Cases

Case:

Automatisk billede-sortering af 9 millioner billeder

Esoft leverer foto-, video-, tekst- og web-materiale af boliger til ejendomsmæglere.

Som et led i at bruge al den data de har tilrådighed indgik Esoft et samarbejde med OpGo. Målet var at klassificere forskellige rumtyper baseret på billeder af dem. Til dette anvendte vi state-of-the-art deep learning teknikker og modeller.

Kunstig intelligens til billedgenkendelse

Sammen med Esoft udarbejdede vi forskellige modeller til at genkende forskellige rumtyper på et splitsekund.

Modellerne opnåede en præcision på 95% og er nu en del af Esofts API og automatiske workflow til at behandle billeder for kunder.

Brug slideren til at se et eksempel på hvad en kunstig intelligens kunne lægge vægt på ved et billede.

0 %
præcision

Løbende samarbejde

Begge parter ønskede en levende proces og et løbende samarbejde, så vi leverede ikke kun godt slut-produkt, men også løbende rapporter og præsentationer om vores undersøgelser og fremskridt.

Esoft skrev dette på LinkedIn:

Case:

Udbud på få sekunder

Trafikselsaberne i Danmark er ansvarlige for flextrafik (NT/midttrafik) i deres dækningsområder. Taxaselskaber byder ind på kørsel af flextrafik i mindre delområder, hvor der ved nogle områder er specielle krav til sammensætningen af vindere. Det kan f.eks. være to eller flere områder som skal dækkes af samme vogn.

De seneste år har flere og flere taxaselskaber budt ind med flere og flere bud og hele processen er blevet ganske kompliceret – så kompliceret at det kan tage meget lang tid at finde en brugbar løsning i hånden, og det kan være svært at argumentere for at løsningen er billigst og intet er overset.

I samarbejde med NT og midttrafik udarbejdede vi en software-løsning der baserer sig på matematisk optimering til at søge gennem de mange milliarder af tildelings-kombinationer, og med en simpel, intuitiv grafisk brugerflade som alle kan bruge. Ved at benytte principper fra diskret optimering går der kun få sekunder fra man trykker “Løs” til man har en løsning. Det er ikke bare en tilfældig tildeling der overholder alle krav, men den matematisk beviselige billigst mulige tildeling.

Det forekommer reglmæssigt at byderne får indtastet fejlagtig information om deres tilgængelige vogne, hvilket først bliver opdaget når en potentiel løsning er fundet. Med vores udbudsløsning sparer trafikselskaberne ikke blot mange timer på at finde en løsning, men kan også have ro i sindet vidende at en ny løsning kan findes hurtigt hvis der opstår uforudsigelige problemer med de valgte tilbud.

Case:

Certifikater til vindindustrien

Work In Wind er bindeleddet mellem vindmølle-teknikere og virksomheder i industrien. Platformen gør det nemt for begge parter at finde hinanden og en vigtig del af dette er søgbare certifikater på alle teknikere.

Automatisk data-udtræk og glade teknikere

Oprindeligt når teknikere uploadede deres certificater skulle de selv finde det relevante kursus i databasen og angive alle relevante oplysninger. Work In Wind oplevede at dette ikke blev gjort da teknikerne ofte havde mange certifikater og bare gerne ville i gang.
 
Work In Wind ønskede et automatisk system til at trække relevante oplysninger ud af certifikaterne og matche det op med databasen, så det ville tage få sekunder at komme i gang i stedet for flere minutter.
 
Til venstre ses et eksempel-certifikat med relevante oplysninger trukket ud: Kursusnavn til opslag i database, navn til at bekræfte certifikatets korrekte ejer og udløbsdato så teknikeren automatisk kan få en besked når certifikatet er ved at udløbe.
 
Systemet er designet til at fungere på alle tænkelige certifikat-typer, hvor layout, farver, baggrunden osv. kan være vidt forskellige, og hvor der kan stå mange overflødige oplysninger f.eks. mange datoer, navne og tekst.
 
Med vores samarbejde er det blevet lidt nemmere at være vindmølle-tekniker og det har gjort hverdagen lidt lettere for alle parter.