An diesem Projekt arbeiteten wir mit Google Teachable Machine, es ist ein kostenfreies Tool und erfordert kein Vorwissen in jeglichen Bereich der Programmierung oder KI. Es ist ein leichter Einstieg in ML (Machine learning Modell). Diese Modelle lassen sich mit Audio-, Personen- oder Bildererkennung trainieren und durch eigene, verschiedene Klassifizierungen erkennt es dazwischen einen Unterschied.
In unserem Seminar sollten wir dann mit diesem Programm arbeiten und eine Website dazu entwickeln. Ich kam auf die Idee einen “Beeren Erkennung Website” zu erstellen. Diese erlaubt es Bilder von Beeren hochzuladen, um dann herauszugeben, dass es sich gar nicht um eine Beere handelt, sondern um z.B. bei einer Erdbeere, ist es dann eine Sammelnussfrucht. Ich spielte mit dem Witz, dass die meisten Beeren nicht richtig klassifiziert sind und alle nur umgangssprachlich Beere genannt werden, um daraus eine lehrreiche Website zu gestalten.
Ich erstellte mehrere Klassen, wie z.B. Sammelnussfrüchte, die Erdbeeren und Hagebutten einbindet oder Sammelsteinfrüchte, die Himbeeren und Brombeeren umfasst, usw. Dazu erstellte ich die Klasse der tatsächlichen Beeren, die tatsächlicher für uns Nahrungsmittel welches umgangssprachlich als Gemüse bekannt ist eingrenzt wie etwa Gurke oder Kürbis. Für die, die auf die Website stoßen und sich einen Spaß erlauben und gar nicht zum Lernen da sind, habe ich ebenfalls zwei mögliche Klassen eingebaut. In den meisten Fällen funktioniert die Klassifizierung gut, es kommt immer auf das ausgewählte Foto an. Ist eine einzelne “Beere” zu sehen kommt in den meisten Fällen ein richtiges Ergebnis heraus, Probleme gibt es bei Bildern, auf denen die “Beeren” nicht im Fokus sind oder mehrere auf einmal zu sehen sind.
