Geselecteerd voor Rijkswaterstaat Challenge

Studio diip is geselecteerd om deel te nemen aan de Challenge Detectie van Rijkswaterstaat. Deze challenge gaat over het detecteren van onveilige situaties op bruggen. Aangezien het detecteren van mensen en voertuigen een van onze expertises is hebben we een voorstel ingediend waarmee we dit kunnen laten zien in de testopstelling. Tijdens de testdag op 13 mei zullen allerlei omstandigheden gesimuleerd worden die tot mogelijke onveilige situaties kunnen leiden. Het is dan aan de systemen van de deelnemers om deze situaties te detecteren en operators tijdig te waarschuwen.

Onze huidige detectie software is reeds getest op allerlei beelden van verkeerssituaties en voor de challenge hebben we een simulatie model ontwikkeld, zodat we specifieke situaties op bruggen kunnen nabootsen. In de tijd tot de testdag zullen we ons systeem doorontwikkelen zodat deze goed overweg kan met de specifieke vragen van Rijkswaterstaat.

De Rijkswaterstaat Challenge Detectie is onderdeel van het programma Smart Patrol, wat als doel heeft om de observatie van objecten nog veiliger te maken door de inzet van vaartuigen, slimme camera’s en drones. Samen met de operatie, kennisinstituten en markt worden allerlei nieuwe technieken onderzocht om het RWS werk slimmer en sneller in te richten.

 

Even voorstellen: José

We hebben weer een nieuw teamlid om aan te kondigen: José. José voltooide zijn Master of Science op het gebied van Information Systems and Computer Engineering op de Instituto Superior Técnico in Lissabon. Tijdens zijn master specialiseerde hij zich in Intelligent Systems, Data Processing en Analysis. Gedurende zijn scriptie, groeide zijn interesse steeds meer naar Computer Vision toe, zodoende leidde dat tot deze nieuwe uitdaging bij Studio diip.

Studio diip presenteert: Computer vision demo

Computer Vision demo 

Bij veel projecten van Studio diip maken we gebruik van deep learning waarin we een neuraal netwerk trainen om specifieke objecten te detecteren. Het komt vaak voor dat wij specifieke netwerken trainen voor onze klanten, maar de mogelijkheden niet mogen laten zien aan het publiek. Daarom hebben we besloten om tijd te investeren in het creëren van een online demo waarin objecten herkend kunnen worden. Je kunt zelf een eigen afbeelding testen met standaard algoritmes die getraind zijn voor verschillende objecten. De algoritmes zijn getraind op duizenden foto’s met verschillende thema’s die je ook afzonderlijk op deze pagina’s kunt testen: Dieren detecteren, Elektronica detecteren, Voertuigen detecteren en  Maritieme beeldherkenning.  De Computer vision demo detecteert specifieke objecten in een afbeelding en laat zien waar het object zich bevindt en hoe zeker het object herkend wordt. 

 

 

Maritieme beeldherkenning sloopboten aan de haven

Sleepboten in de haven gedetecteerd met de Computer Vision demo.

Trainen van deep learning netwerken

We maken gebruik van de programma’s zoals Keras en TensorFlow. Keras is een open source netwerk geschreven in Python, die samenwerkt met de software van TensorFlow. De library van TensorFlow is geschikt voor het ontwikkelen en trainen van bepaalde netwerken voor deep learning. Door middel van deze software kunnen wij in kaart brengen hoe goed het algoritme presteert. Voor deze demonstratie zijn de objecten getraind op de uitgebreide COCO dataset (Common Objects in COntext) en wordt de kans dat een veelvoorkomend object voorkomt. Voor de voorbeelden is een algoritme gebruikt dat getraind is op duizenden foto’s met allerlei thema’s die komen uit de dataset. Deze database bevat afbeeldingen van de onderwerpen waarbij door mensen is aangegeven welk onderdeel het is en waar het ‘object’ zich in de foto bevindt. Hiermee kan een lerend algoritme zichzelf trainen om automatisch te herkennen hoe zo’n object er uit ziet in andere foto’s. Natuurlijk is het ook mogelijk om deze techniek in te zetten om andere thematieken te detecteren.



Toepassingen van AI in beeldherkenning

De technologie die gebruikt wordt in de Computer vision demo kan toegepast worden op verschillende manieren. Wij kunnen bijvoorbeeld een netwerk trainen dat elektronica op een vliegveld analyseert of wanneer je veiligheidsproblemen wil screenen tijdens een groot event. De tool kan gebruikt worden in bijvoorbeeld de logistiek, wetenschap, entertainment en industrie. Een beginner kan de tool gebruiken voor educatieve doeleinden en een ervaren wetenschapper of ingenieur kan de informatie gebruiken voor het automatiseren van complexe processen. We kunnen verschillende online en offline beelden gebruiken om objecten te identificeren, tellen en volgen. Denk hierbij aan beveiligingsbeelden, satellietopnames, warmtebeelden of online streaming. We kunnen de tool toepassen op computers of laptops (Windows of Apple) en het werkt ook prima op een smartphone (iPhone of Android).

Detecting a herd of zebras

Slimme beeld detectie op een kudde zebras

 

 

 

 

Patent voor herkenning 3D objecten

Samen met 3D print bedrijf Shapeways heeft Studio diip gewerkt aan een 3D scanner die in staat is om objecten automatisch de identificeren. De 3D scanner en maatwerk software zijn in staat om een 3D model te matchen met een 3D scan van een object. Hierdoor kan het systeem supersnel CAD modellen uit een database koppelen en schade of productiefouten opsporen.

Uiteindelijk heeft deze ontwikkeling geleid tot een US patent dat door Shapeways is ingediend (US 2018 / 0104898 A1). We zijn er uiteraard erg trots op dat we hier aan meegewerkt hebben, maar ook zeker op het feit dat Thomas de Wolf, Guust Hilte en Jop van Rooij van Studio diip in het patent als uitvinders genoemd worden.

Je kunt meer vinden over onze diensten in 3D beeldherkenning op de beeldmateriaal pagina of over 3D scanning systemen op de project pagina.