Rijkswaterstaat ziet meerwaarde in het gebruik van drones bij inspecties van bruggen, dijken en sluizen. Vanuit een stageopdracht bij het programma drones van Rijkswaterstaat is onderzoek gedaan naar de mogelijkheden voor het inzetten van sensortechnieken op drones voor deze inspecties. Bij dit onderzoek is gekeken naar alle sensormogelijkheden voor inspecties. (Rapport “Sensortechnieken op drones”, d.d. 26 juni 2020, Optimalisatie van sensortechniek van drones voor inspecties en calamiteiten).
Om ook praktijkervaring op te doen is een pilotproject uitgevoerd aan de Rooyensteinse brug nabij Tiel. Hierbij zijn loszittende betonschollen met een Infra Rood camera en met een RGB-camera uitgevoerd. De resultaten zijn veelbelovend.
Inventarisatie
Na het inventariseren van alle sensormogelijkheden is onderzocht welke sensortechnieken toegepast kunnen worden op drones en wat de meerwaarde daarvan is bij een inspectie. Een regelmatig voorkomende betonschade is loszittende betondekking (schollen) omdat deze plotseling naar beneden kunnen vallen.
Uit onderzoek is gebleken dat hiervoor het beste een Infra Rood (IR)-camera toegepast kan worden. De IR-camera brengt warmteverschillen in constructies aan het licht. Deze gebreken zijn niet met RGB-beelden of met het blote oog zichtbaar. Er is ook een Artificiële Intelligentie applicatie in ontwikkeling waarmee het ontstaan en afbreken van de schollen voorspeld kan worden.
Thermische inspectie van kunstwerken met drones
- Het weer heeft naast een invloed op het kunnen inzetten van de drone ook invloed op het nut van de thermische inspectie.
Het inzetten van een thermische inspectie kan een meerwaarde hebben bij inspecties aan bruggen, dijken en sluizen.De meerwaarde is afhankelijk van verschillende aspecten.
Bij het uitvoeren van een thermische inspectie moet er een temperatuurverschil ontstaan tussen massief beton en de betonschollen door de opwarming van het beton door de zon.
- De grootte van het kunstwerk. Het inspecteren van grote kunstwerken waar meer schades aanwezig zijn geeft een goede vergelijking en kan met een drone in een korte tijd uitgevoerd worden.
Tijdens het testen op de Rooyensteinse brug is één zijde van de brug over een lengte van circa 250 meter in kaart gebracht met RGB-beelden en thermische beelden in circa 30 minuten.
- De ligging van het kunstwerk t.o.v. de zon en het moment van inspecteren. Bij het testen is uitgegaan van een ideale ligging van de brug (in de richting van het Noorden).
De limieten voor de ligging en het moment van inspecteren moeten nog bepaald worden om te zien waar de thermische inspectie meerwaarde heeft.
Resultaten van de praktijkproef
Door thermische inspectie zijn verschillende betonschollen gedetecteerd die niet met RGB-beelden zichtbaar zijn. De betonschollen zijn gedetecteerd door het RGB-beeld uit de inspectie te vergelijken met het thermische beeld van een betonschol. De temperatuur van een betonschol is bekend doordat thermische beelden zijn gemaakt van betonschollen in een betonnen proefstuk.
Hieronder worden 2 voorbeelden getoond van de thermische inspectie. In figuur 1 is een betonschol geïdentificeerd die zich in zonnige gebied bevond.
Daarnaast is in figuur 2 aangetoond dat het ook mogelijk is om een betonschol zichtbaar te maken in schaduwgebied. Hieruit blijkt wel dat de betonschol het een stuk moeilijker zichtbaar is in het schaduwgebied.
Advies
De test aan de Rooyensteinse brug is uitgevoerd onder optimale omstandigheden. De limieten waar binnen een thermische inspectie mogelijk is moeten nog bepaald worden. De volgende aspecten dienen bekeken te worden om de limieten van de thermische inspectie voor kunstwerken te bepalen:
- De buitentemperatuur.
- De zonkracht en stand van de zon.
- Zon- en schaduwkant in relatie tot het tijdstip van de inspectie.
- Mate van het schadebeeld
- Grootte van het schadebeeld.
- Richting van het kunstwerk.
De inspectie levert een groot aantal foto’s op.
Na het testen zijn deze foto’s één voor één bekeken voor het identificeren van de genoemde schadebeelden.
Deze manier van het identificeren van schadebeelden is tijdrovend en zal in de praktijk ook veel kosten met zich meebrengen. De interpretatie van de beelden moet in de toekomst gedaan worden met behulp van machine learning en AI.
Om dit te door de computer te laten doen moet een test set met gekwalificeerde data beschikbaar zijn. Dit houdt in dat op de thermische beelden de verschillende mate van betonschollen en betondelaminatie bekeken moet worden bij verschillende omstandigheden.
Voor het bepalen van de limieten moeten beelden van dezelfde omstandigheden en verschillende variabelen bekeken worden. Het liefst door verschillende betonspecialisten ter verificatie.
