Kelude Schwerindustrie: KI-Kollisionsschutz für Brückenkräne
Das Wichtigste in Kürze Kelude Schwerindustrie stellt ein kamerabasiertes KI-Kollisionsschutzsystem für Brückenkrane vor. Basierend auf YOLOv8 Deep Learning und Edge-Computing werden Personen, Anlagen und Hindernisse in Echtzeit erkannt. Dreistufiges Frühwarnsystem (akustischer und optischer Alarm, automatische Verzögerung, Not-Halt), Erkennungsgenauigkeit ≥ 95 %, Latenz ≤ 100 ms, Fehlalarmrate ≤ 1 pro Einheit und Tag.
Im Juli 2026 hat die Kelude Schwerindustrie offiziell ihr kamerabasiertes KI-Kollisionsschutzsystem für Brückenkrane vorgestellt. Das System nutzt Deep-Learning-basierte visuelle Erkennungstechnologie, um Personen, Anlagen und Hindernisse im Fahrbereich des Brückenkrans in Echtzeit zu erfassen und aktiv zu umfahren. Damit wird der Schutz von der herkömmlichen passiven Absicherung durch mechanische Endschalter und Sensoren auf eine aktive, KI-gestützte visuelle Erkennung und Schutzfunktion aufgerüstet.
Grenzen herkömmlicher Schutzkonzepte
Klassische Kollisionsschutzpläne für Brückenkrane weisen erhebliche Schwachstellen auf:
- Fahrwegendschalter: Nur an den Schienenenden montierte feste Anschläge – kein Schutz vor dynamischen Hindernissen
- Laser-/Infrarot-Kollisionsschutz: Wirkt nur auf Hindernisse entlang der geraden Fahrlinie – es bleiben Erkennungslücken
- Mechanische Puffer: Bilden die letzte Barriere – der Zusammenstoß hat dann bereits stattgefunden
Alle diese Ansätze sind reine „Passivschutz“-Lösungen. Das kamerabasierte KI-Kollisionsschutzsystem hingegen erkennt Risiken bereits vor einem möglichen Aufprall und greift aktiv ein.
Kerntechnologie des KI-Kollisionsschutzsystems
1. Multikamera-Erfassung
An den kritischen Positionen des Brückenkrans werden 4 bis 6 industrielle HD-Kameras montiert, die das gesamte Sichtfeld des Kranbetriebs abdecken. Global-Shutter- und Wide-Dynamic-Technologie sorgen für zuverlässige Erkennung auch bei anspruchsvollen Lichtverhältnissen in der Werkstatt.
2. Deep-Learning-Objekterkennung
Eine GPU-beschleunigte Edge-Computing-Einheit führt das YOLOv8-Neuronale-Netz aus und erkennt in Echtzeit Personen (Genauigkeit ≥ 95 %), Anlagen, andere Brückenkrane sowie ungewöhnliche Hindernisse.
3. Dreistufiges Frühwarnsystem
| FrühwarnungKlasse | Risikozustand | Systemreaktion |
|---|---|---|
| Stufe 1Frühwarnung | SicherheitsabstandPerson im Innenraum/Objekt | Akustischer und Optischer Alarm + AutomatikVerzögerung |
| Stufe 2Frühwarnung | Annäherung an kritischen Abstand | Automatische Reduzierung auf Kriechgeschwindigkeit |
| Stufe 3Frühwarnung | Kollisionsgefahr unmittelbar bevorstehend | AutomatikNot-Halt + Betriebssperre |
4. Selbstlernende Reduzierung der Fehlalarmrate
Innerhalb einer Woche nach der Montage wird automatisch eine Basislinie des Normalbetriebs erstellt. Durch die Kombination aus Multiframe-Fusion und Zielklassifizierung als doppelte Filterung liegt die Fehlalarmrate bei ≤ 1 Ereignis pro Gerät und Tag – deutlich unter den 5–10 Ereignissen pro Gerät und Tag, die Radarsysteme typischerweise aufweisen.
Technische Parameter
| Parameter | Kennwert |
|---|---|
| ZielobjektErkennungsgenauigkeit | ≥95%(Person) / ≥90%(Hindernis) |
| ErkennungLatenz | ≤100ms |
| WarnabstandErfassungsbereich | 0.5~20m(aktivKonfiguration) |
| Umgebungsanpassungsfähigkeit | Beleuchtungsstärke0.1~50000lux,Temperatur-20℃~+60℃ |
Anwendungsszenarien
Das kamerabasierte Kollisionsschutzsystem gilt für folgende Einsatzbereiche: Gießerei- und Metallurgiewerkstätten (hohe Temperaturen / eingeschränkte Sicht), Werkhallen mit mehreren Kränen auf derselben Kranbahn, Mischbetrieb von Personal und Maschinen sowie schnelllaufende Brückenkrane mit großer Spannweite.
Häufige Fragen
F: Worin unterscheidet sich das KI-gestützte Kollisionsschutzsystem von einer Laser-Antikollision?
A: Laser misst lediglich eindimensional die Distanz. Die KI-Vision erkennt hingegen den Zieltyp (Person, Gerät, festes Bauteil) und ermöglicht eine dreidimensionale Erfassung. Die Fehlalarmrate liegt damit deutlich unter der von Laserlösungen.
F: Funktioniert die KI-Vision auch im staubgeschützten Einsatz?
A: Ja. Das System verfügt über eine selbstreinigende Linseneinheit und wurde speziell für die Erkennung degradierter Bildqualität unter Staubeinfluss trainiert. In Gießereien bleibt die Erkennungsgenauigkeit bei über 85 %.
F: Lässt sich das System an bestehenden Brückenkranen nachrüsten?
A: Ja. Die Nachrüstung dauert 5 bis 7 Arbeitstage und hat keinerlei Auswirkungen auf die vorhandene Kranstruktur oder das elektrische System.
F: Wie wird die Fehlalarmrate kontrolliert?
A: Über einen dreistufigen Mechanismus: Selbstlernende Szenarien etablieren eine Basislinie, Mehrbild-Fusion filtert Einzelbild-Fehlerkennungen, und die Zielklassifizierung unterscheidet Personen vom Hintergrund. In der Praxis liegt die Rate bei ≤1 Fehlalarm pro Kran und Tag.
