Asset detectie met deep learning

asset detectie

Asset detectie met deep learning

Binnen de energie-, mobiliteit- en telecommarkt heeft men veel te maken met assets, denk aan kabels, zekeringen en energiemeters. Organisaties die in deze markten opereren beschikken (vaak) over een schat aan data over deze assets. Dit kan bestaan uit sensor data, maar ook image data wordt veelal gebruikt. Het ConsultancyHuis erkent de waarde van deze data en stelt zich graag ondernemend op. Daarmee is er een groep collega’s actief aan de slag gegaan om de waarde van image data te ontsluiten en om te zetten in business waarde. Dit heeft geleid tot het introduceren van een demo-app, genaamd de ‘Assetscanner’, die in staat is om assets te detecteren op foto’s.

De techniek achter de Assetscanner is gebaseerd op object detectie; een deep learning techniek voor image data. Zoals de naam al aangeeft gaat het om het detecteren van objecten, bijvoorbeeld assets, in foto’s. Dit kunnen verschillende assets zijn of diverse soorten van dezelfde asset. Detectie omvat twee taken: classificatie en lokalisatie. In classificatie proberen we te voorspellen of een foto, of een gedeelte van een foto, een bepaald object bevat. Als het antwoord hierop ja is, gaan we verder met lokalisatie. We willen immers ook weten wáár dit object zich dan bevindt. Het resultaat is uiteindelijk een foto met daarin aangeduid welk object zich waar bevindt, door middel van een bounding box of polygoon.

asset detectie

Bij het bouwen van een object detectie model zijn er verschillende uitdagingen. Allereerst moet de data aan bepaalde (kwaliteits)eisen voldoen, zoals

  • de verschillende objecten of categorieën hebben onderscheidende kenmerken, zoals vorm en kleur
  • er zijn ongeveer 100 foto’s beschikbaar per categorie
  • de resolutie van de foto’s is voldoende

Daarnaast is object detectie een supervised learning methode. Dat betekent dat er geannoteerde data nodig is om het model te trainen. In het geval dat we geïnteresseerd zijn in het verkrijgen van bounding boxes rondom een bepaald object moeten we een data set hebben die per foto ook de bijbehorende bounding boxes bevat. Gelukkig kunnen we een dergelijke data set creëren door gebruik te maken van open source annotatie tools, zoals LabelImg.

Op het moment dat de bovenstaande uitdagingen overkomen kunnen worden en een object detectie model succesvol geïmplementeerd is, kan de waarde ervan enorm zijn voor een organisatie. Zo kan het een hoop tijd besparen als een expert bijvoorbeeld niet meer naar een locatie hoeft te komen om vast te stellen welke slimme meter er in de meterkast hangt. Kortom, object detectie is een veelbelovende deep learning techniek die op uiteenlopende problemen toegepast zou kunnen worden. Niet alleen asset management, maar ook andere vakgebieden die te maken hebben met image data kunnen profiteren van de voordelen.

De Assetscanner is een succesvol project waarin Het ConsultancyHuis de verbinding met de business heeft gezocht om een duurzame oplossing te bieden. Benieuwd naar de mogelijkheden voor jouw organisatie? Neem contact op!