Technologie en datamanagement
Onderzoek naar technologische meettechnieken is belangrijk omdat het toekomstige monitoring doelmatig en efficiënt maakt. Conventionele meettechnieken zijn duur doordat er meer mankracht voor nodig is en het langer duurt om data te genereren. Daarnaast kunnen camera’s bijvoorbeeld continu monitoren waardoor de data die we ophalen ook meer betrouwbaar is. Daarbij sluiten we aan bij de innovatieve ontwikkelingen op de markt.
Van conventionele naar meer technologische meettechnieken
Om zwerfafval in en langs rivieren te monitoren, maken we op dit moment gebruik van zogenaamde conventionele meettechnieken. Denk bijvoorbeeld aan visueel schouwen, handmatig tellen en het afvangen van afval met netten om het vervolgens handmatig te tellen en analyseren.
In dit programmaonderdeel kijken we hoe we deze meettechnieken in de toekomst kunnen uitbreiden (of deels/gefaseerd kunnen overnemen) met meer technologische meettechnieken in combinatie met artificial intelligence (AI). Denk bijvoorbeeld aan camera’s op oevers en bruggen of aan een sonarapparaat in de waterkolom. Maar ook aan satellietbeelden in combinatie met beeldherkenningssoftware.
Projectenoverzicht
Projectomschrijving: Tijdens dit 4 jaar durende PhD traject kijken we hoe AI kan worden ingezet voor zwerfafvaldetectie in rivieren. Het onderzoek is opgezet in 4 fasen. In de eerste fase verkennen we al het bestaande onderzoek over zwerfafvaldetectie in rivieren. We gaan op zoek naar waar de research gaps zitten en bepalen waar nog onderzoek voor nodig is. In fase 2 onderzoeken we hoe je een robuust onderzoeksmodel kunt bouwen dat plastic kan detecteren. Vervolgens onderzoeken we in fase 3 of dit onderzoeksmodel ook iets kan zeggen over de hoeveelheden plastic. In de laatste stap van het PhD-project wordt onderzocht of en hoe het model kan worden geïntegreerd in een structurele monitoringssystematiek.
Looptijd: december 2020 tot december 2024
Status: het eerste wetenschappelijke artikel is gepubliceerd in januari 2023. Het tweede wetenschappelijke artikel wordt verwacht in de zomer van 2023.
Partner: TUDelft
Eerste wetenschappelijke artikel: Deep learning for detecting macroplastic litter in water bodies: A review
Projectomschrijving: In deze verkenning bekijken we welke bestaande technologische meettechnieken interessant kunnen zijn voor zwerfafvalmonitoring in de rivieren. Deze verkenning bestaat uit drie stappen. In stap 1 inventariseren we alle mogelijke meettechnologieën voor (algemene) monitoring. Bij stap 2 doen we een haalbaarheidstoetsing waarbij we kijken welke technologieën ook echt geschikt zijn voor ‘onze’ beoogde zwerfafvalmonitoring. Tijdens stap 3 bereiden we pilotbeschrijvingen voor, zodat we vier potentiële technologieën in een vervolgstudie daadwerkelijk kunnen testen.
Looptijd: november 2021 tot februari 2022
Status: het eindrapport is opgeleverd.
Partner: Royal HaskoningDHV
Rapport: Voorstudie monitoringstechnieken zwerfafval grote rivieren
Projectomschrijving: In deze innovatieve pilot verkennen we de mogelijkheden om plastic te detecteren in de waterkolom door middel van sonartechniek. De testen zijn uitgevoerd in een gecontroleerde testomgeving waarbij stukken plastic zijn losgelaten in stilstaand en afgesloten water. Vervolgens is een drijvende sonar sensor door het water geleid om de plastics te detecteren via puls detectie. De eerste inzichten van de pilot zijn hoopgevend. Plastic kan worden gedetecteerd. De vraag die we nu onderzoeken is of plastic goed genoeg te onderscheiden is van andere materialen zoals zwevend organisch materiaal.
Looptijd: september 2021 – november 2021
Status: het eindrapport is opgeleverd
Rapport: Verkenning akoestisch monitoren plastic afval in de waterkolom
Data- en informatiemanagement: Een cruciale schakel
Een cruciale schakel in het ontsluiten en verder brengen van onze pilotresultaten en onderzoeksbevindingen is informatie- en datamanagement. Het is belangrijk dat resultaten van projecten eenduidig en vergelijkbaar zijn zodat we hier onderbouwde uitspraken over kunnen doen.
Op dit moment zijn we het datamanagementproces aan het inrichten. We kijken naar de inwinning, verwerking en ontsluiting van projectdata. Een belangrijke volgende stap is het interpreteren van deze data en omzetten naar concrete antwoorden op onze onderzoeksvragen. Dit noemen we informatiemanagement. Hiermee voorzien we zowel intern als extern betrokken partijen aan wetenschappelijk onderbouwde informatie.
Op dit moment lopen er nog geen projecten binnen dit domein.