''Vi arbejder dagligt for, at sejlere og besøgende har et sikkert og godt ophold i havnen. Men vi mangler data om trafikken på havnen. Vi savner svar på basale spørgsmål som, hvor mange skibe anløber og hvornår – samt hvilke typer. Denne viden er vigtig i forhold til vores arbejde med sikkerheden i havnen og hele styringen af havnen og dens trafik. Det kan f.eks. være, hvornår vi skal give adgang til forskellige bådtyper eller andre aktører, som bl.a. havnerundfarten og GoBoat.''

 Thomas Krüger Bergstrand, Havnemester, Aarhus Lystbådehavn

Anonymiseret data med AI-model

Den store udfordring var, hvordan man kunne indhente data i overensstemmelse med reglerne fra Datatilsynet. På den ene side skal data være anonymiseret – og på den anden side samtidig være præcise nok til at kunne bruges til analyse. Det var en spændende udfordring, og det blev starten på et godt samarbejde om et testforløb mellem Danoffice IT og Aarhus Lystbådehavn. 

"Der var mange udfordringer i opgaven, men vi kom frem til en løsning, hvor vi kombinerede flere forskellige dataindsamlingskilder i form af termisk kamera, 60 GHz radar og et almindeligt farvekamera. Disse datakilder brugte vi så til at træne en AI-model, der er baseret på forskellige teknikker inden for computervision og generative AI. Det vigtige i vores træning af modellen var, at vi ikke på noget tidspunkt brugte personhenførbart data, og derfor trænede vi AI-modellen til at genkende former og konturer af forskellige både i havnen'', siger Leif Høj, Head of AI and Development hos Danoffice IT og fortsætter:

"Kameraer og radar er monteret på to mindre lystårne, som står ved indløbet til havnen.
Vores brug af de nævnte datakilder gør, at vi også kan få data i tåge, i regnvejr og om natten - og hvis fx to skibe sejler ved siden af hinanden. Til det har vi et setup, så hvis de almindelige og termiske kameraer ikke lykkes, kan vi kombinere med 60 GHz radarsensorers".

''Nu har jeg online-overblik over trafikken på havnen – og det har givet mig en række nye indsigter. Data er afgørende for at be- eller afkræfte myter og hypoteser. Nu ved jeg fx, at siden sidste uge i maj har vi haft 30.000 gennemsejlinger på to måneder, at trafikken allerede starter ved frokosttid, og at størstedelen er større sejlbåde.Jeg ser et stort potentiale for løsninger som denne.

Hvis vi ruller løsningen ud til de andre store havne i Aarhus Kommune som Marselisborg Lystbådehavn, Egå Marina og Kaløvig Bådehavn kan vi få ny viden og et relevant overblik over trafikken i kommunens havne.'' 

Thomas Krüger Bergstrand, Havnemester, Aarhus Lystbådehavn

AI i alt slags vejr

Det interessante i testforløbet er at undersøge, om udstyret kan klare virkeligheden uden for laboratoriet. Løsningen skal nemlig stå ude i hårde vind- og vejrforhold og kunne virke både offline og online. Derfor er det også vigtigt, at det er en meget robust løsning, som i høj grad klarer sig selv. Selve dataprocesseringen sker i to Siemens industrielle PC’er (IPC) med GPU (Graphics Processing Unit). De er produceret til at have en meget lang levetid og er certificeret til anvendelse i industrielle miljøer.

''Det er vigtigt, at den industrielle PC (IPC) kan afvikle AI-modellen og levere den nødvendige performance. Derfor er Siemens IPC’erne vigtige for at processere de data, som kameraer og radar genererer. Siemens er også anerkendt af hele industrien for kvalitetsprodukter, og de har en høj leverancesikkerhed'', siger Leif Høj.

Når man arbejder med AI i industrien, er det vigtigt, at designet laves med hardware og software, der er ”Industrial Grade AI”. Det er med til at sikre faktorer som pålidelighed, oppetid, leveringssikkerhed, 24/7-drift og evnen til at modstå barske miljøer. 

''Industrial Grade AI er bygget til industrien. Det opnås ved at anvende gennemtestet hardware, hvor industriel pålidelighed er indtænkt fra starten. På samme måde skal softwareplatformen være i stand til at binde de forskellige elementer sammen – fra sensorer til cloud-tjenester og avancerede AI-modeller'', siger Anders Ottosson, account manager hos Siemens.