Må vi gemme en cookie?

Vi bruger cookies for at forbedre din oplevelse af vores hjemmeside, målrette indhold samt statistik. Læs mere om cookies

Med en kablet drone og kunstig intelligens kan bygningsinspektører blive på landjorden

Thomas Høiberg Giselsson

Jeg er din kontaktperson

Skriv til mig

Indtast venligst et validt navn
Eller dit telefonnummer
Sender besked
Tak for din besked
Vi beklager

På grund af en teknisk fejl kan din henvendelse desværre ikke modtages i øjeblikket. Du er velkommen til at skrive en mail til Send e-mail eller ringe til +45 72 20 13 30.

Med en kablet drone og kunstig intelligens kan bygningsinspektører blive på landjorden

Bygningsinspektører firer i dag op og ned ad broer for at undersøge broers tilstand. Med det blotte øje skal de kunne spotte revner eller andre skader i overfladen. Teknologisk Institut har undersøgt, hvordan man med en drone og deep learning-værktøj kan lade bygningsinspektørerne blive på landjorden og automatisere store dele af inspektionsprocessen.

Sidste år undersøgte Teknologisk Institut mulighederne for inspektion af murværk og beton med en kablet drone, hvor konceptet blev afprøvet på bygninger. Nu har man videreudviklet og opskaleret projektet, og for nylig har man afprøvet systemet på Kronprinsesse Marys Bro i Fjordforbindelsen Frederikssund.

Med samme koncept som sidst - en kablet drone og kunstig intelligens-værktøjer - herunder deep learning - har man lavet visuelle inspektioner af broen for at detektere revner. Det nye er, at billeddata behandles live og resultatet præsenteres for operatøren, mens dronen inspicerer konstruktionen.

- Droner er et rigtig godt værktøj til visuelle inspektioner af store bygninger og konstruktioner, fordi de har adgang til områder, som normalt er svært tilgængelige. Derudover er det langt mere sikkert at sende en drone op i de højder, end hvis en bygningsinspektør skal inspicere broen, fortæller Wilson Ricardo Leal da Silva, der er faglig leder hos Teknologisk Institut.

Det tager 10 millisekunder at behandle hvert billede
For at detektere revnerne har man monteret et industrielt sort/hvid-kamera på dronen.

- Vi anvendte et deep learning-værktøj, hvor vi trænede et netværk til at lære at genkende billeder af revner. Der blev sendt en live billedstrøm igennem et kabel og ned til en computer på landjorden, hvor billederne så blev analyseret med henblik på at opdage revner i beton, lyder det fra Thomas Høiberg Giselsson, der er konsulent hos Teknologisk Institut og med i projektet som vision-ekspert.

- Det tager cirka 10 millisekunder at behandle hvert billede, når først billedet er overført til computeren på jorden, og det er en meget hurtig respons, tilføjer han.

Selv om broen, der forventes at stå færdig i slutningen af 2019, viste sig at være stort set fri for revner i det undersøgte område, fik man bevist konceptet og lavet en real-life test på en rigtig struktur i vejrforhold, som man forventer, systemet skal kunne fungere i.

- Man kan gøre meget i laboratoriet, men så snart man kommer udenfor, er der en række forhold, man skal tage i betragtning som f.eks. vejret. Og det kan være en begrænsning, hvis det f.eks. blæser for meget, til at dronen kan flyve, siger Wilson Ricardo Leal Da Silva.

- Projektet var succesfuldt, da vi fik bevist, at konceptet fungerer med den kablede drone og deep learning-værktøjet, så man kan foretage detektion af revner på stedet, tilføjer han.

Projektet er støttet af Styrelsen for Institutioner og Uddannelsesstøtte under Uddannelses- og Forskningsministeriet.