Superb AI wdraża dla LH system klasyfikacji usterek ze zdjęć

Mieszkaniec wynajmowanego lokalu LH robi zdjęcie pęknięcia na ścianie lub przecieku na suficie, a sztuczna inteligencja w ciągu sekundy ustala, w którym pomieszczeniu, w jakim materiale i jaka usterka wystąpiła. System dla Koreańskiej Korporacji Mieszkaniowej i Gruntowej (LH) zbudowała firma Superb AI, specjalizująca się w wizji komputerowej. Pierwszy etap wdrożenia jest zakończony, a trwa drugi, rozszerzający funkcje.

Skala i złożoność zgłoszeń

Do LH trafia miesięcznie około 300 tys. zdjęć usterek, czyli około 4 mln rocznie. Dotąd konsultanci klasyfikowali je ręcznie na podstawie wiadomości tekstowych i rozmów telefonicznych. Kryteria są skomplikowane: pomieszczenie, część lub materiał, typ usterki, rodzaj robót i rodzaj budowy dają razem ponad 18 tys. kombinacji. Ponieważ konsultanci mają różne doświadczenie, to samo uszkodzenie bywało klasyfikowane inaczej lub błędnie.

Superb AI oparło rozwiązanie na jednym modelu wizyjno-językowym (VLM), który rozumie obraz i tekst. Zwykle stosuje się osobny model do lokalizowania usterki i drugi do rozpoznawania jej typu. Tutaj jeden model ocenia wszystkie pięć kryteriów na podstawie jednego zdjęcia, co upraszcza architekturę i zmniejsza koszty utrzymania. Zgłoszenia są obsługiwane całodobowo, a wynik zawiera opisowe uzasadnienie decyzji.

Dokładność i dalsze zastosowania

System rozpoznaje typowe usterki, takie jak pęknięcia, przecieki, uszkodzenia, pleśń i zabrudzenia. Gdy przyczyny nie widać wprost na zdjęciu, wnioskuje na podstawie wyuczonych wzorców. Zgodnie z założeniami skuteczność wykrywania ma wynosić co najmniej 90%, a odsetek błędnych i pominiętych wykryć nie więcej niż 10%. Firma deklaruje, że utrzymuje te poziomy dzięki regularnemu monitorowaniu i weryfikacji.

Konsultanci zamiast przyjmować i sortować zgłoszenia mogą zajmować się sprawami wymagającymi oceny. Dane o usterkach zbierane w ujednoliconej formie pozwalają analizować, które defekty często występują w danym osiedlu, materiale czy roczniku budynku. Na tej podstawie można wcześniej kontrolować miejsca z powtarzającymi się problemami i planować wymianę oraz remonty starzejących się instalacji w długoterminowych planach napraw.

Prezes Superb AI Kim Hyun-soo ocenił, że to przykład rozwiązania dwóch wyzwań, czyli złożonego systemu klasyfikacji i ogromnej ilości danych nieustrukturyzowanych, jednym modelem VLM. Dodał, że podejście można zastosować w kontroli obiektów i analizie zgłoszeń obrazkowych w usługach publicznych.