Droner og maskinlæring spiller en afgørende rolle for at kunne forlænge levetiden af Storebæltsbroen. Sund & Bælts anvendelse af de teknologier har nu givet så meget genlyd, at FN’s World Intellectual Property Organization (WIPO) har fremhævet løsningen som klimateknologi i deres flagskib-database “Green Technology Book”.
Databasen blev offentliggjort på den internationale klimakonference COP28 allerede 6. december.
Databasen er en gratis offentlig ressource, hvor folk der leder efter løsninger, kan søge blandt mere end 120.000 grønne teknologier. Løsningen er blevet udvalgt blandt hundredvis af løsninger, og det glæder selvfølgelig Bjarne Jørgensen, der er direktør for Commissioning & Large Projects hos Sund & Bælt.
AI analyserer tusindvis af dronebilleder
Som andre betonkonstruktioner er Storebæltsbroen udfordret af, at beton forringes over tid, og at stålkonstruktionen kan blive udsat for rust. For at håndtere det, bruger Sund & Bælt droner og maskinlæringsalgoritmer til at analysere de tusindvis af luftbilleder, som de tager af broen. Billederne gemmes på en digital platform, og algoritmerne identificerer de skader i betonen, som skal repareres.
– Vi er glade for, at erfaringerne fra vores drift kan være til gavn for organisationer i industrien over hele verden gennem denne nye løsning. Med teknologien får vi et endnu bedre indblik i betonens tilstand og derfor bedre muligheder for at udføre forudsigelig vedligeholdelse af broen, som forlænger anlæggets levetid. Teknologien er et væsentligt bidrag til den grønne dagsorden for eksisterende broer og tunneller, forklarer Bjarne Jørgensen.
Automatisk udvælgelse af billeder
Det er 3D-eksperter fra Alexandra Instituttet, der har hjulpet Sund & Bælt med at videreudvikle løsningen til betoninspektion. Ifølge Tejs Scharling, så er kernen i teknologien, at man automatisk genkender eventuelle skader ved hjælp af kunstig intelligens, der analyserer billeder af betonen.
– Det fungerer på den måde, at flere hundrede 2D-dronebilleder af en bropille bliver konverteret til en 3D-model. Når den kunstige intelligens registrerer samme skade i flere overlappende 2D-billeder, opdages dette gennem 3D-modellen, fortæller Tejs Scharling, der er Principal Solutions Architect hos Alexandra Instituttet.
Løsningen har lettet den ofte tunge proces med at arbejde med manuelle inspektioner. Teknologien betyder bl.a., at man kan følge den enkelte skades udvikling over tid, og det er med til at forbedre vurderingen af den enkelte skade, så man kan tage bedre beslutninger ift. forebyggende vedligehold.
WIPO’s beskrivelse af Sund & Bælts løsning til betoninspektion kan ses her:
