmweiß und 900 nm). Dafür wird ein spezieller Treiber für die Chip-on-Board-LEDs konzipiert. Die Eigenschaften dieses Treibers sind der breite Frequenzbereich (100 Hz – 20 Khz), Strom (100 – 750 mA) und Duty Cycle (10 – 98%). Alle LEDs-Chips werden separat kontrolliert. Eine HMI-Software (Human Machine Interface) wird ebenfalls programmiert. Außerdem werden die Wellenlänge-Lichtleitungen für die unterschiedlichen Wellenlängen konzipiert, simuliert und implementiert. Die fertigen Leuchten werden mit einem Messsystem (U-Kugel, Peltier-Modul, Thorlab-Geräte, Spektrometer) charakterisiert. Folglich werden die Intensitäten (1200, 600, 300, 200, 100, 50 µmol/m2s = 6 Photonendichten), Wellenlänge, Taktung und die Kombinationen der Multi-Kanal-LED-Leuchten für die Photosynthese-Forschung geschafft. Im Labor für Angewandte Pflanzenwissenschaft werden die geeigneten Pflanzenarten kultiviert und mit den generierten Lichtbedingungen erforscht. Die Forschungsvariablen sind insgesamt 6 Spots x 6 Frequenzen x 9 Strahlungsspektren x 6 Intensitäten.

Sensorik des Projekts

Die Blatttemperatur wird mit zwei Temperatursensoren und Infra-Rot-Kamera gemessen. Die Blattfarbe wird über die spektrale Reflexion bestimmt. Ein sehr wichtiges Arbeitsparket ist das „Multivariate Fluoreszenz – basierte Vorhersage – Modell“. Das Ziel von diesem Arbeitsparket ist es, die von der Gaswechselanalyse ermittelte Fotosyntheserate als Funktion der durch Chlorophyll – Fluoreszenz – Analyse ermittelten Parameter, der Blatt-Reflexion- und Blatt-Absorptions-Daten und der durch Thermographie bestimmten Blatttemperatur darzustellen. Es ähnelt der Studie von Losciale et al. (https://doi.org/10.1104/pp.113.225243), allerdings mit einer deutlich größeren Anzahl von Eingangsparametern und mehr Fokus auf die Effekte des Licht-Faktors. Die oben genannten Parameter werden gleichzeitig gemessen: Fotosyntheserate durch Gaswechselanalyse mit einer Gaswechselanlage, Fluoreszenz-Analyse mit einem Imaging PAM System, Temperatur-, Reflexion- und Absorptionsdaten wie in der so oben genannten Arbeit beschrieben. Sowohl das Imaging PAM System und die Gaswechselanlage sind in der Arbeitsgruppe APS verfügbar.

Geplanter Versuchsaufbau für die Bestimmung der Fotosyntheserate als Funktion von ETR und Blatt-zu-Luft-Temperaturdifferenz. Die Fotosyntheserate wird mittels GFS-3000 Gaswechselanlage (1) gemessen. Hier wird der Blatt in einer Messkammer (2) eingespannt und definierten konstanten CO2-und Wasser-Bedingungen ausgesetzt. Chlorophyll-Fluoreszenz-Analyse wird mit dem Imaging PAM System (3) durchgeführt. Die Lichtquellen des Imaging PAM (4) sollen mit den in AP3 gebauten Beleuchtungseinheiten erweitert werden. Daten der Blatttemperatur, Blattabsorption – und – Reflexionsspektren werden mit den in AP1-3 angeschafften Messgeräten erfasst (5).
Geplanter Versuchsaufbau für die Bestimmung der Fotosyntheserate als Funktion von ETR und Blatt-zu-Luft-Temperaturdifferenz. Die Fotosyntheserate wird mittels GFS-3000 Gaswechselanlage (1) gemessen. Hier wird der Blatt in einer Messkammer (2) eingespannt und definierten konstanten CO2-und Wasser-Bedingungen ausgesetzt. Chlorophyll-Fluoreszenz-Analyse wird mit dem Imaging PAM System (3) durchgeführt. Die Lichtquellen des Imaging PAM (4) sollen mit den in AP3 gebauten Beleuchtungseinheiten erweitert werden. Daten der Blatttemperatur, Blattabsorption – und – Reflexionsspektren werden mit den in AP1-3 angeschafften Messgeräten erfasst (5).

Modelling = Fotosynthese als Licht – Funktion

Die Fotosynthese soll für jede Pflanzenart separat analysiert werden. Danach werden die Daten bei jedem Wachstumsstadium betrachtet, da man annehmen kann, dass die Blatteigenschaft (Reflexion, Absorption, Blattdicke, Blattbeschaffenheit) sich mit dem Wachstumsstadium verändert. Bei jedem Zeitpunkt entlang der Zeitachse des Wachstumsprozesses sollen an beispielhaften Wellenlängen (z.B. 450 nm und 660 nm) und an zwei Stromstärken die Fotosyntheserate als Funktion der Frequenz und der Tastgrade analysiert werden. Es entstehen dabei zwei mögliche Lösungsansätze. Bei einer Unabhängigkeit der Fotosyntheserate von der Frequenz und Tastgraden werden die Ergebnisse aller Frequenzen und Tastgrade zusammengefasst. Sind die Fotosyntheseraten nach einem statistischen Signifikanztest abhängig von der Frequenz bzw. vom Tastgrad, werden die Frequenzen und Tastgrade als unabhängige Variablen betrachtet. Die Daten werden dann in unterschiedliche Frequenzen und Tastgrade gruppiert. Eine Energiebetrachtung für einige gewünschte Fotosyntheseraten soll an dieser Stelle durchgeführt werden. Daraus kann ein Bereich bevorzugter Frequenzen und Tastgrade aus energietechnischer und ökonomischer Sicht ermittelt werden. Die Anzahl der Parameter kann somit reduziert werden. Es bleiben die Parameter Blatttemperatur, Wellenlängen und Strahlungsintensitäten für jede Pflanzenart bei jedem definierten Wachstumszeitpunkt.

