– Det svåraste har nog varit att ingen annan har gjort det här tidigare. Vi har inte haft någon annan forskning att jämföra med. Det säger Rafael Mosberger om det projekt som nu lett till hans doktorsavhandling i datavetenskap vid Örebro universitet. Den handlar om en avancerad kamera för människodetektering som minskar risken för arbetsplatsolyckor.
– Forskningen siktar in sig på att industriella arbetsplatser där människor och maskiner rör sig på ett oförutsägbart och oregelbundet sätt. Det innebär också ökade olycksrisker då det kan vara svårt för en maskinförare att se människor i rörelse i närheten eller omvänt, för människor på arbetsplatsen att förstå vart maskiner är på väg. Vi har använt en teknik med algoritmer för maskininlärning alltså att lära maskinen uppfatta olika situationer, berättar Rafael Mosberger.
Genom att bygga en modell från ett stort antal inmatade exempel lär sig maskinen känna igen reflektiva mönster. På så sätt kan vi få datorn att lära sig själv skilja mellan olika objekt, och bestämma om det till exempel handlar om en stolpe med en reflex eller en människa i en reflexväst.
Tekniken bygger på att en kamera sänder ut det som kallas nära infrarött ljus (NIR) i ett smalt spektrum, som reflekteras på de arbetskläder, som används på arbetsplatsen till kameran. Ljusvågorna passerar ett filter, som nästan enbart släpper igenom NIR-ljuset och därmed filtrerar bort andra ljuskällor.
Via en sensor får algoritmen en bild av det som händer, kan bearbeta informationen och kan sända ett budskap till föraren.
– Vi har funnit att den här tekniken är robust och fungerar bättre på industriarbetsplatser än många befintliga tekniker. Det gäller speciellt under svåra ljusförhållanden, där vanliga kameror levererar bilder med sämre kontrast vilket gör att automatisk människodetektering kan vara svårt. Det mest intressanta är att vår teknik är effektiv och inte är beroende av dyra sensorer. Därför har den också potential att användas i verkligheten.
