KI-Visualgorithmus für Krane: Trainings- und Testplattform
Trainings- und Testplattform für KI-Visualgorithmen für Krane fertiggestellt – über 500.000 annotierte Industriebilder gesammelt. Kelude Schwerindustrie hat eine Trainings- und Testplattform für KI-Visualgorithmen für Krane fertiggestellt und dabei mehr als 500.000 annotierte Industriebilder mit Fehlerkennzeichnung gesammelt. Damit wurde eine solide Datengrundlage für die kontinuierliche Weiterentwicklung des visuellen Sicherheitsüberwachungssystems für Krane geschaffen.
Kelude Schwerindustrie hat eine Trainings- und Testplattform für KI-Visualgorithmen für Krane fertiggestellt und dabei über 500.000 annotierte Industriebilder mit Fehlerkennzeichnung gesammelt. Diese Datenbasis bildet das Fundament für die kontinuierliche Iteration des visuellen Sicherheitsüberwachungssystems für Krane. Die Plattform vereint Datenerfassung, Annotationsverwaltung, Modelltraining, Leistungsbewertung und Hardware-in-the-Loop-Tests in einer integrierten Umgebung und ist damit die erste speziell für KI-Visualgorithmen entwickelte Trainings- und Verifizierungsinfrastruktur in der chinesischen Kranbranche.
Positionierung der Plattform und Entstehungshintergrund
Die Leistungsfähigkeit von KI-Visualgorithmen hängt in hohem Maße von der Qualität und dem Umfang der Trainingsdaten ab. Bereits zu Beginn der KI-Visualentwicklung im Jahr 2023 erkannte Kelude Schwerindustrie, dass das Fehlen branchenspezifischer annotierter Datensätze der entscheidende Engpass für die praktische Anwendung der KI-Visualtechnologie im Kranbereich war. Allgemeine Datensätze wie COCO und ImageNet lassen sich nur begrenzt auf industrielle Szenarien übertragen: Staub, wechselnde Lichtverhältnisse, Verdeckungen und Vibrationen in der Werksumgebung führen bei generischen Modellen zu erheblichen Einbußen bei der Erkennungsgenauigkeit im realen Einsatz. Aus diesem Grund investierte das Unternehmen über 3 Millionen CNY in den Aufbau einer dedizierten Trainings- und Testplattform für KI-Visualgorithmen. Ab September 2023 wurden systematisch Daten vor Ort erfasst und manuell annotiert; nach 22 Monaten war die Plattform vollständig aufgebaut und der Bestand von 500.000 annotierten Bildern erreicht.
Datenerfassungssystem
Die Datenerfassung deckt vier Lichtbedingungen (Tag, Nacht, Dämmerung, Morgengrauen) und vier Wetterlagen (sonnig, bewölkt, regnerisch, neblig) ab. Zur Erfassungsausrüstung gehören acht Industriekameras mit je 5 Megapixeln, die an der Unterseite des Kranhauptträgers montiert sind, sowie eine mobile Überwachungskamera seitlich im Hebe- und Transportbereich. Die Kameras verwenden Global-Shutter-Sensoren, arbeiten mit einer Bildrate von 25 fps und unterstützen den HDR-Weitdynamikmodus. Die Annotationsplattform unterstützt vier Annotationstypen – Rechteckrahmen, Polygon, Schlüsselpunkte und semantische Segmentierung – und deckt damit die Anforderungen der Aufgabenbereiche Erkennung (Objekterkennung), Segmentierung (Fehlersegmentierung) und Lokalisierung (Schlüsselpunktlokalisierung) ab. Die Annotationsverwaltung ist mit einem dreistufigen Qualitätskontrollprozess ausgestattet: Erstannotation durch den Annotator, Überprüfung durch den Teamleiter und Stichprobenprüfung durch den Algorithmusverantwortlichen. Der Stichprobenumfang beträgt mindestens 20 %, die geforderte Annotationsgenauigkeit liegt bei über 97 %.
