一輛送貨卡車剛在建築工地卸下了2,000根管材。你的工頭說看起來差不多。AI說是1,847根。這個差距就是順利完工和等待補料拖延一週之間的差別。
建築材料清點是大多數團隊幾十年來一直用同樣方式處理的日常工作:走到材料堆前,開始數,數到一半忘了,重新開始。這在雨中、灰塵中和黃昏的微光中進行。風險很高,因為計數錯誤會導致多訂、少訂或交貨糾紛。AI驅動的照片計數為管材、鋼筋、磚塊和其他數十種材料提供了更快、更準確的替代方案。
工地清點的難題
建築工地是準確計數的惡劣環境。材料散布在大面積區域,堆成不規則的堆,通常覆蓋著泥土或灰塵。鋼筋捆互相重疊。管材堆在運輸過程中移位。磚塊以棧板到達,但隨著工程進展散布在整個工地。
人工清點既緩慢又不一致。研究顯示,平均人工材料統計偏差7%到10%,這些誤差在整個專案中累積。多訂10%就浪費了預算在閒置材料上。少訂10%,你的工人就在等待新的送貨時無所事事。
收貨驗證尤其痛苦。當送貨到達時,工地經理需要確認數量與採購訂單一致。人工清點2,000根管材需要大半個小時。等到清點完成,送貨卡車一直在等,起重機閒置,工人們已經去做其他事了。
AI如何從照片中清點材料
工作流程大約需要10秒。工地工人將手機對準材料堆並拍一張照片。影像傳送到AI計數模型,偵測每個物品,用彩色圓點標記每一個,並回傳總計數。
工人審核覆蓋層,檢查是否有明顯的遺漏或誤判,如需要可點擊添加或移除標記點,然後記錄已驗證的計數。對於500根管材的堆疊,整個過程所花的時間比走到堆旁再走回來還短。
全球模板製造商Doka已將這種方法融入其營運中。他們的AI計數和識別系統已在全球50個地點使用超過40,000次,以98%以上的準確率清點了超過150萬件物品。該系統能識別超過20個產品類別,包括鷹架組件、橫樑、支柱和模板面板,即使物品因出租使用而嚴重磨損或髒污。
什麼容易計數(什麼不容易)
圓形截面具有高度辨識度。從端面拍攝的管材堆照片產生一些最高的準確率,通常超過98%。
當端面可見時,單根鋼筋可以被計數。從側面拍攝的鋼筋捆照片,顯示每根鋼筋的截面,可靠地完成計數。
統一的形狀和顏色使磚塊成為AI計數的理想對象。棧板上排列整齊的磚塊很簡單。散落的堆較難。
支柱、框架和面板等組件足夠獨特,AI可以同時分類和計數,正如Doka的系統所展示的。
小型緊固件、混合材料堆、泥土覆蓋的物品,以及大部分物品對相機不可見的深層堆疊材料。
將AI計數融入專案工作流程
AI材料計數自然融入三個建築工作流程。
收貨驗證: 當送貨到達時,在卸貨前拍攝材料照片。將AI計數與採購訂單比對。在司機還在工地時立即標記差異。這消除了交貨糾紛,並在材料散布到工地各處之前發現短缺。
每日進度追蹤: 每天結束時拍攝剩餘材料庫存。追蹤消耗速率與專案進度的對比。在短缺變得緊急前幾天就發現問題。
材料核對: 在專案里程碑或完工時,清點剩餘材料以進行退回、轉移或處置。CountBricks報告稱AI輔助的統計將材料估算時間縮減了高達80%,使用者每週在估算任務上節省8小時或更多。
拍攝更好工地照片的技巧
- 拍照前將材料類型分開(不要在一張照片中混合管材和鋼筋)
- 從端面拍攝管材和鋼筋堆以顯示圓形截面
- 在可行時清除材料表面的泥土或碎屑
- 使用充足的燈光或在白天拍攝
- 對於高堆疊,分別拍攝每個可見層或從多個角度拍攝
- 保持相機穩定並垂直於材料表面以獲得最佳效果
總結
自從有建築工地以來,建築材料清點一直是人工的、容易出錯的過程。AI照片計數改變了這個局面:98%的準確度,每次計數只需幾秒,還有一份照片記錄可以當場解決交貨糾紛。
下次一輛卡車在你的工地卸下一批管材時,在你的工頭開始數之前先拍張照片。在他數完第一排之前,你就已經有了答案。