Artificiell Intelligens användning inom drönarskanning och livedata: En kartläggning över befintliga modeller och branschperspektiv
Publicerad
Författare
Typ
Examensarbete på grundnivå
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Denna studie undersöker integrationen av artificiell intelligens (AI) och drönarteknik i
Pontarius arbetsflöden, med fokus på att förbättra inspektioner av infrastruktur, såsom
asfalt och byggnader. Genom att kombinera kvalitativa och kvantitativa
forskningsmetoder utforskar projektet både tekniska och organisatoriska utmaningar
kopplade till implementeringen av Artificiell Intelligens. En fallstudiedesign används
för att ge en djupgående förståelse av de specifika förutsättningarna för en effektiv
AI-användning.
Forskningen bygger på semistrukturerade intervjuer med nyckelintressenter, tekniska
dataanalys av AI-modeller som DeepCrack, samt granskning av interna arbetsflöden
och riktlinjer. Denna metodkombination möjliggör en omfattande förståelse för
potentiella hinder och möjligheter vid AI-integrering. Genom att säkerställa validitet
och tillförlitlighet via metodtriangulering levererar studien handlingsbara insikter som
kan överföras till andra organisationer med liknande utmaningar.
Resultaten syftar till att bidra till utvecklingen av anpassningsbara och skalbara
metoder för teknikimplementering, tillämpliga inte bara för Pontarius utan även för
andra sektorer. Studien förväntas ge värdefulla perspektiv på både den tekniska
effektiviteten och den organisatoriska beredskapen som krävs för en framgångsrik
AI-integrering, och därigenom främja innovation och förbättrad
infrastrukturförvaltning
Beskrivning
Ämne/nyckelord
Artificiell intelligens (AI), UAV, drönarteknik, skadedetektion, infrastruktursinspektion, YOLOv8, DeepCrack, EfficientCrackNet, maskininlärning, implementering, Pontarius, säkerhetsaspekter, realtidsanalys, AI-modeller, strukturell hälsomonitorering, processövervakning, teknisk integration, förändringsledning, byggprocess