Zusammensetzung des Datensatzes
Die 500.000 annotierten Bilder sind nach Erkennungsaufgaben in fünf Hauptkategorien gegliedert. Der Datensatz zur Zutrittserkennung im Gefahrenbereich umfasst 250.000 Bilder mit vier Annotationsklassen: Personen mit sichtbarem Schutzhelm, Personen ohne sichtbaren Schutzhelm, Personen ohne Schutzhelm sowie Personen, die sich dem Arbeitsbereich von außen nähern. Abgedeckt werden vier Körperhaltungen (Gehen, Hocken, Bücken, Bedienen) sowie drei Entfernungsbereiche: Fern (150 px). Der Datensatz zur Lastobjekterkennung umfasst 120.000 Bilder mit den Klassen Stahlcoil (liegend und stehend), Stahlblech (flach und schräg), Ausrüstungsteile (Kasten und Rahmen) sowie Schüttgut (Haufen und unregelmäßige Formen). Er deckt die visuellen Merkmale der Last bei verschiedenen Lastaufnahmemitteln (Drahtseil, Hebeband, Lasthebemagnet) und unterschiedlichen Lastformen ab. Der Datensatz zur Schweißnahtfehlererkennung umfasst 80.000 Bilder mit den fünf Fehlerklassen Riss, mangelhafte Durchschweißung, Pore, Schlackeneinschluss und Einbrandkerbe. Die Daten stammen sowohl aus Laboraufnahmen von Normprüfkörpern als auch aus Schweißnahtfotos aus der Werkspraxis; jedes Bild wurde metallografisch verifiziert, um die Authentizität des Fehlers zu bestätigen. Der Datensatz zur Drahtseilprüfung umfasst 30.000 Bilder mit fünf Anomalieklassen: Drahtbruch, Verschleiß, Korrosion, Verformung und Seildurchmesserverringerung. Der Datensatz zur Schienenanomalieerkennung umfasst 20.000 Bilder mit den drei Klassen Schienenversatz, Schienenriss und Fremdkörper auf der Schiene.
Modelltraining und Iteration
Die Trainingsplattform verfügt über zwei separate Trainingsumgebungen. Die Online-Trainingsumgebung basiert auf 4 NVIDIA RTX 4090 GPUs, unterstützt sowohl PyTorch als auch TensorFlow und ermöglicht durch Docker-Containerisierung eine schnelle Bereitstellung von Trainingsaufgaben sowie eine effektive Ressourcenisolierung. Die Offline-Trainingsumgebung ist mit 2 NVIDIA A100 80GB GPUs ausgestattet und dient der Beschleunigung des Trainings großer Modelle und umfangreicher Datensätze. Die Plattform integriert eine automatisierte Trainingspipeline, die den gesamten Prozess von der Datenversionsverwaltung über die Hyperparametersuche, das Modelltraining und die Evaluierung bis hin zur Modellregistrierung abdeckt. Das Modelltraining basiert auf der YOLOv8-Architektur und nutzt Mosaic-Datenaugmentierung, adaptive Ankerboxberechnung und die CIoU-Verlustfunktion. Nach mehreren Iterationsrunden mit den 500.000 Bildern verbesserte sich die mAP für die Zutrittserkennung im Gefahrenbereich von anfänglich 67,3 % auf 92,3 %, die mAP für die Lastobjekterkennung erreichte 89,1 % und die mAP für die Schweißnahtfehlererkennung 91,5 %.
Test- und Verifizierungseinrichtungen
Über die Trainingsfunktionen hinaus ist die Plattform mit einer Hardware-in-the-Loop-Testanlage ausgestattet. Die Testvorrichtung besteht aus einem 5-Tonnen-Versuchskran (Brückenkran), einem programmierbaren Umgebungssimulationssystem und einem Datenerfassungs- und Analysesystem. Der Versuchskran ist in der Innenprüfwerkstatt installiert, hat eine Spannweite von 12 Metern und eine Hubhöhe von 6 Metern und unterstützt sowohl manuelle als auch automatische Betriebsarten. Das programmierbare Umgebungssimulationssystem ermöglicht die Steuerung von Umgebungsparametern wie Beleuchtung (0–50.000 lux einstellbar), Temperatur und Luftfeuchtigkeit (Temperatur −10 °C bis 50 °C, Luftfeuchtigkeit 20 %–90 % rF einstellbar) sowie Staubkonzentration (0–10 mg/m³ einstellbar). Das Datenerfassungs- und Analysesystem synchronisiert die Ergebnisse der KI-Visualausgabe, die Positionsdaten der Encoder/Drehgeber und die Umgebungsparameter und erstellt für jeden Frame einen umfassenden Bewertungsbericht. Die Hardware-in-the-Loop-Tests ermöglichen die Verifizierung der Leistungsfähigkeit der KI-Visualalgorithmen unter kontrollierten Laborbedingungen in verschiedenen extremen Betriebsbedingungen und liefern damit eine zuverlässige laborgestützte Grundlage für die Stabilitätsbewertung der Algorithmen vor der Inbetriebnahme am Kran.
