Metoder for effektiv trening av maskinlæring (ML)

Offentlig prosjektsammendrag

Inspeksjon i norsk havindustri ved bruk av video og kunstig intelligens Innovasjonsprosjektet skal utvikle et adaptivt videobasert inspeksjonssystem, Seekuence Inspection, spesielt egnet for fjerninspeksjon ved bruk av undervannsdroner (ROV). Bruk av videobasert fjerninspeksjon gir en rekke fordeler for bedrifter innen olje & gass, maritim sektor og fiskeoppdrett. En ROV kan brukes som en tidsbesparende og kostnadseffektiv metode for å inspisere et skip under vann og identifisere behov for vedlikehold. Samtidig reduseres behovet for reiser og tilhørende utslipp fra transport. Teknologier for fjerninspeksjon vil i stor grad øke operasjonell effektivitet ved at inspeksjonsvarigheten og behovet for nedetid reduseres, og teknisk personell vil få et sikrere arbeidsmiljø da de ikke lenger må foreta inspeksjoner i potensielt farlige situasjoner. Prosjektet vil forbedre nåværende teknologier for inspeksjon ved å kombinere maskinlæring og menneskelig ekspertise for å identifisere objekter og hendelser i videosekvenser. På denne måten vil Seekuence Inspection støtte og guide en ekspert som utfører en inspeksjonsprosedyre ved å bidra med relevante forslag til et avvik eller en skade slik at operatøren kan frigjøre tid til andre viktige oppgaver. Prosjektet utvikler også teknologi for å akkumulere kunnskap om avvik og skader slik at presisjonene forbedres ved bruk av systemet. Disse nye teknologiene vil redusere kostnader og tidsbruk knyttet til å ta i bruk maskinlæring innenfor et spesifikt domene som for eksempel skipsindustrien. Derfor vil spesialiserte bedrifter med høy kompetanse innen sitt fagfelt dra nytte av Seekuence Inspection raskere enn det som er mulig med tradisjonelle systemer for inspeksjon.