KI-Sicherheitsüberwachung für Brückenkrane: YOLOv8-Objekterkennung

Bei der Sicherheitsüberwachung von Brückenkränen ist die größte Gefahr nicht ein defektes Bauteil, sondern dass die Maschine weiterläuft, während sich Personen im Gefahrenbereich aufhalten. Herkömmliche Lösungen mit Zäunen und Lichtschranken haben viele tote Winkel, erzeugen zahlreiche Fehlalarme und verursachen hohe Wartungskosten. In den letzten zwei Jahren hat sich die visuelle KI-basierte Sicherheitsüberwachung von „gerade nutzbar" zu „zuverlässig im Alltag" entwickelt: Mit nur einer Industriekamera und einer Jetson-Edge-Computing-Box lassen sich Lastzustand, Personenzutritt und das Tragen von Schutzhelmen in Echtzeit erkennen – bei einer Erkennungsgenauigkeit von über 98 % und Stückkosten unter 5.000 CNY (ca. 640 EUR).

Systemarchitektur im Überblick: Vier Ebenen für die Kran-Sicherheitsüberwachung

Das visuelle KI-Sicherheitsüberwachungssystem ist funktional in vier logische Ebenen gegliedert. Die Ebenen sind über Standardprotokolle (MQTT/RESTful-API/RTSP) entkoppelt und unterstützen sowohl die Einzelinstallation an einem Brückenkran als auch die kaskadierte Bereitstellung für mehrere Krane in der gesamten Werkstatt.

1.1 Erfassungsebene

Die Erfassungsebene besteht aus Industriekameras, die unterhalb der Kranbrücke und an der Laufkatze montiert sind. Sie erfassen die Live-Videostreams des Lastbereichs, der beidseitigen Schienengänge sowie der Arbeitsbereiche des Personals. Die Kameras werden per PoE-Kabel oder industriellem WLAN an den Edge-Computing-Knoten angebunden und übertragen H.265-komprimierte Videostreams mit 1080P@30fps.

1.2 Algorithmus-Ebene

Die Algorithmus-Ebene läuft auf dem Edge-Computing-Gerät (NVIDIA Jetson Orin NX) und nutzt das YOLOv8-Modell für die Objekterkennung. Wir haben bereits in einem früheren Beitrag über die KI-basierte Online-Erkennung von Schweißnähten an Brückenkränen über unsere Erfahrungen mit YOLO in Krananwendungen berichtet. Die Erkennungsergebnisse umfassen: Position und Begrenzungsrahmen von Personen, Status der Schutzhelmnutzung, Lasttyp und Lastbereich sowie den Zustand der Warnlinien. Die Inferenzlatenz liegt unter 30 ms und erfüllt damit die Anforderungen an die Echtzeitüberwachung.

1.3 Anwendungsebene

Die Anwendungsebene übersetzt die Erkennungsergebnisse der Algorithmus-Ebene in sicherheitsrelevante Logikentscheidungen: Bei Personenzutritt in den Gefahrenbereich des laufenden Brückenkrans wird ein akustischer und optischer Alarm ausgelöst und der Kran verzögert; ist der Lastbereich frei von Personen, ist Volllastbetrieb zulässig; fehlender Schutzhelm wird als Verstoß dokumentiert und per Foto archiviert. Die Anwendungsebene ist außerdem für die Kommunikation mit der Kran-SPS zuständig und übermittelt die Sicherheitssignale über Modbus TCP oder Profinet an das Sicherheitsmodul der SPS.

1.4 Anzeigeebene

Die Anzeigeebene stellt einen webbasierten Überwachungsbildschirm sowie Alarm-Push-Benachrichtigungen auf Mobiltelefonen bereit. Sie zeigt in Echtzeit die Erkennungsbilder aller Brückenkrane, Alarmprotokolle, Betriebszustände und statistische Daten. Die Daten werden in einer lokalen SQLite-Datenbank gespeichert und ermöglichen eine Historie von 90 Tagen.

YOLOv8-Modellauswahl und Leistungsvergleich

YOLOv8 ist ein von Ultralytics im Jahr 2023 veröffentlichtes Echtzeit-Objekterkennungs-Framework, das vortrainierte Modelle in fünf Größen – N, S, M, L und X – anbietet, die von leichtgewichtig bis hochpräzise verschiedene Einsatzszenarien abdecken. Bei der Überwachung von Brückenkranen muss die Modellwahl einen Ausgleich zwischen Inferenzgeschwindigkeit, Erkennungsgenauigkeit und Hardwarekosten schaffen.

