Bram Ton
Meten is weten. Het detecteren van de locatie, soorten en omvang van invasieve exoten in de spoorberm is essentieel om gerichte acties te kunnen ondernemen. Deze acties kunnen zich richten op het vergroten van de veiligheid, en het zo kosteneffectief mogelijk inplannen van groenonderhoud. Door te meten is het tevens mogelijk om verschillende aanpakmethodieken van verschillende onderaannemers met elkaar te vergelijken. Doel van dit project is de praktijkvraag of we op basis van beschikbare methodes en data die ProRail gebruikt (vooral beelden), kennis van planten (modellen) en Kunstmatige Intelligentie (AI, machine learning) met >90% zekerheid de locatie, soort en omvang kunnen detecteren Aziatische duizendknopenen reuzeberenklauw in de spoorbermen. Hierbij wordt gebruik gemaakt van de bestaande open data van ProRail.
In Nederland groeien in spoorbermen soms invasieve exoten: planten die hier van nature niet thuis horen, maar zich wel snel verspreiden en schade aanrichten. Ze verdringen inheemse soorten, veroorzaken overlast zoals giftigheid, erosie, zicht belemmering en brengen veiligheidsrisico’s met zich mee voor het spoorverkeer en onderhoud. De grootste probleemverwekkers zijn de Aziatische duizendknoop en reuzenberenklauw, die schade toebrengen aan spoorinfrastructuur, het zicht belemmeren en de biodiversiteit bedreigen. Bestrijding is kostbaar en complex, omdat huidige methoden vaak niet effectief, milieubelastend of tijdrovend zijn.
Dit project onderzoekt of Kunstmatige Intelligentie (AI) en beschikbare data (zoals luchtfoto’s en geregistreerde waarneming) kunnen helpen om deze planten met meer dan 90% zekerheid op te sporen. Doel is om gerichter onderhoud te plegen, veiligheid te vergroten en kosten te besparen. Onderzoeksvragen richten zich op de beste meetmomenten, aanvullende datamethoden (zoals drones), het voorspellen van verspreiding en het visualiseren van de resultaten in een dashboard.
Doel van het project is om nauwkeurig locatie en omvang van invasieve soorten in kaart te brengen aan de hand van hoge resolutie beeldmateriaal. Een semantische segmentatie van de beelden is een voor de hand liggende keuze. Bij semantische segmentatie krijgt elke pixel in de afbeelding een label, in ons geval zullen dat achtergrond, duizendknoop, en berenklauw zijn. Echter voor het trainen van modellen om accurate semantische segmentatie te doen zijn er veel voorbeelden nodig. Deze voorbeelden zijn er nog niet. Om toch tot een semantische segmentatie te komen willen we kijken hoe we geregistreerde waarnemingen van zowel bedrijven als burgers kunnen gebruiken. Deze waarnemingen bestaan uit een locatie en een label. De uitdaging is om deze waarnemingen slim te combineren met het bestaande beeldmateriaal.
Daarnaast vormt dit project een verbinding tussen de SPRONG-groepen GROUNDED en DEMAND. GROUNDED richt zich op de gehele dataketen ten aanzien van bodem en de relatie met de bovengrond, waarbij remote sensing technieken en hergebruik van bestaande data centraal staan (https://groundexpertisebydata.nl). Biodiversiteits- en groenscans of het opsporen van opvallende veranderingen in de bodem zijn een centraal thema, zoals in de Bomenluisteraar, ARCfieldLAB of bomenscans langs de snelweg (https://groundexpertisebydata.nl/projecten/). DEMAND richt zich op AI en het Data-fundament, welke ook centraal staan in deze aanvraag.
Het project ontwikkelt op basis van de data die ProRail inwint een model waarmee twee invasieve exoten (Aziatische duizendknoop, reuzenberenklauw) met detectiegraad van >90% kunnen worden gedetecteerd (soort, locatie en dekking) en demonstreert hoe dit model kan worden geïntegreerd in een software pipeline, hoe de resultaten kunnen worden gevisualiseerd in een dashboard, en hoe de risicoanalyses kunnen worden vertaald naar maatregelen voor preventief onderhoud.
Naast de directe resultaten (output) kan als vervolg (outcome, impact) deze kennis en/of tool door ProRail worden gebruikt om invasieve exoten te bestrijden (directe kostenbesparing) en/of als input voor een aanbesteding / betrekken commerciële partners voor de bestrijding van invasieve exoten. Ook kan het gebruikt worden om verschillende bestrijding strategieën van onderaannemers met elkaar te vergelijken op criteria zoals effectiviteit en milieu-impact. Ook draagt het bij aan het vergroten van de veiligheid rond het spoor, belemmeringen van zicht en bereikbaarheid voor onderhoud en evacuaties zijn nu in beeld.
Voor het beantwoorden van de onderzoeksvragen combineert het project kennis van spoorwegbeheer (ProRail context), ecologie en ruimtelijke analyses (GIS, invasieve planten, lectoraat SAST) en moderne technologie (beeldherkenning, AI en software, lectoraat AMI). De aanpak is iteratief (action research). De activiteiten worden geclusterd in de volgende werkpakketen:
Betrokken lectoraten: Ambient Intelligence en Sustainable Areas and Soil Transitions
Bram Ton
Wouter Teeuw
Etto Salomons
