Visualisierung einer KI-basierten vollautomatischen Straßeninspektionssoftware
Wichtigsten Punkte auf einen Blick
- Detektiert Schadstellen und Straßenmerkmale in Echtzeit auf Niveau menschlicher Facharbeiter
- Entwickelt vom Fachgebiet Neuroinformatik und Kognitive Robotik der TU Ilmenau und Partnern
- Prinzip übertragbar auf zahlreiche Inspektions- und Qualitätskontrollprozesse
- Visualisiert anhand von Ausdrucken von Straßenbildern aus Inspektionsprozess
Kurzbeschreibung
Die Software wurde vom Fachgebiet Neuroinformatik und Kognitive Robotik der TU Ilmenau im Rahmen des Projektes „ASFaLT“ zusammen mit den Partnern AIT Austrian Institute of Technology GmbH, LEHMANN + PARTNER Gmbh und VIA IMC GmbH unter Förderung der Österreichischen Forschungsförderungsgesellschaft mbH (FFG) entwickelt. Das Ziel des Projektes war die Automatisierung des Straßeninspektionsprozesses in Deutschland, Österreich und der Schweiz.
Die Software basiert auf der Deep-Learning Architektur PSPNet zur Semantischen Segmentierung von Bildern und kann Schadstellen, wie z.B. Risse, Flickstellen oder Abplatzungen, und Straßenmerkmale, wie z.B. Markierungsstreifen und Gullideckel, auf dem Niveau ausgebildeter Facharbeiter detektieren und markieren. Zum Traininieren des Modells wurden zahlreiche Bilder aus vorhandenen Videoaufnahmen von Straßeninspektionsfahrzeugen verwendet.
Der Demonstrator beinhaltet eine Reihe von Ausdrucken von Straßenausschnitten, welche unter der Kamera platziert werden können. Dadurch wird die Aufnahme eines echten Straßenverlaufs durch ein Straßeninspektionsfahrzeug zwecks der Visualisierung imitiert. Die Ausdrucke werden von der Software in Echtzeit verarbeitet und die Segmentierungsausgabe samt Legende der vorhandenen Schadstellen und Merkmale wird auf dem Monitor ausgegeben.
Transfer und Nachnutzbarkeit
Das Prinzip kann auf zahlreiche Anwendungsfälle in der visuellen Inspektion und Qualitätskontrolle übertragen werden, z.B. für die Fließbandproduktion. Der Demonstrator zeigt, wie solche monotone, zeitaufwendige, und damit teure, Prozesse ohne Qualitätsverlust durch KI automatisiert werden können.
Genutzte Hardware
- Beliebige HD Webcam
- Laptop mit Grafikkarte:
- NVIDIA GeForce RTX 4080 mit 12GB RAM
- Peripherie: Monitor, Ringlicht