Klassifikation von Kaffeearomen mittels e-Nose und ML/KI

Kontext 

Kaffee ist ein Thema, das man beim ITIV nicht erwarten würde, außer von unserer liebenswerten Kaffeemaschine Berta. Bei einem kürzlichen Projektbesuch in Äthiopien, das oft als Ursprung des Kaffees bezeichnet wird, haben wir über die verschiedenen Aromen, die im Kaffee vorhanden sind diskutiert. Diese Aromen werden meist von Experten analysiert. Für uns scheint dies ein sehr fehleranfälliger Ansatz zu sein und jeder, der schon einmal handwerklichen Kaffee bei seinem Lieblingsröster gekauft hat, kann wahrscheinlich bestätigen, dass nicht alle exotischen Früchte im fertigen Produkt zu schmecken sind. Mit neuen metallorganischen Materialien können aromatische Verbindungen nun mit tragbaren Geräten nachgewiesen werden. Mit diesen elektronischen Nasen wollen wir ein System entwickeln, das das Aroma von Kaffeebohnen entsprechend der menschlichen Wahrnehmung klassifizieren kann.

Um die Proben und Fachwissen zu erhalten arbeiten wir mit Röstereien in Karlsruhe zusammen. Während der Arbeit wirst Du Proben von verschiedenen Kaffeebohnen zubereiten und sie mit einer elektronischen Nase analysieren, um einen digitalen Fingerabdruck zu erstellen. Das Ziel der Arbeit ist es, verschiedene Machine Learning Ansätze zu untersuchen, um die von der elektronischen Nase erzeugten Fingerabdrücke mit der menschlichen Wahrnehmung des Kaffeearomas zu verknüpfen. Als weiterer Ansatz soll untersucht werden ob ein hybrides ML-Modell, das auch die Expertise des Rösters berücksichtigt, bessere Ergebnisse liefert.

Worauf wartest Du noch, es gibt schließlich kostenlosen Kaffee?

Aufgaben 

• Analyse verschiedener Kaffeeproben mit der E-Nose
• Bewertung verschiedener ML-Architekturen für die Verknüpfung von Fingerabdruck / Aroma
• Validierung des Gesamtsystems in einem Geschmacksseminar

Voraussetzungen 

• Motivation und Interesse am selbstständigen Lösen von technischen Problemen
• Interesse an Elektronik und Data Science
• Erfahrung mit Progammieren (Python)
• Teetrinker sind eher im Nachteil :)