Mjukvara för drönarinspektion och datorseende
Drönare gjorde det billigt att samla in inspektionsfilm. Att granska den blev inte billigare – en inspektör tittar fortfarande igenom timmar av video för att hitta en handfull defekter. Vi bygger pipelines för datorseende som lyfter fram kandidaterna, låter dina inspektörer fatta beslutet och kopplar varje bekräftat fynd till rätt objekt.
- 1InläsningVideo, stillbilder och telemetri för GPS / höjd per flygning
- 2Urval & rensningBara distinkta vyer – överlapp borttaget
- 3DetekteringDetektering och segmentering per defektklass
- 4InspektörsgranskningBekräfta, avvisa eller korrigera varje detektion
- 5Geotaggning & rapportFynden på kartan, på objektet och i rapporten
Granskarnas beslut matas tillbaka in i träningen – modellen blir bättre som en del av det vanliga inspektionsarbetet.
Det här får du
När det passar
- Du samlar redan in drönarbilder i stor volym och inspektörernas granskningstid är flaskhalsen
- Du kan namnge de defektklasser som spelar roll (korrosion, sprickor, saknade komponenter, vegetation som växer in, hotspots) och hur var och en ser ut
- Dina inspektörer kan avsätta några timmar i veckan till märkning och granskning de första månaderna – modellen lär sig av dem
- Fynden behöver hamna i ett befintligt anläggningsregister, GIS eller rapporteringsflöde snarare än i en fristående dashboard
När det inte passar
- Du behöver en drönaroperatör – vi bygger mjukvaran; dina piloter eller din leverantör av flygtjänster flyger uppdragen enligt Part 107, EASA eller lokala regler
- Helt automatiserad rapportering utan mänskligt godkännande är ett krav – vi designar för att en inspektör bekräftar varje rapporterad defekt
- Bilderna finns inte än och insamlingsprotokollet (höjd, vinkel, överlapp, sensor) är inte fastställt – lös insamlingen först, annars tränas modellerna på inkonsekventa data
- En färdig inspektionsplattform täcker redan din typ av anläggningar och defekter – licensiera den och integrera den i stället
Process
Vecka 1–3: discovery och datagenomgång – exempelflygningar, defekttaxonomi, granskning av insamlingsprotokollet och ett märkt utvärderingsset som tas fram tillsammans med dina inspektörer. Vecka 4–8: inläsning, urval av bildrutor, en baslinjemodell för de första en till tre defektklasserna och granskningsgränssnittet, så att inspektörerna tidigt börjar bekräfta riktiga detektioner. Vecka 9–14: omgångar av aktiv inlärning, geotaggning och integration med anläggningsregistret, rapportgenerering och batchinferens i produktion. Driftsättning på edge och fler defektklasser följer som separata faser, var och en med utvärderingssetet som spärr.
Hela leveransprocessenBranscher där vi erbjuder det här
Vanliga frågor
- Hur mycket märkt data behöver vi för att komma igång?
- Mindre än de flesta team tror, men mer än noll. För en visuellt distinkt defektklass räcker oftast några hundra välmärkta exempel för en användbar första modell; subtila eller sällsynta defekter kräver fler. Vi utgår från förtränade detektionsmodeller, märker de mest informativa bildrutorna först med aktiv inlärning och använder inspektörernas granskningsbeslut som nya etiketter – så att datasetet växer under den vanliga driften i stället för i ett separat märkningsprojekt. Datagenomgången i discoveryfasen visar hur mycket du redan har.
- Kan modellerna köras på drönaren eller på edge?
- Ofta, med vissa avvägningar. Detektering för ett litet antal defektklasser kan köras på hårdvara i Jetson-klassen på drönaren eller i en markstation, vilket är användbart när ett team behöver resultat innan det lämnar platsen. Analys i full upplösning över många klasser fungerar oftast bättre som batchinferens på GPU:er i molnet efter flygningen. Modellerna exporteras till ONNX så att samma modell kan driftsättas på båda; vi mäter träffsäkerhet och latens på din faktiska hårdvara innan vi rekommenderar det ena eller det andra.
- Hur träffsäker blir den?
- Vi anger ingen siffra innan vi har sett dina bilder. Träffsäkerheten beror på defektklass, bildupplösning, hur konsekvent insamlingen är och etiketternas kvalitet. Det vi däremot förbinder oss till är mätning: ett avskilt utvärderingsset som tas fram tillsammans med dina inspektörer, precision och recall redovisade per defektklass och konfidenströsklar som väljs tillsammans med dig – för säkerhetsrelevanta defekter tar man oftast fler falsklarm i utbyte mot färre missar. Varje rapporterat fynd bekräftas fortfarande av en inspektör.
- Vem äger de tränade modellerna och datan?
- Det gör du. Bilder, etiketter, tränade vikter, träningskod och utvärderingsset överlåts till dig enligt ett standardavtal om uppdragsarbete (work-for-hire). Vi kontrollerar också licenserna för förtränade modeller och bibliotek i förväg – vissa populära ramverk för detektering har copyleft- eller kommersiella licensvillkor som spelar roll om modellen levereras inuti din produkt.
- Hur passar det in i vårt befintliga inspektionsflöde?
- Det placeras mellan insamling och rapportering. Dina piloter flyger samma uppdrag; filmen laddas upp som i dag; inspektörerna arbetar i granskningsgränssnittet i stället för att spola igenom video; bekräftade fynd skickas till ditt anläggningsregister, GIS eller underhållssystem via dess API eller en export som ditt team redan använder. Vi kartlägger det nuvarande flödet i discoveryfasen och ändrar så lite av det som möjligt.

Vem som bygger det
Vårt eget team, som arbetar från vårt kontor i East Sarajevo, Bosnien och Hercegovina. Ingenjörerna på ditt behovssamtal är samma personer som bygger det.
Möt teametDatorseende och drönarinspektion – ska vi prata?
Ett 30 minuters behovssamtal. Förutsättningslöst och utan säljtryck.