Slimmer, veiliger, sneller: AI transformeert voertuiginspecties
Kunstmatige intelligentie kan helpen om voertuigen op schade te inspecteren, stelt AI-onderzoeker Robin van Ruitenbeek.
Van Ruitenbeeks onderzoek richt zich op de automatisering van visuele voertuiginspecties. Het inefficiënte, subjectieve en foutgevoelige karakter van handmatige inspecties vormt een groeiend maatschappelijk en wetenschappelijk probleem, zeker in een mobiliteitslandschap dat steeds sterker leunt op deelconcepten, verhuur en online bezorgdiensten. De frequente overdracht van voertuigen tussen bestuurders noodzaakt herhaalde inspecties, wat resulteert in onnodige vertragingen en potentieel conflict over schade. Dit onderzoek beoogt de ontwikkeling van een volledig autonoom voertuiginspectiesysteem op basis van kunstmatige intelligentie. Er is onderzoek gedaan naar zowel de kunstmatige intelligentie voor de detectie van de schade, als de ontwikkeling van het autonome camerasysteem die in staat is om rijdende voertuigen te inspecteren. Het doel is om de nauwkeurigheid, snelheid en betrouwbaarheid van deze cruciale inspecties significant te verbeteren.
Van Ruitenbeek toont de effectieve automatisering van voertuigschade-inspecties aan door de inzet van AI en geavanceerde hardware. De resultaten laten zien dat AI-modellen, getraind op een omvangrijke dataset van voertuigschades, een detectiekwaliteit kunnen bereiken die vergelijkbaar is met menselijke experts. Hierbij speelt de toegepaste trainingsmethodologie een significante rol in de uiteindelijke inspectiekwaliteit. Daarnaast presenteren Van Ruitenbeek en zijn collega’s een nieuw algoritme dat voertuiginspecties vanuit meerdere cameraposities mogelijk maakt, wat de betrouwbaarheid en volledigheid van de schade detectie aanzienlijk verbetert. Verder is de cruciale invloed van de cameraplaatsing op de kwaliteit van de geautomatiseerde inspectie onderzocht. Door middel van een evolutionair algoritme en simulaties is de optimale configuratie van cameraposities voor het inspectiesysteem berekend. Tenslotte introduceren de onderzoekers een nauwkeurige methode om de real-time locatie van voertuigen tot op centimeterniveau te bepalen. Dit maakt het mogelijk om automatisch en consistent beeldmateriaal van passerende voertuigen vast te leggen, onafhankelijk van hun snelheid of model.
De bevindingen hebben aanzienlijke implicaties voor diverse sectoren. Voor autoverhuurbedrijven en aanbieders van deelauto's betekenen geautomatiseerde schade-inspectie snellere overdrachten, minder discussies over schade met klanten en een efficiëntere afhandeling van verzekeringsclaims. Zo kan een huurauto na terugkomst binnen enkele seconden volledig automatisch wordt gecontroleerd op nieuwe schade, waardoor de volgende klant niet hoeft te wachten en onterechte kosten vanuit de vorige huurder worden doorbelast. Ook voor de logistieke sector, met de groeiende stroom van pakketbezorging, kan het automatiseren van inspecties van bestelwagens bij elke shiftwissel de efficiëntie verhogen en de verantwoordelijkheid voor schade duidelijker maken. Daarnaast kunnen verzekeringsmaatschappijen profiteren van objectievere en gedetailleerdere schadebeoordelingen. Van Ruitenbeeks onderzoek sluit aan op de actualiteit van de groeiende deeleconomie en de zoektocht naar efficiëntere en duurzamere mobiliteitsoplossingen.
Het onderzoek is sterk datagedreven. Om de AI-modellen te ontwikkelen en te trainen, is een omvangrijke verzameling foto's van beschadigde voertuigen geanalyseerd. De ontwikkeling van de AI-modellen maakte intensief gebruik van cloud computing om snelle en diverse experimenten mogelijk te maken. Door middel van veldonderzoek zijn de resultaten van de automatische AI-detectie vergeleken met handmatige inspecties door schade-experts. Daarnaast speelden computersimulaties een belangrijke rol in de ontwikkeling van algoritmes en de visualisatie van resultaten, waarbij de wetenschappers frequent gebruikmaakten van 3D-modellen van auto's. Tot slot hebben de faciliteiten van Lensor hen in staat gesteld om oplossingen op grote schaal te testen, waaronder de ontwikkeling van prototypes ter validatie van de kwaliteit van de bevindingen.
Meer informatie over het proefschrift
