Machine Learning för förebyggande av arbetsolycksfall i byggbranschen
| Diarienummer | |
| Koordinator | Mälardalens Universitet - Akademin för innovation, design och teknik, Västerås |
| Bidrag från Vinnova | 182 574 kronor |
| Projektets löptid | november 2018 - mars 2022 |
| Status | Avslutat |
| Utlysning | Individrörlighet för innovation och samhällsnytta |
| Ansökningsomgång | Arbeta tillfälligt i annan bransch - innovation inom artificiell intelligens (AI) |
Viktiga resultat som projektet gav
Målet är att stärka NCC:s utvecklingsarbete med hjälp av ML. I detta projekt har ML tillämpats inom två områden i NCC: inom området förebyggande av arbetsolyckor och inom byggplanering med fjärranalys. Dessa arbeten stöds och assisteras av professor Shahina Begum, Mälardalens högskola. NCC har en omfattande databas över registrerade olyckor och tillbud som ligger till grund för ett ML-system. Resultatet visar att val av modeller och validering av data var avgörande för kvaliteten, dvs hur väl systemet stödjer platschefer i att förebygga olyckor.
Långsiktiga effekter som förväntas
Doktoranden producerade en licentiatrapport om ”Mot förebyggande av olyckor genom maskininlärning av olycksrapporter”. Pressmeddelande: http://www.byggnorden.se/projekt/mdh-forskning-ska-fa-rebygga-arbetsplatsolyckor-pa-byggen Avhandling handled av Shahina: DJUP LÄRANDE ATT DETEKTERA SNÖ OCH VATTEN I BYGGPLANERING MED FJÄRRKÄNNINGSBILDER. Publikation: Deep Learning in Remote Sensing: An Application to Detect Snow and Water in Construction Sites (sep 2021) Hamidur R., Mobyen A., Shahina B., Mats F., Adam H. 4:e Int. Konferens om AI för industrier.
Upplägg och genomförande
Arbetspaket (WP) 1: Bidrag till metodutveckling WP 2: Bidrag till en fältstudie av hälso- och säkerhetsdomänen WP 3: Sparring om datainsamling WP 4: Hjälp till att validera datakvalitet och noggrannhet av användningsfallen WP 6: Assistans för dataanalys WP 7: Prototyputveckling WP 8: Test och utvärdering