Ziel des Projektes „ABC-Inspekt“ ist es, eine signifikante Optimierung und effizientere Durchführung der Container-Kraninspektionen bei gleichzeitiger Kosteneinsparung zu erreichen. Dieses trägt zur Erhöhung der Gerätezuverlässigkeit, der Umschlagsleistungen der Hafenterminals und des reibungslosen Zu- und Ablaufs der Güter auf der Seeseite und damit letzt-endlich zur Steigerung der Wettbewerbsfähigkeit der deutschen Seehäfen bei.
Für die Aufrechterhaltung des unterbrechungsfreien und ganztägigen Einsatzes der Container-brücken (24 Stunden/ 365 Tage) in einem Seehafen ist die Durchführung einer qualifizierten Inspektion außerordentlich wichtig. Mittlerweile werden Drohnen/Multikopter eingesetzt, um umfangreiches Bildmaterial von neuralgischen Konstruktionsbereichen der Containerbrücken zu gewinnen. Veränderungen in der Oberfläche der Konstruktion (Farb-Irritationen, Oberflächen-Wölbungen, Rostanfall,) müssen frühzeitig erkannt werden, da es sonst zu Folgeschäden oder sogar Brüchen an den Container-brücken kommen kann. Die visuelle Auswertung des von den Drohnen erfassten Bildmaterials erfolgt gegenwärtig manuell mit Hilfe von qualifizierten Fachkräften. Durch Inaugenscheinnahme der zahlreichen Aufnahmen und auf Grundlage von persönlicher Einschätzung, Erfahrung und der jeweiligen Tagesform des Mitarbeiters, werden Analysen durchgeführt und Entscheidungen getroffen. Hier können die Ergebnisse einer Untersuchung variieren; es bestehen dabei auch Risiken, bestimmte Verdachtspunkte nicht zu erkennen.
Um die Effizienz und die Qualität der Auswertung von gemachten Fotos zu steigern, die Arbeitssicherheit zu wahren und letztendlich die Zuverlässigkeit der Containerbrücken bei der Be- und Entladung von Containerschiffen zu erhöhen, wird ein Prüfungs- und Bilderkennungssystem benötigt, das die erstellten Fotos mit Hilfe einer im Rahmen dieses Forschungsprojektes noch zu entwickelnden Technologie effizient, leistungsfähig und sicher auswertet, analysiert und dokumentiert.
Die Abb. 1 zeigt das Konzept des Forschungsprojektes. Dabei soll mit Hilfe eines selbstlernenden, automatischen Bilderkennungssystems auf Grundlage eines KI-Ansatzes eine Auswertung von erflogenem Bildmaterial vorgenommen werden und über einen längeren Zeitraum ein automatischer Abgleich von Veränderungen derselben Flächen und Bereiche der Containerbrücken erfolgen. Die Bilder, Auswertergebnisse und Annotationen werden in einer leistungsfähigen Datenbank gespeichert, die für eine verbesserte Dokumentation der Verdachtspunkte, zur Verbesserung der Wartungsprozesse und einer Absicherung hinsichtlich der Haftungsfragen sorgen soll. Da diese Herausforderungen bei dem Einsatz von großen Container- und Massengutumschlagsbrücken auch für alle anderen deutschen Hafenumschlagsunternehmen relevant sind, ist eine anschließende Übertragung der entwickelten IT-Lösung auf anderen deutschen Hafenstandorte, aber auch Kranhersteller, denkbar.
Bildanalyse | DatenBank |
---|---|
Dr.-Ing. Mehdi Maboudi | Dr.-Ing. Ahmed Alamouri |
M.Sc. Vanessa De Arriba López | M.Sc. M. Shafi Bajauri |
Förderinstitution: | Bundesministerium für Verkehr und digitale Infrastruktur BMVI |
---|---|
Förderkennzeichen: | 19H19007B |
Laufzeit: | 01.12.2019 – 31.05.2022; verlängert bis 30.09.2022 |
Kooperationspartner: | Institut für Geodäsie und Geoinformation, TU Braunschweig |
HHLA – Hamburger Hafen und Logistik Aktiengesellschaft |