Autor

David Fehrenbach

David ist Geschäftsführer von preML und schreibt über technologie- und geschäftsbezogene Themen im Bereich Computer Vision und maschinelles Lernen.

Eines unserer interessantesten Projekte ist die KI-basierte Qualitätssicherung von Tunnelsegmenten. Gemeinsam mit unserem Kunden VMT GmbH konnten wir ein Paper zu diesem System veröffentlichen, das auf dem World Tunnel Congress 2023 in Athen vorgestellt wurde! Im Folgenden geben wir einige Einblicke in die Veröffentlichung. Vielen Dank an alle, die an dem Projekt beteiligt waren!

Bild 1: Verschiedene Computer Vision Aufgaben, die an einem Tunnelsegment durchgeführt werden.

Die offizielle Zusammenfassung (Abstract)

Tunnelsegmente für große Verkehrstunnel unterliegen den höchsten Qualitätsstandards in der Betonfertigteilindustrie. Aufgrund ihrer großen Abmessungen ist es unvermeidlich, dass während der Produktion oder des Transports verschiedene Fehler auftreten. In diesem Beitrag wird ein neuartiger Ansatz zur Qualitätskontrolle der Tübbinge an der letztmöglichen Stelle innerhalb der Tunnelbohrmaschine (TBM) vor dem endgültigen Einbau des Rings vorgestellt. Es wurde eine auf künstlicher Intelligenz (KI) basierende Computer-Vision-Software (CV) entwickelt, um Bilder der Tübbinge zu prüfen, wobei die Bilder von vier Kameras im Inneren der TBM aufgenommen werden. Das System „Segment Check“ ist in der Lage, fehlende Dübel und falsch angebrachte Dichtungen sowie Risse und Abplatzungen zu erkennen. Durch den Einsatz verschiedener KI-basierter Bildverarbeitungsmodule ist diese Arbeit ein Vorreiter bei der Anwendung von KI im Tunnelbau. Die Ergebnisse zeigen eine hohe Genauigkeit für ein 3D-Positionsschätzungsnetz des Segments sowie für die Segmentierungs- und Klassifizierungsnetze, die zur Durchführung der Qualitätsprüfung verwendet werden.

Lesen Sie die Veröffentlichung in Stichpunkten:

  1. Es wurde ein neuartiger Ansatz namens „Segmentcheck“ entwickelt, bei dem künstliche Intelligenz (KI) und Computer-Vision-Software (CV) zum Einsatz kommen, um Tunnelsegmente in der Tunnelbohrmaschine (TBM) vor der endgültigen Errichtung des Rings auf Mängel zu prüfen.
  2. Das System zeigte eine hohe Genauigkeit bei der Erkennung von fehlenden Dübeln, falsch angebrachten Dichtungen, Rissen und Abplatzungen in den Tunnelsegmenten.
  3. Der Einsatz von KI-basierten Bildverarbeitungsmodulen, wie 3D-Positionsschätzung, Segmentierung und Klassifizierungsnetzwerke, ermöglichte eine genaue Qualitätsprüfung der Segmente.
  4. Das Bildverarbeitungssystem wurde mit robusten Kameras ausgestattet, die optimal platziert wurden, um Staub und Öl in der TBM-Umgebung zu vermeiden, und es wurde ein spezielles Gehäuse verwendet, um die Kameras vor Vibrationen zu schützen.
  5. Es wurde ein benutzerfreundliches Dashboard erstellt, das den Systemzustand und die Erkennungsergebnisse in Echtzeit visualisiert und den Zugriff auf Analysen und historische Daten ermöglicht, um eine effektive Mensch-Maschine-Interaktion und Dokumentation zu gewährleisten.

 

Bild 2: Dashboard-Visualisierung für den Bediener einer Tunnelbohrmaschine

Wie kann man mehr darüber erfahren?

  1. Wir werden Ihnen hoffentlich bald weitere Informationen auf unserer Webseite geben
  2. Sie können auf der VMT-Homepage über diesen Link auf eine kleine Management-Vorschau des Segmentchecks zugreifen
  3. Das vollständige Paper können Sie auf der Website des Verlags abrufen, oder Sie können auch auf die Schaltfläche unten klicken und es bei uns anfordern:

Wir werden weiterhin über unsere Arbeit und unser Tun berichten, denn wir glauben an eine offene und kommunikative Wissenschaftsgemeinschaft!

Cheers!

David

Kontaktieren Sie uns unter contact@preml.io oder verbinden Sie sich mit mir auf LinkedIn

Autor

David Fehrenbach

David ist Geschäftsführer von preML und schreibt über technologie- und geschäftsbezogene Themen im Bereich Computer Vision und maschinelles Lernen.