Fruitpunch.ai organiseert samen met Rijkswaterstaat en Prorail een AI challenge. Help mee om het algoritme voor de inspectie van bruggen, sluizen, dijken en andere openbare werken te verbeteren. Het algoritme analyseert dronebeelden van de kritische infrastructuur en moet de inspectie op afstand verbeteren.
Verouderde infrastructuur wordt over de hele wereld een steeds groter probleem. De verkeersvolumes zijn enorm toegenomen en vrachtwagens zijn zwaarder geworden, waardoor de druk op de infrastructuur is toegenomen. Het waarborgen van de veiligheid van openbare infrastructuur wordt duurder en moeilijker vol te houden. De instorting van het viaduct van Ponte Morandi in Italië in 2018, waarbij 43 mensen om het leven kwamen, is slechts een van de vele voorbeelden van hoe ernstig het probleem de afgelopen jaren is geworden.
De diepgang van analyses, inspecties en onderzoek, en daarmee de kosten, nemen toe. Rijkswaterstaat is een overheidsorganisatie die verantwoordelijk is voor het ontwerp, de aanleg, het beheer en het onderhoud van de belangrijkste infrastructurele voorzieningen in Nederland. Er zijn meer dan 1100 bruggen, 92 sluizen en andere openbare werken, waarvan velen dateren uit de jaren vijftig en zestig van de vorige eeuw, die moeten worden onderhouden.
Rijkswaterstaat is een samenwerking aangegaan met de AI-gemeenschap FruitPunch. Dit om de inspectie van de Nederlandse infrastructuur te verbeteren met behulp van (drone)-beelden en AI, wat zorgt voor een efficiëntere inspectie. Deze challenge zal werken met de data vaninstandhoudingsinspecties. De instandhoudinginspectie is een combinatie van deskstudy en daadwerkelijke inspectie om risico’s tijdig te signaleren en te vertalen naar beheermaatregelen om het functioneren en de prestaties van bruggen en waterwerken op de lange termijn te garanderen.
DOEL: COMPUTERVISIEMODELLEN GEBRUIKEN OM STRUCTURELE SCHADE AAN OBJECTEN IN DE OPENBARE RUIMTE DOOR DRONES TE LATEN OPSPOREN
Er bestaat al een model dat wordt gebruikt om scheuren op te sporen in drone-beelden van bruggen, sluizen, dijken en andere openbare werken. Het doel van deze challenge is dit model te verbeteren en verdere mogelijkheden te onderzoeken om inspecties op afstand te verbeteren.
Uiterste datum voor aanmelding: 15 juli 2022
Je gaat werken aan:
✅ Updaten van het YOLOv-model
✅ Inzet van meer geavanceerde object detectie modellen (transformers)
✅ Het gebruik van extra data voor meer robuuste resultaten
✅ Het maken van classificatiemodellen en deze vergelijken met objectdetectie
✅ Analyseren van aanvullende statistieken voor evaluatie
Om 3 soorten schade te detecteren: scheuren, betonrot en alkali-silica reactie, gebruik je:
👉 YOLOv5.6
👉 Detectron2, DETR
👉 Image augmentation pipeline
👉 VGG16, Resnet101, Inception v4, DEIT
Naar wie zijn we op zoek?
We zijn op zoek naar data science & AI engineers met ervaring in computer vision. Je werkt samen met een divers team van maximaal 50 internationale medewerkers in subteams. Je kunt meedoen als bijdrager (~12 uur per week commitment voor 10 weken) of coach (2-4 uur per week, alleen voor ervaren ML-professionals)
We organiseren 2 masterclasses over relevante onderwerpen tijdens de challenge om je op snelheid te brengen.
Enthousiast geworden? Meer informatie en aanmelden kan via de website van fruitpunch.ai.
