Het komt regelmatig voor dat schepen olie verliezen, wat grote impact op het milieu kan hebben. Rijkswaterstaat is verantwoordelijk voor het voorkomen van verontreinigingen, beperken van de gevolgen en opruimen van gelekte olie. Om in de toekomst effectief de verontreinig op te ruimen, doen we proeven met een algoritme die de grootte van een verontreiniging kan inschatten.
Dagelijks worden er in havens, rivieren en kanalen kleine vervuilingen gemeld omdat mensen soms niet goed opletten tijdens hun werk. Wekelijks hebben we te maken met grotere olie-incidenten. Om te voorkomen dat de vervuiling zich verspreidt naar de omgeving, wordt met speciale vaartuigen en systemen de vervuiling opgeruimd.
Inzet drones voor overzichtbeeld van olieverontreiniging
Bij grote vervuiling op open water, zoals het IJsselmeer, of verspreide vervuiling op rivieren en kanalen, worden vaak drones, helikopters en/of vliegtuigen ingezet. Drones zijn ideaal om vervuiling te onderzoeken in havens of kanalen met beperkte verspreiding. De luchtfoto’s tonen de omvang van de olie, de besmetting van objecten en oevers, en de natuur. Ze geven ook inzicht in de effectiviteit van olieschermen en de voortgang van het opruimen.
In samenwerking met Fruitpunch AI hebben we een algoritme ontwikkeld om sneller en nauwkeuriger de omvang en het soort olie te bepalen. Dit algoritme analyseert de dronebeelden en geeft direct een schatting van de omvang. Voor de proef zijn er twee algoritmen getraind: één om een schatting te maken van de oppervlakte van de olie en één om een schatting te maken van de oliedikte op basis van kleurverschillen.
Technische informatie
Er zijn verschillende segmentatie-modellen getraind op RGB dronebeelden, waaronder Unet, Unet++, SAM en YOLO. Er is geen gebruik gemaakt van infraroodbeelden, omdat de kleurschakerging hiermee niet te zien is. Dit is wel nodig om de olievolume te bereken.
De data is verrijkt door semi-automatische annotatie toe te passen op niet-geannoteerde beelden en handmatige segmentatie uit te voeren op extra beelden van een ollieverontreiniging in Arnhem. De dataset is uitgebreid met beelden van een externe bron. Voor de annotatietaken is er gebruik gemaakt van Roboflow. Er is gebruik gemaakt van een classifier om de oliedikte te classificeren op basis van kleurschakering.
De uitkomst en vervolgstappen
Het algoritme heeft ons weer een stap verder gebracht, om in de toekomst nog effectiever een verontreiniging op te kunnen ruimen en de vervolgschade verder te beperken. We hebben aangetoond dat we de oppervlakte van een olievervuiling goed kunnen detecteren. Het herkennen van de verschillende soorten olie (glanzend, regenboogkleurig, metaalachtig), en hiermee de dikte, blijkt lastig. Het algoritme is daarom nog niet goed genoeg om te gaan gebruiken tijdens ons werk.
Om het algoritme te verbeteren, hebben we meer dronebeelden nodig met de juiste beschrijvingen. We gaan op een gestandaardiseerde manier data verzamelen bij olieverontreinigingen, zodat het algoritme in de toekomst geoptimaliseerd kan worden.
