이 기술은 이미지 인식 AI 및 음성 인식 AI를 사용하여 산 터널을 발굴 할 때 카메라 비디오 데이터를 분석하는 멀티 모달 AI (※ 1)를 사용하여 건설 기계의 레이아웃과 각 작업에 필요한 시간을 자동으로 이해합니다. Cycleeye는 각 터널 발굴 작업에 필요한 시간 (주기 시간)에 필요한 시간과 문제 등으로 인해 작업 중지 시간 (다운 타임), 24/7에 대한 정보를 자동으로 수집하여 생산성을 향상시키고 사이트 관리 방법을 고려하는 데 필요한 데이터를 분석 할 수 있습니다. Cycleye는 바카라 쿠폰 Corporation과 Seoul University의 공동 개발 기술입니다.

가시주기 시간 및 다운 타임

• 각 사이클 시간은 차트 형태로 자동 측정 및 시각화됩니다. 콘크리트 스프레이 작업 시간에 대한 시계열 데이터를 표시하고 각 그룹의 파이 차트를 사용하여 선택된 근무일의 사이클 시간을 비교할 수 있습니다.
• 학습 곡선을 사용하여주기 시간과 누적 근로자 경험과 성취 수준을 시각화하여 생산성을 향상시켜 근로자의 동기를 향상시킵니다.

　　

멀티 모달 AI 정확도 향상

• 물체 감지 및 객체 추적을 사용하여 산 터널에서 발굴 중에 비디오 데이터 분석을 사용하면 각 건축 기계의 움직임을 파악할 수 있습니다. 동일한 건축 기계를 사용하여 구멍, 충전 및 잠금 볼트를 쏟을 때, 각 작업은 본체, 팔처럼 작용하는 붐 및 높은 고도에서 작동하는 인력 간의 위치 관계를 분석하는 자세 추정 기술을 사용하여 식별됩니다.
• 객체가 겹치면 AI는 더 이상 객체를 인식 할 수 없으므로 스펙트로 그램 (※ 2)은 작업 중에 발생하는 특성 사운드 및 기계 엔진 사운드와 같은 건설 현장에서 생성 된 사운드를 시각화합니다. 또한, 음향 장면 분류 (※ 3) 및 음향 이벤트 감지 시스템 (※ 4)과 같은 음성 인식 기술로 시스템을 보완함으로써 작업 내용 추정의 정확도가 향상되었습니다.



사이클 시간 이외의 건축 정보 검색

• 중장기의 작동 시간을 지속적으로 측정하여 터널 발굴 작업 중 CO2 배출량 추정.
• 임시 전단 저장 영역에서 토양의 양을 파악할 수없는 야간 작업의 경우, 전단 제거의 양은 덤프 트럭이로드되고 제거 된 횟수에 대한 기록에서 추정 될 수 있으므로, 획득 된 정보는 다음 날 전단 제거에서 작업 계획을 신속하게 계획하는 데 유용합니다. 또한, 각 작업 중 건설 기계의 위치 관계에 대한 데이터를 얻을 수 있으므로 터널 건설 기계의 자율성을위한 기본 데이터로 사용될 것으로 예상됩니다.

페이지 위로 이동