Datensicherheit und Datenschutz
Industrielle Bilddatensätze können Informationen über die Produktionslinienanordnung und Gerätekonfiguration von Kundenwerken enthalten; daher ist das Datenmanagement ein zentraler Aspekt der Plattformarchitektur. Alle erfassten Rohdaten werden auf einem lokal im Unternehmen betriebenen NAS-Speicherverbund mit einer Gesamtkapazität von 200 TB und RAID-6-Redundanz gespeichert. Der Datenzugriff ist in drei Berechtigungsstufen unterteilt: Zugriff auf Rohdaten, Zugriff auf annotierte Daten und Zugriff auf Modelldaten. Alle Zugriffsoperationen werden in einem Prüfprotokoll dokumentiert. Bei der Zusammenarbeit mit externen Annotationsteams kommen Datenanonymisierung und eine blockweise Annotationsstrategie zum Einsatz: Jeder Datenblock enthält nur ein einzelnes Szenensegment ohne erkennbare Werksmerkmale. Nach Abschluss der Annotation führen interne Mitarbeiter die Datenzusammenführung und Qualitätskontrolle durch. Der Datenaustausch mit dem gemeinsamen Labor der Zhengzhou-Universität erfolgt auf Grundlage einer beidseitig unterzeichneten Datennutzungsvereinbarung und ist ausschließlich für akademische Analysezwecke bestimmt; eine Nutzung der Daten für andere kommerzielle Projekte durch das Labor ist untersagt.
Entwicklungsplanung
Kelude Schwerindustrie plant, den Bestand an annotierten Daten bis 2027 auf 1 Million Bilder zu erweitern. Der Schwerpunkt liegt dabei auf der Ergänzung von Edge-Case-Daten unter widrigen Wetterbedingungen und bei schlechten Lichtverhältnissen, um das Problem der Long-Tail-Verteilung des Modells unter extremen Betriebsbedingungen zu lösen. Parallel dazu wird der Aufbau von Zeitreihendatensätzen gestartet, um kontinuierlich annotierte Bildsequenzen für das Training von Modellen zur Videoverhaltenserkennung und Trajektorienvorhersage zu sammeln. Jede Zeitreihenannotation umfasst eine kontinuierliche Erkennungssequenz von mindestens 300 Frames. Darüber hinaus wird die Plattform ausgewählte anonymisierte Datensätze für akademische Forschungskooperationen bereitstellen, um die Etablierung von Benchmark-Standards im Bereich der KI-Visualtechnologie für Krane zu fördern.
Häufige Fragen (FAQ)
F: Worin unterscheidet sich die KI-Visualtrainingsplattform von Kelude Schwerindustrie von allgemeinen KI-Trainingsplattformen?
