3D-modeller og computer vision-teknologier er oplagt inden for et hav af områder. Det kan bl.a. bruges til at finde mønstre eller opmåle genstande i billedmateriale, forklarer Peter Ahrendt, der er ny mand i Alexandra Instituttets Visual Computing team.
Billedanalyse, også kaldet computer vision, kan bruges til at kategorisere store mængder billeder eller indscannede dokumenter. Det er oplagt at bruge, hvis man vil finde mønstre eller opmåle genstande i billedmateriale. Og det er der mange virksomheder, der ser muligheder i. Derfor opmander vi på computer vision-området, som vi har beskæftiget os med i mange år. Vores nye ekspert hedder Peter Ahrendt, og han er netop blevet ansat som Senior Visual Computing Engineer.
“Potentialet går jo begge veje. Du kan finde ting og mønstre i billeder, men du kan også gå den anden vej og skabe en 3D-visualisering af et objekt og dermed simulere, hvordan et objekt ser ud fra forskellige vinkler. Hvis arkæologer finder nogle støbeforme, kan du fx simulere, hvordan datidens smykker har set ud, siger han.
Del af Visual Computing team
Peter Ahrendt bliver en del af vores Visual Computing team, der hjælper virksomheder med at lave automatiske ændringsudpegninger i satellit- og dronebilleder. Man kan fx bruge teknologierne til at se, om der er kommet en ny bygning, eller om en landmand har udvidet sin mark. Det er noget af det, som vi hjælper Styrelsen for Dataforsyning og Infrastruktur (SDFI) med. Vi samarbejder også med Sund & Bælt om hurtigere at finde skader i betonen på Storebæltsbroen ved hjælp af dronebilleder.
Peter kommer med solid erfaring inden for AI, robotteknologi og computer vision og har blandt andet stået bag en opstartsvirksomhed med speciale inden for kamerateknologi til monitorering af dyr i landbruget. Her udviklede han en algoritme og et 3D-kamera til automatisk vejning af kyllinger ud fra billeder. Han har desuden mange års erfaring som lektor på Aarhus Universitet, hvor han har undervist i bl.a. robotteknologi og computer vision.
Han ser især et stort potentiale med computer vision og 3D-modeller.
“Hvis du har en masse billeder, kan du træne et neuralt netværk og bruge det til at finde ting i billeder. Det er relativt standard i dag og er noget, som mange virksomheder er i stand til.”
“Noget af det, som ikke er standard, er, hvis du vil genkende en nyopdaget ting som fx et bæltespænde fra vikingetiden, som du ikke har mange billeder af. Her kan du bruge 3D-modeller til at få flere billeder af, hvordan objektet ser ud fra forskellige vinkler. Noget af det vi arbejder med i Visual Computing Lab er at generere de 3D-modeller,” forklarer Peter Ahrendt, der oprindelig er uddannet kandidat i anvendt matematik fra Syddansk Universitet og efterfølgende har erhvervet en ph.d. i machine learning fra DTU.
AI kan bruges til at matche vikingefund rundt om i verden
“Der er nogle klare fordele ved at have en 3D-model af et vikingefund. Det betyder, at du ikke skal tage genstandene ud af museet, hvilket er noget, konservatorerne er glade for, da genstandene så bevares bedre.”
“Det giver også mulighed for at matche genstandene med andre fund rundt omkring i verden. Hvis du har fundet et bæltespænde i Tyskland, kan du se, om det matcher et fund i Ribe, og på den måde kan det være med til at kortlægge handelsveje og give indsigt i, hvordan de forskellige samfund har udviklet sig teknologisk.”
3D-modeller og computer vision-teknologier er oplagt inden for et hav af andre områder.
“Computer vision har i mange år været udbredt i fx industrien til kvalitetskontrol og automation. De nye muligheder med fx 3D-syntese af data gør her systemerne mere robuste og driftssikre. Det åbner også for helt nye anvendelser, hvor vi anvender kamerateknologien som ekstra øjne, så brugeren ved hjælp af AI-teknologien får rådgivning til at løse et problem. Vi ser også teknologier, som kan skabe nye billeder eller 3D-modeller, såkaldt generativ AI, og det kan fx være ud fra en mundtlig eller skriftlig beskrivelse af problemet.”
“Metoderne er egentlig ikke nye. Men der er kommet mange flere store datasæt, som er open source, og dermed har mange adgang til data og værktøjer. Samtidig er der sket en stor udvikling inden for beregningskraften. Det betyder, at vi nu kan tage teknologien ud i virkeligheden og skabe reel værdi,” forklarer Peter Ahrendt.
Peter Ahrendt CV:
Uddannet ph.d. fra DTU, 2006.
Lektor ved Aarhus Universitet inden for robotteknologi, machine learning og computer vision.
Stifter og CEO i startup-firmaet Animoni, som udviklede kamerateknologi til landbrug og især fjerkræbranchen.