13 november 2023
GeoAI-kickstartproject ILT 'big bags in beeld' smaakt naar meer
De Inspectie Leefomgeving en Transport (ILT) heeft met ArcGIS een proces ingericht om via beeldherkenning informatie uit luchtfoto’s te halen. In de praktijk heeft dit onder meer geleid tot een project rondom het herkennen van ‘big bags’ bij afvalbedrijven. Dit GeoAI-kickstartproject maakt deel uit van de ambities van de ILT om met beeldherkenning toezicht te houden op afvalstromen.
"De deep learning-mogelijkheden zijn legio en het praktijkvoorbeeld 'big bags' laat zien dat GIS-specialisten en data-scientists complementair kunnen zijn en elkaars werkveld leren kennen en verkennen. Dat is een goede zaak, om zo de samenwerking te versterken en samen kennis en ervaringen te delen", zegt Marius Schaeffer, GIS-specialist bij het innovatie- en datalab (IDlab) van de ILT.
Breed aandachtsgebied ILT
De ILT is toezichthouder voor het ministerie van Infrastructuur en Waterstaat. Ruim 1.600 medewerkers werken aan veiligheid, vertrouwen en duurzaamheid in transport, infrastructuur, milieu en wonen. "Ons aandachtsgebied is heel breed en omvat zo'n 160 verschillende onderwerpen, variërend van toezicht op gevaarlijke stoffen en woningcorporaties tot binnenvaart en afvalverwerking. Dat vertaalt zich naar projecten als satellietmonitoring van scheepsemissies tot risicogericht inspecteren in de binnenvaart", vertelt Schaeffer.
Datagedreven toezicht versterken
Schaeffer vervolgt: "Om het datagedreven toezicht te versterken en maatschappelijke uitdagingen nog beter te analyseren en aan te pakken hebben we enkele jaren geleden binnen de ILT het innovatie- en datalab (IDlab) opgericht. Wij benaderen onderwerpen zowel vraaggericht als datagestuurd. Ofwel: onze datascience-experts behandelen vragen vanuit de organisatie , maar zoeken ook op eigen initiatief naar patronen in databestanden."
Links: Een enkele big bag. Rechts: Een luchtfoto van de opslag van meerdere big bags waarin het stortgoed van een afvalverwerker is opgeslagen.
Bouwen aan generieke werkwijze voor objectdetectie
Om die patronen te ontdekken en beeldherkenning in te schakelen, is de 'big bag-case' een voorbeeld. "Er zijn natuurlijk veel afvalsoorten om te detecteren, maar we doen dit uitdaging voor uitdaging en stap voor stap. De eerste stap die we genomen hebben is het herkennen van big bags bij kunststof recyclingbedrijven. Big bags zijn grote flexibele bulkcontainers die geschikt zijn voor het verzamelen en transporteren van bulkgoederen. Met als doel: het signaleren van veranderingen in de voorraad van big bags, en daarmee knelpunten bij de inname en verwerking van kunststofafval in beeld te brengen. Dankzij deep learning kunnen we sneller en effectiever werken, omdat we hiermee voor een groot gebied de big bags automatisch detecteren. Bovenal gebruiken we deze case om te laten zien hoe beeldherkenning onze inspecteurs kan helpen bij de uitvoering van hun werkzaamheden. Het is in die zin ook een voortdurend proces waarin we steeds schaven om de beste en meest nauwkeurige resultaten te boeken. Hiermee willen we bouwen aan een generieke werkwijze voor objectdetectie", zegt Bernard Bronmans, specialist beeldherkenning bij het IDlab van de ILT.
Zo zijn de big bags in kaart gebracht
Als databron voor het herkennen van de big bags zijn luchtfoto's (RGB-kleuren, met een resolutie van 8 cm) gebruikt. Bronmans: "Het GeoAI-model dat wij hebben ingezet is getraind op drie recyclingsbedrijven. De big bags bij die bedrijven zijn in kaart gebracht. Vervolgens hebben we met ArcGIS Pro het beeldmateriaal opgeknipt tot zogenaamde tiles en de foto's gelabeld. Eerst ruwe labels op basis van een spectraal profiel en daarna hebben we deze handmatig verfijnd met slimme geoprocessing tools in ArcGIS Pro. Dit proces dat wij hebben gehanteerd, kunnen andere bedrijven of organisaties uiteraard ook volgen op basis van hun eigen beeldherkenningsbehoeften. Voor onze casus hebben we op twee manieren gewerkt; het bouwen en toepassen van een beeldherkenning model met de Image Analyst toolbox in ArcGIS Pro en het gebruiken en integreren van een eerder gebouwd Python beeldherkenningsmodel met behulp van ArcGIS Notebooks.” Schaeffer vult aan: “Ook hier gaat het erom goed van tevoren te bepalen wat je nodig hebt om de gewenste informatie boven tafel te krijgen. Esri kan desgewenst hierbij adviseren. "
Overzichtsfoto van voorspellingen van het externe PANet model.
ArcGIS in GeoAI-projecten
Schaeffer: "We hebben uit eigen ervaring gemerkt dat ArcGIS veel te bieden heeft in GeoAI-projecten. Dat geldt voor ArcGIS Pro waarmee veel processtappen eenvoudiger worden. Maar ook voor ArcGIS Notebooks dat een sterke ondersteuning biedt voor tweerichting-integratie van externe Python-gebaseerde modellen. En via ArcGIS online kun je eenvoudig resultaten publiceren voor inspecteurs en andere eindgebruikers. Kortom, het kickstart GeoAI-project 'big bags' bleek een goed begin en het halve werk voor onze ambities op dat gebied. Het smaakt in ieder geval naar meer."
Wilt u meer weten over deze aanpak, lees hier de storymap van Marius en Bernard.