Empfohlene Lösung: Kombination aus YOLOv8m + Jetson Orin NX. Nach INT8-Quantisierung beträgt die Inferenzlatenz 7,2 ms. Ein einzelnes Edge-Gerät kann gleichzeitig 4 Video-Streams in 1080p verarbeiten, die Gesamtlatenz bleibt unter 30 ms – dies erfüllt die Echtzeitanforderungen der Brückenkran-Überwachung. Die Kosten pro Kanal belaufen sich auf ca. 4.500 CNY (rund 576 EUR).

Edge-Computing-Hardware im Vergleich für die Kranüberwachung

Die Wahl der Edge-Computing-Plattform bestimmt maßgeblich die Inferenzleistung und die Bereitstellungskosten des Systems. Nachfolgend werden drei gängige Lösungen für den Einsatz in der Brückenkran-Überwachung gegenübergestellt:

Der Jetson Orin NX übertrifft Industrie-PCs in Rechenleistung, Energieeffizienz, Temperaturbeständigkeit und Installationsfreundlichkeit und ist damit die optimale Wahl für die Edge-basierte visuelle KI-Erkennung an Brückenkranen.

Lastenerkennung im Detail: Technik und Umsetzung

Die Lastenerkennung ist eine der Kernfunktionen der visuellen KI für Brückenkrane. Sie muss verschiedene Lasttypen wie Stahlcoils, Knüppel, Stahlbleche, Formwerkzeuge und Container identifizieren und deren Position während des Transports kontinuierlich verfolgen. In Verbindung mit der Fahrzeug-IoT-Fernüberwachungsplattform entsteht ein durchgängiger Datenkreislauf von der Erkennung über die Verfolgung bis zur Einlagerung.

4.1 Datenerfassung und Annotation

Empfohlen werden 5.000 bis 10.000 Aufnahmen aus der realen Einsatzumgebung, die unterschiedliche Lichtverhältnisse (Tageslicht, Nacht, Gegenlicht), verschiedene Lastpositionen (gerade, seitlich geschwenkt, gedreht) sowie unterschiedliche Hintergründe (sauber, unübersichtlich, teilweise verdeckt) abdecken. Die Annotation erfolgt im YOLO-Format: Für jedes Bild werden die Begrenzungsrahmen der Last sowie die Klassenbezeichnung erfasst. Mit Tools wie LabelImg oder CVAT liegt der Durchsatz bei etwa 100 Bildern pro Stunde und Person.

4.2 Trainingsparameter des Modells

# YOLOv8m Trainingskonfiguration（Schlüsselparameter） model = YOLO('yolov8m.pt') results = model.train( data='crane_dataset.yaml', epochs=200, imgsz=640, batch=16, lr0=0.01, lrf=0.01, optimizer='AdamW', augment=True, hsv_h=0.015, # Farbtonverstärkung hsv_s=0.7, # Sättigungsverstärkung hsv_v=0.4, # Helligkeitsverstärkung degrees=5.0, # Drehungsverstärkung（Brückenkran-Szene mit Last bei geringer Neigungswinkel） translate=0.1, scale=0.5, fliplr=0.5, mosaic=1.0, mixup=0.3, )

Das Training auf einer NVIDIA RTX 4090 dauert etwa 4 bis 6 Stunden; der mAP50-Wert erreicht 92 bis 95 %. Nach dem Training wird das Modell in das ONNX-Format exportiert und anschließend mit TensorRT in eine INT8-Engine für die Edge-Bereitstellung konvertiert.

4.3 TensorRT-Bereitstellung

# TensorRT INT8 Quantisierungs-Deployment-Befehl trtexec --onnx=yolov8m_crane.onnx \\\\ --saveEngine=yolov8m_crane_int8.engine \\\\ --int8 \\\\ --calib=crane_calib_data \\\\ --buildOnly \\\\ --workspace=4096

Nach der INT8-Quantisierung reduziert sich das Modellvolumen von 52 MB auf 15 MB; die Inferenzzeit sinkt von 16 ms (FP16) auf 7 ms. Die Präzisionsverlustkontrolle bleibt dabei unter 1 %.

Personensicherheitserkennung: Drei Schutzfunktionen im Überblick

Die Personensicherheitserkennung umfasst drei Teilfunktionen: Erkennung von Grenzüberschreitungen in Sicherheitszonen, Erkennung des Tragens von Schutzhelmen sowie eine elektronische Zaunfunktion. Das System führt zwei unabhängige YOLOv8-Modellinstanzen parallel aus – eine Instanz erkennt Personen und deren Begrenzungsrahmen, die zweite analysiert den Kopfbereich und klassifiziert, ob ein Schutzhelm getragen wird.

