Världens första AI-igenkänning för stora betongstrukturer i 3D

Med hjälp av AI (artificiell intelligens) ges möjlighet att med högupplösta drönarbilder kartlägga mycket små och även stora skador på inspekterade objekt som till exempel broar, dammar, kraftverk och vattentorn. Med tekniken kan man följa upp miljontals individuella skador och defekter samt kategorisera dessa på ett sätt som är omöjligt med traditionell inspektionsmetodik. Fördelarna blir bland annat tidsbesparing och bättre kontroll över betongobjektets hälsa.

I början av 1900-talet sågs armerad betong som ett material med inget eller litet behov av underhåll och livslängden ansågs nästan vara oändlig. Detta har dock inte visat sig vara sant och som en konsekvens finns det idag en enorm mängd bristfällig infrastruktur och skadade byggnader i Europa.

Kiwas erfarenhet och kunskap inom konsultation, provning, besiktning och analys av bland annat betongstrukturer finns en stor datamängd tillgänglig för träning av mjukvarans AI. Kiwas roll är att ta fram ett kvalitetssäkrat träningsunderlag med relevanta skadetyper för mjukvarans AI och validera inspektionernas prestanda så de möter de krav som finns för inspektion och provning.

–      Genom automatiserad bildanalysprocessning av enorma mängder högupplösta bilder är det idag möjligt att med maskininlärning hitta väldigt många små sprickor på väldigt stora objekt. Detta kräver dock att man kan strukturera den enorma informationsmängden i en 3D-modell så att man kan få en överblick över skadorna och deras storlek på hela objektet, vilket varit omöjligt fram tills idag, säger Ludvig Emgård, grundare och vd på Spotscale.

Med expertkunskaper och metoder inom betong från Kiwa i kombination med de automatiska maskininlärningsmetoderna och mänskliga input/inställningsmöjligheter som Spotscale erbjuder har resultatet från den gemensamma utvecklingen potential att förändra grunderna för hur inspektion och livslängdsanalys för betonginfrastruktur och byggnader utförs.