📍 Zobacz nas na Wind Europe 2026 — Stoisko: 9-D46
BLADE NOWE AI

Board Logging and Automated Data Extraction

Każda tablica inspekcyjna opowiada jakąś historię. W większości zespołów serwisowych łopat ta historia nigdy nie trafia do żadnego systemu. Jedno zdjęcie. Każde pole. Ustrukturyzowane dane w ciągu sekund.

Problem

Dane zebrane. Dane utracone.

Ręczne przepisywanie danych z tablicy inspekcyjnej jest powolne, podatne na błędy i po prostu niepraktyczne na wysokości — przy użyciu urządzenia mobilnego z małą klawiaturą. W praktyce technicy robią więc jedyną rozsądną rzecz: fotografują tablicę i idą dalej. Dane są zebrane, ale pozostają uwięzione w obrazie — nieustrukturyzowane i niemożliwe do przeszukiwania.

Tak trwają aż do momentu, gdy trzy lub cztery miesiące później wpływa wniosek o zgodność, wymagający udowodnienia, że zachowano konkretny krok z instrukcji roboczych OEM. Albo do chwili, gdy ktoś chce sporządzić raport uszkodzeń z całej kampanii i odkrywa, że danych nigdy nie było.

Czas spędzony przy łopacie jest zbyt cenny, by poświęcać go na wprowadzanie danych. Priorytetem jest naprawa.

BLADE™ to zmienia.

Technik trzyma wypełnioną papierową tablicę inspekcyjną przy łopacie turbiny wiatrowej na wysokości — wszystkie pola inspekcyjne wypełnione ręcznie, lecz bez BLADE™ dane pozostają uwięzione jako obraz zamiast trafić do ustrukturyzowanych rekordów
Podstawy naukowe

Dekada inwestycji w AI

W 2019 roku Railston & Co Ltd ufundowała program doktorancki na Loughborough University, którego celem było zbadanie możliwości zastosowania wizji komputerowej i uczenia maszynowego w inspekcji łopat turbin wiatrowych. W czasach, gdy branża nie myślała jeszcze o AI w tym kontekście, prace te zaowocowały czterema recenzowanymi publikacjami oraz pipeline’em głębokiego uczenia stworzonym do wykrywania defektów łopat.

BLADE™ jest bezpośrednim owocem tej wiedzy — stosuje te same zasady multimodalnego AI, opracowane przez lata współpracy akademicko-przemysłowej, do jednego z najbardziej praktycznych problemów w serwisowaniu łopat: przenoszenia ustrukturyzowanych danych z tablicy inspekcyjnej do systemu szybko, dokładnie i przy minimalnym wysiłku technika.

Przeczytaj o naszym programie badań AI →
86,74%

Średnia ważona dokładność pipeline’u IE-MRCNN, wytrenowanego na rzeczywistych danych inspekcji łopat z operacji Railston & Co, opublikowana w Journal of Imaging w 2021 roku. Te same podstawy naukowe leżą u podstaw BLADE™.

Jak to działa

Jedno zdjęcie. Każde pole.

BLADE™ jest wbudowany w Collabaro Field i nie wymaga dodatkowego sprzętu ani konfiguracji. Cały proces przechwytywania zajmuje mniej niż minutę.

1

Sfotografuj tablicę

Technik wykonuje zdjęcie wypełnionej tablicy inspekcyjnej za pomocą Collabaro Field na swoim urządzeniu mobilnym. Wystarczy standardowa jakość aparatu. Nie jest wymagany żaden specjalistyczny sprzęt.

2

AI wyodrębnia każde pole

Obraz jest przetwarzany przez nasz silnik wizyjny, który odczytuje każde pole na tablicy. Układ tablic inspekcyjnych różni się w zależności od wykonawcy i firmy. BLADE™ odczytuje zarówno znaczenie, jak i pozycję pól, co zapewnia zgodność z całą branżą. W przypadku złożonych wyodrębnień można również opisowo nakierować AI BLADE™.

3

Przegląd wyników z oceną pewności

Wyodrębnione wartości są prezentowane technikowi wraz z sygnalizacją trójkolorową dla każdego pola. Pola wymagające uwagi są natychmiast widoczne. Pola o wysokiej pewności nie wymagają żadnej akcji.