Engineering-Umsetzung: Die kritischen Punkte

Bei der Überführung eines visuellen KI-Systems für Brückenkräne vom Prototyp in die Serienproduktion treten zwangsläufig einige typische Herausforderungen auf. Wer diese im Vorfeld kennt, spart sich monatelange Umwege.

① Lichtverhältnisse – Die größte Quelle für Datenverteilungsabweichungen
Die Beleuchtung im Kranbereich schwankt je nach Ausrichtung der Werkshalle, Wetter, Jahreszeit und Schaltzustand der Beleuchtung. Die Helligkeit ein- und derselben Szene kann um das Hundertfache variieren. Lösung: Beim Training eine starke Datenaugmentierung einsetzen (Parameter hsv_h/hsv_s/hsv_v). Beim Betrieb zusätzlich LED-Arbeitsleuchten (Farbtemperatur 5.000 K, Leistung ≥ 30 W) verwenden, um eine Mindestbeleuchtungsstärke von 10 Lux im Bild zu gewährleisten.

② Verdeckung und Stapelung der Last – Die Schwachstelle der Einzelkamera-Erkennung
Während des Transports kann die Last durch umliegende Anlagen oder andere Lasten verdeckt werden, was die kontinuierliche Erkennung beeinträchtigt. Es wird empfohlen, 2–3 Kameras aus unterschiedlichen Winkeln auf denselben Bereich zu richten. Die Ergebnisse der Mehrfachkamera-Erkennung werden mittels Kalman-Filter fusioniert. Bei Erkennungsverlust ist eine Vorhersage-Extrapolation von maximal 5 Frames (ca. 170 ms bei 30 fps) zulässig.

③ Vibration und Erschütterung – Mechanische Störungen im Kranbetrieb
Die Bewegung der Kranbrücke und der Laufkatze versetzt den Brückenkran und die Kameras in Schwingung. Niederfrequente Vibrationen (2–10 Hz) führen zu unscharfen Bildern und instabilen Erkennungsergebnissen. Die Kamerahalterung sollte mit einem gedämpften Sockel (Naturgummi, Schichtdicke 10 mm) ausgestattet sein. Auf der Algorithmus-Seite wird ein IOU-basierter Frame-Filter eingesetzt: Überschreitet die Verschiebung eines Erkennungsrahmens zwischen aufeinanderfolgenden Frames einen Pixel-Schwellenwert, wird das Ergebnis als Fehlalarm markiert und verworfen.

④ Netzwerkverzögerung – Der kritische Engpass bei drahtlosen Lösungen
Bei der Übertragung des Videostreams über industrielles WLAN zur zentralen Steuerung für die gemeinsame Inferenz kann die Ende-zu-Ende-Latenz 100–200 ms erreichen, was die Echtzeitanforderungen für Sicherheitsverriegelungen nicht erfüllt. Lösung: Die Inferenz läuft dezentral am Kran (lokal auf einem Jetson). Nur die Erkennungsergebnisse als JSON (ca. 200 Byte/Frame) und Alarmbilder (JPEG-komprimiert, < 50 KB) werden an die Zentrale übertragen. Dies folgt demselben Prinzip wie die Edge-Computing-Ebene in der Vier-Ebenen-Architektur des Steuerungssystems für Brückenkräne. Der Netzeinfluss wird so minimiert.

Häufig gestellte Fragen (FAQ)

Fazit

Die Kombination aus YOLOv8 und Jetson Orin NX hat die technischen Hürden für die Implementierung visueller KI-Sicherheitsüberwachung an Brückenkranen auf ein Niveau gesenkt, das eine breite Skalierung ermöglicht. Die Kosten für einen einzelnen Kanal liegen bei unter 5.000 CNY (ca. 640 EUR). Bei einer Erkennungslatenz von < 50 ms und einer Erkennungsgenauigkeit von > 95 % übertrifft dieses System bereits das Schutzniveau herkömmlicher Sicherheitszäune mit Lichtschranken. Im nächsten Beitrag behandeln wir den Einsatz der visuellen KI für das automatische Positionieren und Aufnehmen von Lasten – ein Szenario, das eine um eine Größenordnung höhere Präzision und geringere Latenz erfordert.