Slik tar Statens vegvesen i bruk maskinsyn

– Vi har arbetat mycket i piloter, men det har stannat där. Det har inte blivit en del av de officiella processerna, sier Johan Olof Wåhlin, analytiker ITS-teknologi i Statens vegvesen.

Utfordringen har ikke først og fremst vært modellene, men hvordan teknologien kan inngå i etablerte systemer og arbeidsprosesser. Når løsninger blir stående som enkeltprosjekter, skalerer de ikke, og verdien forblir lokal.

Et felles fundament for maskinsyn

Statens vegvesen samler inn rundt 7 millioner veibilder hvert år gjennom sitt landsdekkende bildeprogram. Bildene representerer et betydelig verdipotensial, men har tidligere vært vanskelig å utnytte systematisk på tvers av fagmiljøer.

Ulike enheter har måttet kjøpe egne løsninger og samle inn data for hvert behov. Resultatene ble ofte levert i separate dashboards fra leverandører, uten at modeller eller data kunne deles videre i organisasjonen.

– Vi har komponenter och byggklossar som gör att organisationen faktiskt kan jobba med machinesyn istället för att bara köpa løsninger fra leverandører.

Samarbeidet med Norconsult Digital har handlet om å etablere struktur rundt arbeidet. Maskinsyn kjøres nå på Vegvesenets egen dataplattform, med verktøy for annotering, modelltrening, versjonering og sporbarhet.

– Den stora skillnaden är att vi i dag kan köra machinesyn på vår dataplattform. Tidigare var det inte möjligt att göra någonting, sier Wåhlin.

Når bilder og modeller inngår i en felles arbeidsflyt, kan flere prosjekter bygge videre på eksisterende arbeid. Det reduserer behovet for å starte fra bunnen hver gang og legger til rette for mer effektiv bruk av data på tvers av organisasjonen.

Fra Norconsult Digital har Lill Maria Gjerde Johannessen og Andreas Thyholt Henriksen hatt sentrale roller i arbeidet. Kristoffer Røise har nylig tatt over prosjektansvaret fra Henriksen og viderefører arbeidet i tett samarbeid med kunden. 

Bildedata som strategisk ressurs

Et konkret eksempel er anonymisering av veibilder. Bildene inneholder blant annet personer og kjøretøy og må anonymiseres før de kan publiseres og brukes videre.

Tidligere var anonymiseringen mer manuell og ressurskrevende. Nå behandles millioner av bilder gjennom en mer strukturert og skalerbar løsning på dataplattformen. Det gjør at bildene raskere kan gjøres tilgjengelige for nye analyser og prosjekter.

– Vi tror att det här är en extremt värdefull källa, sier Wåhlin.

Når de anonymiserte bildene først er tilgjengelige, kan de brukes til nye formål – for eksempel kvalitetssikring av fartsgrenser eller analyse av tilstand på vei og utstyr langs veinettet.

Ambisjonen er at maskinsyn skal bli en del av ordinær drift, ikke et særskilt prosjekt.

Wåhlin trekker også frem samarbeidet som avgjørende.

– Utan Lill Maria och Andreas hade vi inte varit i närheten av där vi är i dag. De har varit otroligt professionella och pålitliga.

Når maskinsyn inngår i eksisterende systemer og arbeidsprosesser, blir det mulig å utnytte verdien i bildedataene mer systematisk, og over tid.