4

Potwierdzenie i zapis

Technik potwierdza rekord. Dane są natychmiast zapisywane w ustrukturyzowanym formacie w odniesieniu do właściwego Projektu, Zlecenia i Zadania — gotowe do raportowania i dalszego wykorzystania.

BLADE™ wyodrębniający każde pole ze zdjęcia tablicy inspekcyjnej Denholm — Data, Technicy, WTG-ID, numer seryjny WTG, odległość od nasady, numer seryjny łopaty i Uwagi uzupełniane automatycznie ze wskaźnikami pewności w kolorze zielonym i pomarańczowym
Ocena pewności

Każde pole jest oceniane. Nic nie jest zakładane.

Warunki oświetlenia na morzu, zużyte tablice, ukośne zdjęcia i ręczne wpisy — wszystko to wpływa na czytelność. BLADE™ uwzględnia te czynniki, przypisując ocenę pewności do każdego pola z osobna. Każda wyodrębniona wartość jest oceniana wewnętrznie i wyświetlana technikowi jako prosty wskaźnik trójkolorowy: zielone, pomarańczowe lub czerwone koło obok każdego pola.

Progi określające poszczególne zakresy są w pełni konfigurowalne. Jeśli Państwa operacja wymaga wyższej poprzeczki dla koloru zielonego lub węższej tolerancji dla koloru pomarańczowego, można dostosować te wartości do własnych standardów jakości. Wartości domyślne działają dobrze w większości warunków, jednak decyzja o tym, co stanowi wystarczającą wiarygodność, należy do Państwa.

Zielony — 85% i powyżej
Wyodrębnienie jest wiarygodne. Technik nie musi podejmować żadnych działań.
Pomarańczowy — 50 do 84%
Wartość jest prawdopodobna, ale przed zatwierdzeniem warto ją szybko porównać wzrokowo z tablicą.
Czerwony — poniżej 50%
Pole było nieczytelne. Technik wprowadza wartość ręcznie. To jedyna konieczna interakcja z klawiaturą.
Uwaga dotycząca identyfikatorów krytycznych. Niewielka liczba pól — w tym nazwa lokalizacji, numer turbiny, numer łopaty i identyfikator zasobu — jest zawsze oznaczana do ręcznego potwierdzenia, niezależnie od oceny pewności. Nieprawidłowa wartość zapisana w odniesieniu do złego zasobu to problem z integralnością danych, który trudno później naprawić. BLADE™ jest zaprojektowany tak, aby temu zapobiegać.
BLADE™ AI Data Capture z oceną pewności dla każdego pola — odczyt elcometru w Collabaro Field z zielonymi, pomarańczowymi i czerwonymi wskaźnikami obok każdej wyodrębnionej wartości
Wartość danych

Zebrane raz. Dostępne wszędzie.

Szersza wartość BLADE™ to nie tylko szybkość. To dane, które wcześniej w ogóle nie były zbierane.

Tablice inspekcyjne zawierają ustrukturyzowane informacje o lokalizacji uszkodzenia, kategorii, pozycji łopaty, warunkach środowiskowych i zakresie naprawy. W ręcznym procesie znaczna część tych danych nigdy nie trafia do bazy. Pozostają na papierze, w zdjęciach lub w pamięci poszczególnych osób. W trakcie kampanii obejmującej wiele turbin oznacza to poważną lukę w wiedzy operacyjnej.

Zdjęcie tablicy
Technik fotografuje wypełnioną tablicę inspekcyjną
Wyodrębnianie BLADE™
AI odczytuje i strukturyzuje każde pole
Potwierdzone
Technik weryfikuje wyniki z oceną pewności
Zapisane
Ustrukturyzowane względem Projektu, Zlecenia i Zadania w Collabaro

Dzięki BLADE™ każdy potwierdzony rekord jest zapisywany w pełni ustrukturyzowanym formacie w odniesieniu do odpowiedniego Projektu, Zlecenia i Zadania w Collabaro — natychmiast dostępny do generowania raportów i integracji. Dane, które kiedyś były zbyt pracochłonne do zebrania, są teraz zbierane w naturalny sposób.

Zobacz BLADE™ w działaniu

Zarezerwuj demo, a pokarzemy Państwu, jak BLADE™ zamienia zdjęcie wypełnionej tablicy inspekcyjnej w ustrukturyzowane, przeszukiwalne dane operacyjne w mniej niż minutę.