Af Nelly Sander, TECH Dekansekretariat

Problemet kort fortalt: Til vedligeholdelse og sikring af kloaknettet, som er en essentiel del af landets infrastruktur, kræves uddannede kloakinspektører, som er eksperter i at manøvrere en fjernstyret robot igennem kloakkerne, mens de kigger efter fejl på et tv-billede fra robotten. Da der, i sagens natur, er langt flere kloakker, end der er kloakinspektører, går der ofte lang tid mellem de vigtige inspektioner. Derfor øges risikoen for, at noget kan gå galt med kloakken − noget, der både kan være dyrt at reparere og have store konsekvenser for både miljø og sundhed.

Joakim Bruslund Haurum og hans kolleger forsker derfor i at automatisere kloakinspektionerne ved hjælp af automatisk navigation af robotter og automatisk fejlgenkendelse ved brug af billeder. De anvender den videnskabelige disciplin, der betegnes computer vision, dvs. at man ved hjælp af billeder, video og deep learning-modeller træner software til at kunne genkende og klassificere objekter. I forbindelse med forskningen har Joakim Bruslund Haurum og hans AAU-kolleger udgivet verdens første og mest diverse dataset til genkendelse af fejl i kloakker ud fra billeder, som derved kan træne softwaren i at detektere fejl.

Joakim Bruslund Haurums forskning foregår i regi af Pionercenteret for AI: En national satsning, som skal styrke forskningen i kunstig intelligens på landsplan. AAU har flere forskere repræsenteret, bl.a. postdoc. Joakim Bruslund Haurum og professor Thomas Moeslund, som begge er eksperter inden for computer vision.

I denne video er der mere viden at hente – både om forskningen og om Pionercenteret for AI.