Kakaibaba lang ng isang trak ng 2,000 tubo sa isang construction site. Sabi ng iyong foreman, mukhang tama naman. Sabi ng AI, 1,847 lang. Ang pagkakaibang iyon ang naghihiwalay ng isang maayos na proyekto sa isang linggong pagkaantala habang naghihintay ng kapalit na materyales.
Ang pagbibilang ng materyales sa konstruksyon ay isang pang-araw-araw na pangangailangan na hinahandle ng karamihan sa mga team sa parehong paraan tulad ng ilang dekada na ang nakakaraan: lumakad sa tumpok, magsimulang magbilang, mawala sa bilang, magsimula ulit. Nangyayari ito sa ulan, alikabok, at lumilipas na liwanag ng araw. Mataas ang panganib dahil ang mga pagkakamali sa bilang ay humahantong sa sobrang pag-order, kulang na pag-order, o pinagtatalunang paghahatid. Nag-aalok ang AI photo counting ng mas mabilis at mas tumpak na alternatibo para sa tubo, rebar, ladrilyo, at dose-dosenang iba pang materyales.
Ang problema sa pagbibilang sa job site
Ang mga construction site ay hindi kanais-nais na kapaligiran para sa tumpak na pagbibilang. Ang mga materyales ay nakakalat sa malalaking lugar, nakatumpok nang hindi pantay, at madalas na natakpan ng putik o alikabok. Ang mga bundle ng rebar ay nagsasapawan. Ang mga tumpok ng tubo ay nagbabago ng posisyon sa transportasyon. Ang mga ladrilyo ay dumarating sa mga pallet ngunit nakakalat sa buong site habang umuusad ang trabaho.
Ang manu-manong pagbibilang ay mabagal at hindi consistent. Ipinapakita ng mga pag-aaral na ang average na manual material takeoff ay may pagkakamali ng 7 hanggang 10%, at ang mga pagkakamaling iyon ay nag-iipon sa buong proyekto. Ang pag-order ng 10% na sobra ay nagsasayang ng budget sa hindi nagagamit na materyales. Ang pag-order ng 10% na kulang ay nag-iiwan sa iyong team na walang ginagawa habang naghihintay ng bagong paghahatid.
Ang verification ng pagtanggap ay partikular na mahirap. Kapag dumating ang isang delivery, kailangan ng site manager na kumpirmahin na ang dami ay tumutugma sa purchase order. Ang pagbibilang ng 2,000 tubo nang manu-mano ay tumatagal ng halos isang oras. Sa oras na matapos ang bilangan, ang delivery truck ay naghintay, ang crane ay nakatayo, at ang team ay lumipat na sa ibang trabaho.
Paano nagbibilang ang AI ng materyales mula sa isang larawan
Ang proseso ay tumatagal ng mga 10 segundo. Ituturo ng isang site worker ang kanyang telepono sa isang material stack at kukuha ng larawan. Ang imahe ay mapupunta sa isang AI counting model na nakaka-detect ng mga indibidwal na item, nilalagyan ng kulay na tuldok ang bawat isa, at nagbabalik ng kabuuang bilang.
Sinusuri ng worker ang overlay para tingnan ang mga halatang miss o maling detection, tina-tap para magdagdag o mag-alis ng mga punto kung kinakailangan, at nire-record ang verified na bilang. Para sa isang tumpok ng 500 tubo, ang buong proseso ay mas maikli pa kaysa sa paglakad papunta sa tumpok at pabalik.
Ang Doka, ang pandaigdigang tagagawa ng formwork, ay nag-integrate na ng ganitong approach sa kanilang mga operasyon. Ang kanilang AI Counting and Identification system ay nagamit na nang higit sa 40,000 beses sa 50 lokasyon sa buong mundo, nagbibilang ng higit sa 1.5 milyong item na may accuracy na higit sa 98%. Nakikilala ng system ang higit sa 20 kategorya ng produkto kabilang ang mga scaffolding component, beam, prop, at formwork panel, kahit na ang mga item ay marumi o masyado nang gasgas mula sa rental use.
Ano ang madaling bilangin (at ano ang hindi)
Ang mga circular cross-section ay lubhang distinctive. Ang mga end-on na larawan ng mga tumpok ng tubo ay nagpo-produce ng ilan sa pinakamataas na accuracy rate, karaniwang higit sa 98%.
Ang mga indibidwal na bar ay nabilang kapag nakikita sa mga dulo. Ang mga bundle na kinunan mula sa gilid, na nagpapakita ng cross-section ng bawat bar, ay nabilang nang mapagkakatiwalaan.
Ang pare-parehong hugis at kulay ay ginagawang ideal ang mga ladrilyo para sa AI counting. Ang mga palletized na ladrilyo sa regular na mga hanay ay diretso. Ang mga maluwag na tumpok ay mas mahirap.
Ang mga component tulad ng mga prop, frame, at panel ay sapat na distinctive para sabay na i-classify at bilangin ng AI, gaya ng ipinapakita ng sistema ng Doka.
Maliliit na fastener, magkahalong tumpok ng materyales, mga item na natatakpan ng putik, at malalim na nakatumpok na materyales kung saan karamihan ng mga item ay nakatago sa kamera.
Pag-angkop ng AI counts sa project workflow
Ang AI material counting ay natural na umaangkop sa tatlong construction workflow.
Verification ng pagtanggap: Kapag dumating ang delivery, larawan ang mga materyales bago ibaba. Ihambing ang AI count sa purchase order. I-flag agad ang mga discrepancy habang nasa site pa ang driver. Inaalis nito ang mga pinagtatalunang paghahatid at nahuhuli ang mga kakulangan bago kumalat ang mga materyales sa buong site.
Pang-araw-araw na progress tracking: Larawan ang natitirang material stock sa katapusan ng bawat araw. I-track ang mga rate ng consumption laban sa project schedule. Tuklasin ang mga kakulangan ilang araw bago maging kritikal.
Material reconciliation: Sa mga project milestone o completion, bilangin ang natitirang materyales para sa pagbabalik, paglipat, o pagtatapon. Nag-uulat ang CountBricks na ang AI-assisted takeoff ay nagpapababa ng oras ng material estimation nang hanggang 80%, at nakakatipid ang mga user ng 8 o higit pang oras bawat linggo sa mga estimating task.
Mga tip para sa mas magandang larawan sa job site
- Paghiwalayin ang mga uri ng materyales bago kumuha ng larawan (huwag paghaluin ang tubo at rebar sa isang shot)
- Larawan ang mga tumpok ng tubo at rebar mula sa dulo para ipakita ang circular cross-section
- Linisin ang putik o debris sa mga mukha ng materyales kapag praktikal
- Gumamit ng sapat na ilaw o kumuha ng larawan sa oras ng araw
- Para sa matataas na tumpok, larawan ang bawat nakikitang layer o kumuha ng maramihang anggulo
- Panatilihing matatag at perpendicular sa mukha ng materyales ang kamera para sa pinakamahusay na resulta
Ang konklusyon
Ang pagbibilang ng materyales sa konstruksyon ay naging isang manual, error-prone na proseso mula nang magkaroon ng mga construction site. Binabago ng AI photo counting ang equation: 98% accuracy, segundo bawat bilang, at isang photo record na niresolba ang mga delivery dispute sa mismong lugar.
Sa susunod na pagkakataon na magbaba ng karga ng tubo ang isang trak sa iyong site, kumuha ng larawan bago magsimulang magbilang ang iyong foreman. Makukuha mo na ang sagot bago pa niya matapos ang unang hanay.