Feedback
Varan har lagts till i varukorgen

Testade artificiell intelligens vid lyftkran – så gick det

20 augusti 2020
ai_lyftkran_ncc_webb
Kameror fästa på bommen på krantornet samlar in bilder som analyseras i en dator i kranhytten. Det testades vid NCC:s projekt Ångströmlaboratoriet. Foto: NCC
AI, artificiell intelligens, testades av NCC vid lyftkranar för att ge kranföraren en varning om personer fanns i närheten. Omvärldsbevakning har nu undersökt hur det gått med tekniken.

Omvärldsbevakning skrev om projektet redan i november 2019. Tekniken innebär att två kameror monterats på bommen på en lyftkran och dessa samlar in bilder av området nedanför. Bilderna analyseras av en dator, placerad i kranhytten, och identifierar objekt så som personer nedanför. Om personer finns innanför ett definierat område under lyftkranen kan dessa och kranföraren varnas.

claes-henschel_webb Claes Henschel. Foto: NCC

Projektet avslutades i våras och enligt Claes Henschel, projektledare för Development & Operations Services på NCC, har projektet gått bra och de har lärt sig mycket. Om olycksrisken blivit mindre under lyftkranar tack vare den artificiella intelligensen är dock svårt att svara på.

– Det är en för liten testperiod och för få olycksfall totalt. De här är inte den typen av olyckor som är de mest frekventa utan det är dem som kan vara de mest allvarliga, säger han.

Men i en rapport som släppts efter att testerna avslutades menar man att kranförarens arbete underlättats av systemet och att det minimerar riskerna för olyckor.

Svårt att skilja åt

Claes Henschel säger att man sett stora möjligheter till ytterligare användning av tekniken på andra områden inom arbetet med arbetsmiljön.

– Möjligheten att med artificiell intelligens och att med så få sensorer som två och kameror kunna identifiera tusentals objekt och kategorisera och positionera dem, det tycker vi är intressant.

I början hade man förhoppningen att tekniken även skulle kunna identifiera fordon som hamnade under lyftkranen. Men det visade sig vara mer komplicerat än planerat och det hade behövts mer träning av systemet.

– I början tränade vi modellen för att identifiera fordon, men vi såg att den kategoriserade till exempel stillastående containrar och liknande som lastbilar då också.

Dock upplevde man inga större svårigheter för datorn att identifiera människor som befann sig i närheten av lyftkranen. Enligt Claes Henschel beror det bland annat på att dessa bär varselkläder, som är lätta att identifiera.

Kräver en del arbete

Dock poängteras det att det är en bit kvar innan det finns ett tillförlitligt och robust system som inte kräver handpåläggning.

– Det kräver en del konfiguration för att få det att fungera, något vi märkte när vi flyttade över systemet från en kran till en annan. Kranhöjden skiljde lite då mellan bommarna, där kamerorna placerades. Även längden skiljde sig åt, vilket gjorde att vi var tvungna att konfigurera om systemet, säger Claes Henschel.

Han ser projektet främst som ett lärandeprojekt och att fokus inte har varit att få fram en färdig produkt utan att lärandet har varit det viktiga. Nu tittar NCC på om tekniken kan användas till andra uppgifter som kan förbättra arbetsmiljön på byggarbetsplatser.

Fördjupningsmaterial
Debatt i fokus
Mest lästa artiklar
Populära expertsvar
Andra bevakar
Bevaka ämne
Fler nyheter
;