A: Allgemeine KI-Trainingsplattformen sind vor allem auf etablierte Bereiche wie autonomes Fahren oder Sicherheitsüberwachung ausgerichtet; ihre Datensätze basieren überwiegend auf öffentlichen Straßenszenen und allgemeinen Umgebungen. Die Plattform von Kelude Schwerindustrie ist dagegen die erste speziell für Krane entwickelte KI-Visualtrainingsplattform der Branche. Sämtliche Datensätze stammen aus dem realen Betrieb der unternehmenseigenen Anlagen bei Kunden vor Ort und decken die spezifischen Betriebsbedingungen in Werkshallen für Hebe- und Transportvorgänge ab. Die Annotationsklassen und Erkennungsaufgaben sind vollständig auf die Anforderungen der Sicherheitsüberwachung und Fehlererkennung an Kränen zugeschnitten und umfassen fünf spezialisierte Datensätze: Zutrittserkennung im Gefahrenbereich, Lastobjekterkennung, Drahtseilprüfung, Schweißnahtprüfung und Schienenprüfung. Die Trainingsalgorithmen wurden für industrielle Inferenzszenarien in Leichtbauweise optimiert: Die Modellparametergröße liegt bei der Bereitstellung unter 5 MB und ermöglicht eine Echtzeitinferenz auf Edge-Computing-Geräten wie dem Jetson Orin NX.
F: Wie hoch sind der konkrete Zeitaufwand und die Kosten für die Erstellung von 500.000 annotierten Datensätzen?
A: Der Zeitraum erstreckte sich von September 2023 bis Juli 2025, also über 22 Monate. Für die Datenerfassung wurden 8 Industriekameras sowie Installations- und Bereitstellungskosten in Höhe von ca. 280.000 CNY investiert. Für die Annotation waren in Spitzenzeiten 15 Personen und in der Regelphase 8 Personen gleichzeitig im Einsatz, wobei die kumulierten Personalkosten für die manuelle Annotation ca. 1,8 Mio. CNY betrugen. Die Investitionen in die Plattform-Hardware (GPU-Server, NAS-Speicher, Testvorrichtungen) beliefen sich auf ca. 950.000 CNY. Die tägliche Annotationskapazität pro Person liegt bei ca. 120 Bildern (einfache Szenarien) bis 40 Bildern (komplexe Szenarien). Die durchschnittlichen Gesamtkosten pro annotiertem Bild betragen ca. 3,6 CNY.
F: Unterstützt die Plattform inkrementelle Datenaktualisierungen?
A: Ja. Das Datenverwaltungsmodul der Plattform basiert auf DVC (Data Version Control) und realisiert damit die Versionsverwaltung sowie inkrementelle Aktualisierungen der Datensätze. Neu erfasste Daten werden nach erfolgreicher Qualitätsprüfung automatisch in die nächste Version des entsprechenden Datensatzes übernommen. Jede Aktualisierung beeinflusst die Inferenzergebnisse bereits bereitgestellter Modelle nicht. Training-Ingenieure können je nach Iterationsanforderung des Algorithmus eine bestimmte Datenversion für das Training auswählen. Zudem ist ein Rollback und ein vergleichendes Evaluieren von Modellen zwischen verschiedenen Datenversionen möglich. Die aktuelle Versionsnummer des Datensatzes wurde auf V2.8 aktualisiert, mit insgesamt 18 inkrementellen Updates.
F: Wie gut sind die Generalisierungsfähigkeit und die Anpassungsfähigkeit des Datensatzes an verschiedene Szenarien?
A: Beim Aufbau des Datensatzes wurde bewusst auf eine hohe Diversität über verschiedene Fabriken hinweg geachtet. Die Datenquellen umfassen 18 Kundeneinsatzorte aus vier Branchen: Automobilfertigung, Stahl- und Metallurgie, Lager- und Logistik sowie mechanische Fertigung. Innerhalb derselben Fabrik wurden Bilddaten aus verschiedenen Arbeitsbereichen (z. B. Rohmateriallager, Fertigwarenlager, Wartungsbereich) sowie zu verschiedenen Tageszeiten und Jahreszeiten erfasst. Die Ergebnisse der szenarienübergreifenden Tests zeigen, dass bei der Bereitstellung an Fabrikstandorten, die nicht am Training beteiligt waren, der Rückgang der mAP für die Zutrittserkennung im Gefahrenbereich unter 5 Prozentpunkten und der Rückgang der mAP für die Hakenlast-Erkennung unter 8 Prozentpunkten gehalten wird. In der nächsten Phase ist geplant, die Vielfalt der Daten durch weitere Branchen und Fabriken weiter auszubauen, um die Generalisierungsfähigkeit des Modells weiter zu verbessern.
