Die Logistik ist stets bestrebt, Spitzenleistungen zu erbringen und die Kunden zufrieden zu stellen. Im Zusammenhang mit Baustellen bezieht sich die Logistik auf die effiziente Koordination und Verwaltung verschiedener Ressourcen, Materialien, Geräte und Informationen, um einen reibungslosen Ablauf der Aktivitäten während des gesamten Bauprozesses zu gewährleisten. Was hat die Computer Vision Software von preML damit zu tun? Erfahren Sie mehr in diesem Text!

Bild 1: Visuelle Projektillustration – Ein Annotationsrahmen zeigt die Erkennung des Fahrzeugs, seine Fahrtrichtung und das Laden a (c) preML GmbH

Die Extraktion von Echtzeitinformationen über den Standort, die Ankunftszeit, das Laden und die Fahrtrichtungen von Baufahrzeugen stellt eine besonders anspruchsvolle Aufgabe dar. Das liegt daran, dass diese heute immer noch hauptsächlich von Menschen nach ihrem Ermessen und Wissen gesteuert und beladen werden. Diese Informationen können jedoch äußerst wertvoll sein, um den tatsächlichen Bauprozess systematisch zu automatisieren und zu optimieren. Andere Arbeiter wissen oft nicht, wann das Fahrzeug ankommt, was es geladen hat, und es ist möglicherweise unbekannt, ob es sich gerade in ihre Richtung bewegt oder nicht. Technologisch betrachtet gibt es Lösungen, um dies zu erreichen, unter Verwendung von GPS-Informationen, Barcodes, RFID, Beacons usw. Die Implementierung dieser Lösungen in einer Flotte, insbesondere in Projekten mit mehreren Beteiligten oder wechselnden Subunternehmern, ist jedoch nicht immer unkompliziert. Zusätzlich können Umgebungsbedingungen, Kostenüberlegungen und das Potenzial für Fehler den Einsatz bestimmter Technologien weiter komplizieren. Aus diesen Gründen hat sich der Kunde in diesem speziellen Anwendungsfall für eine Zusammenarbeit mit uns entschieden.

Für einen führenden Akteur im Baugewerbe hat preML ein Proof of Concept (PoC) entwickelt, um automatisch Informationen über Ort, Zeit und Fahrtrichtung von Fahrzeugen mithilfe von Computer Vision zu extrahieren. Der PoC wurde in einem spezifischen Baustellenumfeld durchgeführt, und die Ergebnisse stammen ausschließlich aus diesem Umfeld, haben jedoch potenzielle Anwendbarkeit auf andere Szenarien. Insgesamt wurden 10 Kamerastreams von gängigen Überwachungskameras gesammelt, um einen Trainingsdatensatz zu erstellen. Nach der Verarbeitung, Bildextraktion und automatischen Vorauswahl lieferte der Kunde Annotationen. Anschließend werden modernste Computer-Vision-Modelle verwendet, um Fahrzeuge, Fahrtrichtungen und Ladevorgänge zu erkennen. Relevante Informationen, die extrahiert werden mussten, waren insbesondere Ankunfts- und Abfahrtszeiten, Fahrtrichtung und Zuordnung der Ladung. Das Modell wurde an unbekannten Daten getestet und bewertet.

Die quantitativen und qualitativen Ergebnisse des PoC sind für die spezifischen getesteten Einstellungen sehr vielversprechend. Das Modell ist sehr stark in der Erkennung von Fahrzeugen, dem Zählen und der Schätzung der Fahrtrichtung. Wenn es jedoch um die Bestimmung der Ladung geht, könnte es in der aktuellen Einstellung noch Verbesserungen geben. Da kann vor allem durch Erhöhen der Anzahl der Trainingsdaten für das Modell und Optimieren der Kameraposition geschehen. Die PoC-Phase wurde vom Kunden als erfolgreich bewertet, und eine weitere Zusammenarbeit in Form eines Rollouts ist für dieses Jahr geplant.

Klingt interessant?  Kontaktieren Sie uns gerne!

Wir freuen uns darauf, bald weitere Ergebnisse des Projekts zu veröffentlichen!

David

Feel free to contact us anytimes at contact@preml.io