Artykuł specjalistyczny
Automatyczne rozpoznawanie wad: każdy obraz równie dokładnie
Wady optyczne są w budownictwie pod klucz najczęstsze — i najnudniejsze. Właśnie dlatego człowiek pod presją czasu je przeoczy, a maszyna nie.
Artykuł specjalistyczny Open Experience GmbH. Stan: wrzesień 2026
Jak działa rozpoznawanie wad przez SI na budowie?
Algorytm rozpoznawania obiektów przeszukuje nagrania z budowy pod kątem optycznych nieprawidłowości, takich jak rysy, pęknięcia, plamy czy uszkodzenia, i oznacza odpowiednie fragmenty obrazu. Przez porównanie z modelem BIM wyznaczana jest pozycja znaleziska; następnie sprawdza się, czy w tym miejscu wada już została zarejestrowana. Jeśli jest nowa, zostaje automatycznie założona i sklasyfikowana, a wycinek z rozpoznania służy za dowód. Metodę sprawdzono w projekcie ESKIMO, finansowanym przez niemieckie Federalne Ministerstwo Edukacji i Badań.
Stan prawny: Niemcy (kodeks cywilny BGB, warunki umów budowlanych VOB/B, taryfa HOAI). W innych krajach obowiązują inne przepisy, a ustalenia umowne mają pierwszeństwo przed podanymi tu terminami ustawowymi.
Przebieg w pięciu krokach
Właściwe rozpoznanie to tylko jeden krok z pięciu. Pozostałe cztery decydują o tym, czy z oznaczonego fragmentu obrazu powstanie użyteczna sprawa.
- 1 — ZarejestrowaćRegularne, ulokowane nagrania budowy, na przykład jako obchód 360° z systemem kamery na hełmie.
- 2 — RozpoznaćRozpoznawanie obiektów oznacza nietypowe obszary na obrazie i przypisuje im rodzaj wady.
- 3 — ZlokalizowaćPrzez porównanie z modelem miejsce na obrazie staje się pozycją w obiekcie.
- 4 — PorównaćJeśli w tym miejscu wada już istnieje, druga nie powstaje. Bez tego kroku automatyka produkuje duplikaty zamiast pożytku.
- 5 — ZałożyćNowa wada zostaje zapisana z klasyfikacją, wycinkiem obrazu i pozycją — i idzie tą samą drogą co każda inna.
Co maszyna potrafi lepiej — a czego nie
To porównanie nie jest oceną, lecz podziałem pracy.
| Zadanie | Człowiek | Automatyczne rozpoznawanie |
|---|---|---|
| *Obejrzeć każdy obraz równie dokładnie* | Pod presją czasu trudne do utrzymania | Właściwa przewaga |
| *Znaleźć najdrobniejsze odchylenia* | Zależnie od światła, rutyny i formy dnia | Systematycznie, z dokładnością do piksela |
| *Ocenić przyczynę* | Doświadczenie i kontekst | Niemożliwe |
| *Ocenić istotność* | Zna umowę, detal i przebieg budowy | Niemożliwe |
| *Wyjaśnić z uczestnikami* | Podstawowa czynność kierownictwa budowy | Niemożliwe |
Maszyna dostarcza kandydatów, nie rozstrzygnięcia. Pożytek powstaje tam, gdzie człowiek przejrzy kandydatów szybciej niż surowe obrazy.
Skąd wzięły się dane treningowe
Metody rozpoznawania są tylko tak dobre, jak materiał, na którym je wytrenowano. W projekcie ESKIMO przeanalizowano i ręcznie skategoryzowano ponad sto tysięcy zdjęć wad optycznych — rys, pęknięć, uszkodzeń. Ta ręczna praca to niewidoczna część każdego projektu ze sztuczną inteligencją; tłumaczy też, dlaczego metod z innych branż nie da się bez dalszych zabiegów przenieść na budownictwo.
Dla porządku: ESKIMO był projektem badawczym z jedenastoma partnerami i budżetem 2,4 mln euro. Wyniki to prototypy, a nie funkcje seryjne.
Pięć efektów, które się pokazują
Równomierność
Trzydzieste mieszkanie zostaje sprawdzone tak samo dokładnie jak pierwsze.
Mniej duplikatów
Porównanie z istniejącymi sprawami zapobiega podwójnej rejestracji — w listach to stały problem.
Udokumentowane zamiast opisane
Oznaczony wycinek obrazu pokazuje, o co chodzi. Pytania zwrotne odpadają.
Wcześniej zamiast później
To, co rzuci się w oczy w trakcie obchodu, jest jeszcze robotą rzemieślniczą, a nie sprawą z rękojmi.
Nadające się do analizy
Gdy ten sam rodzaj wady powtarza się w tym samym detalu, jest to wskazówka dotycząca projektu.
I
Kierownictwo budowy przegląda kandydatów, zamiast otwierać każdy obraz z osobna.
Warunkiem nie jest sztuczna inteligencja
Najczęstszy powód, dla którego automatyczne rozpoznawanie nic w projektach nie daje, leży przed algorytmem: brakuje obrazów. Bez regularnych, porównywalnie wykonanych i ulokowanych obchodów nie ma czego analizować. Kto zaczyna dziś, zyskuje najpierw dzięki samej rejestracji — automatyzacja dochodzi później.
Droga od znaleziska do sprawy
To, czy wadę znajdzie człowiek, czy algorytm, niczego nie zmienia w tym, co musi stać się potem: potrzebuje miejsca, obrazu, opisu, osoby odpowiedzialnej i terminu, a także śledzenia aż do zgłoszenia usunięcia. Dokładnie do tego zbudowano Construction Defects, aplikację do zarządzania wadami — rozpoznawanie dostarcza kandydatów do tego samego procesu, zamiast tworzyć drugą listę.
Częste pytania
Czy mogę dziś zamówić automatyczne rozpoznawanie wad?
Nie. Pochodzi z projektu badawczego ESKIMO i tam zostało zademonstrowane. Produkcyjnie dostępne są pikselowanie, rozpoznawanie przedmiotów i automatyczna klasyfikacja obrazu.
Jakie wady da się w ogóle rozpoznać automatycznie?
Zjawiska optyczne na widocznych powierzchniach: rysy, pęknięcia, plamy, przebarwienia, uszkodzenia. Wszystko, co wymaga pomiaru, odkrywki albo dotknięcia, pozostaje kontrolą człowieka.
Jak niezawodne jest rozpoznawanie?
Dostarcza kandydatów o różnej pewności. Dla praktyki mniej rozstrzyga skuteczność trafień niż obchodzenie się z fałszywymi alarmami — lista, która myli się zbyt często, przestaje być przeglądana.
Czy to zastępuje obchód?
Nie. Zmienia to, co dzieje się w trakcie obchodu: rejestrowanie zamiast protokołowania. Ocena następuje potem, przy ekranie.
Co dzieje się z błędnie rozpoznanymi wadami?
Zostają odrzucone. Ważne, by odrzucenie zostało udokumentowane — inaczej to samo znalezisko pojawi się przy następnym obchodzie.
Czy rozpoznawanie potrzebuje modelu BIM?
Do dokładnego lokalizowania tak, do samego rozpoznawania nie. Bez modelu znalezisko przypisuje się przez punkt rejestracji na rzucie.
Źródła i podstawy prawne
Stwierdzenia prawne w tym artykule opierają się na wymienionych poniżej źródłach pierwotnych. Artykuł nie zastępuje porady prawnej w konkretnej sprawie.
Najpierw obrazy, potem automatyka.
45 minut na Państwa projekcie: jak powstaje obchód, który w ogóle umożliwia analizę.