Olievlekken vormen aanzienlijke bedreigingen voor onze ecosystemen en helaas komen ze vaak voor in de havens en kleine waterwegen van Nederland. Deze vlekken vereisen snelle en efficiënte actie om de milieuschade te beperken.
‘AI for Good’, een initiatief georganiseerd door Fruitpunch AI, onderzoekt het potentieel van het gebruik van AI voor milieudoeleinden. Dit omvat een gezamenlijk project met Rijkswaterstaat, de Nederlandse overheidsorganisatie die verantwoordelijk is voor waterbeheer, om te begrijpen hoe AI kan helpen bij het identificeren, beheren en oplossen van olie-vlekken in de Nederlandse havens.
Tijdrovende methode
Op dit moment zet Rijkswaterstaat drone-teams in om luchtfoto’s van olie-vlekken te maken, die door experts handmatig worden onderzocht om het volume van de vlek in te schatten. Deze stap is cruciaal bij het bepalen van de juiste schoonmaakstrategie. Hoewel deze methode betrouwbaar is, is het tijdrovend. Vlekken op binnenwateren kunnen vaak snel worden aangepakt met behulp van aanvullende informatie, maar vlekken op zee vereisen een volledige gebiedssegmentatie, wat meerdere uren kan duren om het volume van de vlek te berekenen. Deze vertragingen benadrukken de behoefte aan snellere, efficiëntere oplossingen.
Als reactie op deze uitdaging heeft Valcon een team van data-experts ingezet voor het project ‘AI tegen olie-vlekken’, dat gericht is op het versnellen van het olie-vlekresponsproces.
Tijdsbesparing dankzij AI
Valcon stelde een oplossing voor om de tijd die nodig is voor het berekenen van het olie-vlekvolume aanzienlijk te verkorten. Ons doel was het ontwikkelen van een AI-gedreven oplossing die de handmatige inspectie van dronefoto’s zou automatiseren.
Valcon volgde een driedelige aanpak. De eerste stap was het voorbereiden van de data en het bewerken van de luchtfoto’s voor training—de dataset bracht uitdagingen met zich mee, waaronder onvolledige labeling, dus de beelden werden verwerkt en aangepast om de zichtbaarheid van olie te verbeteren, waarna de olie-vlekken handmatig opnieuw werden gelabeld.
De tweede stap was het trainen van verschillende AI-modellen voor beeldsegmentatie en het ontwikkelen van een model om olie-vlekken te detecteren en af te bakenen. De derde stap was de schatting van het vlekvolume en het ontwikkelen van een methode om het volume van de vlek in te schatten op basis van de metadata van het beeld en het type olie dat is gemorst. In totaal, wanneer een nieuwe dronefoto in het gebouwde model wordt ingevoerd, tekent de AI grenzen rond de gedetecteerde olie-vlek, die wordt gecombineerd met de aanvullende informatie over het type olie-vlek om het volume van de vlek in te schatten.
Resultaten
- Snellere vlekvolume-schatting
Valcon ontwikkelde een methode om het volume van olie-vlekken van dronefoto’s binnen enkele minuten in te schatten. Dit biedt een tijdige en nuttige bron voor Rijkswaterstaat bij het implementeren van een gerichte opruimingsreactie. - Verbeterde datakwaliteit
Valcon identificeerde verbeteringen in de verzameling van dronebeelden die de nauwkeurigheid van de AI zouden kunnen verbeteren. Zo zorgden we ervoor dat de kustlijn ongeveer 30% van het frame van elke afbeelding beslaat, zodat deze als referentiepunten kan dienen. We gaven deze inzichten door aan het drone-team, zodat zij deze direct in het veld konden toepassen. - Detectienauwkeurigheid
Hoewel de detectienauwkeurigheid van het model momenteel rond de 70% ligt en er ruimte is voor verbetering, kan het nog steeds nuttige input leveren voor experts, waardoor zij sneller beslissingen kunnen nemen en mogelijk de totale tijd die aan olie-vlek inspecties wordt besteed, kunnen verkorten.
Meer weten over het project en ‘AI for Good’?
Bekijk hieronder de video om dieper in het project te duiken, of check onze website.
