Data acquisition system for fault detection of guard rails

Abstract

Rekkverkinspeksjon er i dag en tidkrevende oppgave. Inspeksjonen blir utført ved visuell undersøkelse av rekkverket, og personen som undersøker må være opplært for å kunne identifisere feil på rekkverket.Vår oppdragsgiver prøver å automatisere denne prosessen ved å utvikle en maskinlæringsmodell for å oppdage feil på rekkverk ved hjelp av bilder.

Målet med oppgaven er å lage en applikasjon som forenkler prosessen med å få brukbare bilder av rekkverk, som skal behandles av maskinlæringsmodellen. Et annet mål er å kartlegge hvert bilde med en GPS-koordinat for rapportering av manglene til Statens vegvesen. Videre må applikasjonen ha et brukergrensesnitt som kan betjenes av ufaglært personell og som kan brukes trygt under kjøring.

Guard railing inspection is today a tedious task. The inspection is conducted by visually investigating the guard rail and the person investigating have to be a trained personnel for correctly identifying defects on the guard rails. The client is trying to automate this tedious process by developing a machine learning model to detect defects on guard railings by using images.

The aim of the thesis is to make an application that simplifies the process of getting usable images of guard railings, to be processed by the machine learning model. Another aim is to map each image with a GPS-coordinate, for reporting the defects to the NPRA. Furthermore the application must have a user interface that can be operated by untrained personnel and to be safely used while driving.

The results lefts us confident that we have developed an application with potential to be used by untrained personnel. It is still requiring further work to be a solid solution to the problem, but is now functioning as an application used by the client for capturing images to train their model.