Hoe de detectie van afvalobjecten door een drone de totale detectie- en inzamelingskosten kan halveren
Samenvatting
Voor een grote semi-overheidsorganisatie ontwikkelde ons team een systeem dat zwerfafval detecteerde op basis van beelden gemaakt door drones en hielp bij het beheren van afvalinzamelingsactiviteiten. We hebben een op GIS gebaseerde applicatie ontworpen en ontwikkeld die gemakkelijke interactie met gedetecteerde zwerfvuilobjecten mogelijk maakte en afvalinzamelingsactiviteiten mogelijk maakte via optimale routeplanning en het volgen van de voortgang van de inzameling.
Dit resulteerde in aanzienlijke kostenbesparingen, waardoor de totale detectie- en inzamelingskosten werden gehalveerd. Bovendien daalde de ophaaltijd met a factor 4 terwijl de geautomatiseerde computer vision-oplossing een 7% hogere detectienauwkeurigheid vergeleken met een menselijke expert. Bovendien verminderde dit systeem de CO2-voetafdruk met a factor 19.
Uitdaging
Tonnen afvalobjecten werden door de golven naar een kustgebied gesleept, waardoor ze verspreid werden over een gebied van ongeveer duizend vierkante kilometer. Omdat ze verspreid waren over vele afzonderlijke eilanden, waren deze objecten vrij moeilijk en kostbaar om door een mens te identificeren.
Er moest een efficiënte strategie worden ontworpen en geïmplementeerd die de detectie en inzameling van zwerfvuil mogelijk maakte. Daarom kwam inspectie van de drone-infrastructuur als een geschikte oplossing.
Oplossing van AI Superior
We hebben onze eigen computer vision-technologie toegepast voor objectdetectie, classificatie en segmentatie en hebben een interactieve, op GIS gebaseerde applicatie ontworpen en ontwikkeld om resultaten weer te geven en verzamelactiviteiten uit te voeren. De computervisiedetectietechnologie werd toegepast op beelden gemaakt door een drone. De dronevluchten werden uitgevoerd door een partnerteam dat RGB-beelden leverde die het hele grondgebied bestreken (de vlieghoogte was ongeveer 50 meter hoog boven het land)
Deze afbeelding toont het dashboard van de applicatie voor drone-objectdetectie (applicatie Detectie en GIS)
Resultaat en implicaties
De ontwikkelde oplossing maakte het mogelijk om de tijd die nodig is voor het uitvoeren van afvaldetectieactiviteiten door de afvalverwerkingsbedrijven te verkorten factor 25. Dit heeft geleid tot aanzienlijke kostenbesparingen, halveren de totale opsporings- en incassokosten. Bovendien daalde de ophaaltijd met a factor 4 terwijl de geautomatiseerde computer vision-oplossing een 7% hogere detectienauwkeurigheid vergeleken met een menselijke expert. Bovendien verminderde dit systeem de CO2-voetafdruk met a factor 19.
Dutch 
English 
German 
Arabic 
French 
Spanish