AI helpt olievervuiling in zeeën en binnenwateren sneller detecteren

Om te onderzoeken hoe AI de opsporing van olielekken en het beheer van responsacties in Nederland kan verbeteren, hebben FruitPunch AI, Rijkswaterstaat en Valcon samengewerkt aan de ontwikkeling van een proof-of-concept.

Olielekkages blijven een van de grootste milieudreigingen voor zeeën. De grootste mariene olieramp ooit, de ‘Deepwater Horizon’ in de Golf van Mexico, bracht bijvoorbeeld meer dan 500 miljoen liter olie in de oceaan. Ook dichter bij huis vormen olielekken een risico, vooral in Nederlandse havens en binnenwateren.

Deze incidenten bedreigen lokale ecosystemen en vragen om snelle actie om de schade te beperken. Traditionele responssystemen werken wel, maar zijn vaak tijdrovend. Terwijl een snelle opruiming juist het verschil kan maken tussen een klein incident en een grote ecologische ramp.

Om deze reden werd het project ‘AI Against Oil Spills’ gestart, een samenwerking tussen FruitPunch AI en Rijkswaterstaat, het overheidsorgaan dat verantwoordelijk is voor ons waterbeheer. Het doel van het project is te onderzoeken hoe kunstmatige intelligentie kan helpen om olielekken sneller op te sporen en het beheer ervan in zeeën, havens en binnenwateren te verbeteren.

Huidige werkwijze

Om in kaart te brengen waar verbetering mogelijk is, was het om te beginnen belangrijk om de huidige werkwijze te begrijpen. Rijkswaterstaat zet nu drone-teams in om luchtfoto’s van olielekken te maken. Experts bekijken deze beelden vervolgens handmatig om het volume van elk lek in te schatten en de beste schoonmaakstrategie te bepalen.

Dit handmatige proces is allesbehalve snel. Lekkages in binnenwateren kunnen soms redelijk snel worden ingeschat met behulp van contextuele informatie, maar op zee is vaak een volledige segmentatie van het getroffen gebied nodig, wat meerdere uren kan duren.

En in situaties waarin elke minuut telt, kan iedere verloren minuut het verschil maken tussen het beperken van een klein incident of het ontstaan van een grote ecologische ramp.

AI Against Oil Spills

Valcon sloot zich aan bij het ‘AI Against Oil Spills’-project en bracht een team van data-experts in om te onderzoeken hoe AI kan worden ingezet voor het opsporen van olielekken en het verbeteren van schoonmaakacties bij Rijkswaterstaat. De visie was een geautomatiseerd, AI-gestuurd proces te creëren dat handmatige inspecties vervangt door realtime analyse, waardoor kostbare experturen worden bespaard en sneller kan worden ingegrepen.

Europees consultancykantoor Valcon ontwikkelde een proof-of-concept om te onderzoeken hoe de tijd voor het analyseren van dronebeelden en het schatten van lekvolumes aanzienlijk kan worden verkort. Het proof-of-concept werd in drie fasen ontwikkeld:

Fase 1: Voorbereiden van de data

Zoals bij veel AI-projecten, lag de eerste uitdaging bij de data zelf. De luchtfoto’s waren niet volledig gelabeld en olielekken waren vaak moeilijk te onderscheiden door slechte contrasten of vage grenzen. Het team van Valcon bewerkte de beelden om de zichtbaarheid van olie te vergroten en labelde ze vervolgens handmatig opnieuw, zodat er een hoogwaardige dataset ontstond, geschikt voor machine learning.

Fase 2: Trainen van het model

Vervolgens trainde Valcon meerdere AI-modellen voor beeldsegmentatie, waarbij het systeem leerde olielekken op dronebeelden te detecteren en af te bakenen. De modellen herkenden patronen en texturen die op olie wijzen en leverden per beeld een visuele kaart van het getroffen gebied.

Fase 3: Schatting van het lekvolume

Het team van Valcon en FruitPunch AI ontwikkelde een methode om het volume van het lek te berekenen op basis van de gesegmenteerde beelden. Door metadata van de beelden, zoals dronehoogte en camera-instellingen, mee te nemen, kon de AI een betrouwbare volumeschatting maken. Bij nieuwe dronebeelden kan het systeem zo automatisch het lek afbakenen en binnen enkele minuten het volume berekenen.

Proof-of-concept

Het proof-of-concept heeft veel potentie. Het belangrijkste voordeel is dat volumeschattingen nu veel sneller kunnen worden gemaakt. Wat voorheen uren kostte, kan nu binnen enkele minuten. Het nieuwe AI-model levert Rijkswaterstaat snelle schattingen van het volume, waardoor schoonmaakacties sneller en gerichter kunnen plaatsvinden en gevoelige wateren beter beschermd worden voordat schade zich verspreidt.

Een tweede voordeel is de verbetering van dataverzameling. Valcon identificeerde manieren om dronebeelden slimmer te verzamelen, waardoor de nauwkeurigheid van de AI toeneemt. Zo kan bijvoorbeeld de kustlijn, die ongeveer 30% van elk beeld beslaat, dienen als referentiepunt om het lek nauwkeuriger te lokaliseren.

Hoewel het model momenteel een detectienauwkeurigheid van ongeveer 70% behaalt, helpt het de teams om sneller beslissingen te nemen, de inspectietijd te verkorten en een snellere milieurespons mogelijk te maken.

AI in de praktijk

"We zijn verheugd dat we FruitPunch AI en Rijkswaterstaat hebben kunnen ondersteunen bij het proof-of-concept. Het laat zien welke krachtige rol AI kan spelen bij het oplossen van echte milieuproblemen en hoe technologie en menselijke expertise samen unieke innovaties kunnen creëren", aldus het team.