Bei jeder Blatttemperatur kann die Fotosyntheserate als Funktion der Wellenlänge und der Strahlungsintensität dargestellt werden. Bei unterschiedlichen Blatttemperaturen gibt es unterschiedliche Funktionen und bei unterschiedlichem Wachstumsstadien eine Funktionenschar. Dadurch findet man die erforderliche Fotosyntheserate, wenn man den Vektor V = f (Blatttemperatur, Wellenlänge, Strahlungsintensität, Frequenz) in die Datenstruktur eingibt.

Datenerhebung und -speicherung bilden die Grundlage, um mit neuen Use Cases (Anwendungsfällen) ein bisher ungenutztes Innovationspotenzial für Beleuchtungsanlagen zu erschließen. Die Leuchten bzw. die Beleuchtungsanlagen einschließlich der zugehörigen Sensorik müssen hierfür jedoch in der Lage sein, Daten zu erfassen, diese mit einer einheitlichen Semantik in eine Cloud zu übertragen und zu speichern. In diesem Projekt werden die Daten aus Testanlagen, welche über 14 Standorte verteilt installiert sind, in einer gemeinsamen IoL-Cloud zusammengeführt. Ziel dieses Vorhabens ist die semantische Beschreibung der in den Testanlagen generierten Sensor- und Leuchtendaten bei gleichzeitiger Erprobung der Architektur für die Datenspeicherung und Datenübertragung. Hierauf aufbauend werden die zentral gespeicherten Daten analysiert und ausgewertet sowie datengetriebene, lichttechnische Use Cases untersucht und bearbeitet.

[Online]. Verfügbar unter: https://www.projekt-sense.de. [Zugriff am 18 Februar 2020]
[Online]. Verfügbar unter: https://www.projekt-sense.de. [Zugriff am 18 Februar 2020]

Die leitenden Forschungsfragen für das Projekt „Internet of Light“ als gemeinschaftliche Projektarbeit zwischen der deutschen Lichtindustrie und den Forschungseinrichtungen lauten dabei:

  • Wie können die in den Beleuchtungsanlagen erzeugten Daten von Sensoren und Leuchten in einem einheitlichen, klar strukturierten Datenformat effizient und mit geringer Latenzzeit in ein oder in mehrere Cloud-Systeme übertragen, persistiert und analysiert werden?
  • Wie ist mit Sendeausfällen, physikalisch nicht plausiblen Daten und Restriktionen hinsichtlich des Systems umzugehen?
  • Welche Sensortypen und Betriebsdaten werden für datengetriebene Use Cases in verschiedenen Beleuchtungsanlagen benötigt?
  • Welche gegenseitigen Interaktionen, Einflüsse und Korrelationen haben die Leuchten- und Sensordaten zueinander?
  • Welchen Nutzen können die Anwender und Anlagenbetreiber aus den Leuchten- und Sensordaten über längere Zeiträume von mehreren Jahreszeiten gewinnen, um beispielsweise die Wirtschaftlichkeit, die Umweltfreundlichkeit und die Benutzerfreundlichkeit unter Reallaborbedingungen und für spätere Feldsysteme zu optimieren und nachzuweisen?
  • Welche Algorithmen und Methoden können für die Verarbeitung von Sensordaten im Bereich Lichttechnik angewendet werden?

 

 

 

Visuelle Effizienz als neuer zukunftsfähiger Bewertungsparameter für die Licht- und Architekturplanung

In diesem interdisziplinären Forschungsvorhaben wird auf die Einführung eines wahrnehmungsorientierten Begriffes hingearbeitet, der sog. „Visuellen Effizienz“ als neues, auf die LED-Technik anzuwendendes Planungskriterium. Durch das Forschungsfeld der Visuellen Effizienz können sich neue Beleuchtungskonzepte für die Architekturbeleuchtung in realen Gebäuden ergeben.

Der dabei zu verfolgende Ansatz führt eine neue Bewertungsskala ein, die die klassische rein visuelle Bewertung um psychophysische und psychologische Faktoren, Nutzerpräferenzen sowie Energieeffizienz erweitert. Die Entwicklung einer solchen Bewertungsskala soll auf Basis von Feldstudien in diversen Beleuchtungskontexten erfolgen.

Die Vision ist die Entwicklung eines Leitfadens für einen erneuerten Lichtplanungsprozess, der lichttechnische mit ökonomischen Parametern verknüpft und dabei gleichzeitig die Optimierung der Lichtqualität mit wahrnehmungspsychologischen Faktoren und der Energieeffizienz beachtet.

Das Forschungsprojekt wird gemeinsam mit dem FG Entwerfen und Gebäudetechnologie des FB 15 (Architektur) realisiert.