Bezig met laden...

Hogere veiligheid bij inspecties van bruggen met drones | Dutch Drone Community | Dutch Mobility Innovations

home "»" Communities "»" Dutch Drone Community "»" artikelen "»" Hogere veiligheid bij inspecties van bruggen met drones
Dutch Drone Community

Verlaat Community:

Weet je zeker dat je je lidmaatschap wilt verwijderen van

Word lid van deze Community:

Lid worden van deze community?

Toevoegen nieuw tabblad

Voeg een hyperlink toe aan de communitynavigatie. U kunt linken naar interne of externe webpagina's. Voer de naam van het tabblad en de tab-URL in. Upload of kies een pictogram. Klik vervolgens op Opslaan.

De naam die in de navigatie van de Community verschijnt.
De url kan verwijzen naar een interne of externe webpagina.
Login als je wilt volgen, delen of deelnemen in deze Community.
Nog geen lid?Meld je Nu aan
Announcement 

Nieuw: download de gratis DMI app hier >>   

Hogere veiligheid bij inspecties van bruggen met drones

 /5
0 (0stemmen)

Wanneer is het interessant een inspectie van bijvoorbeeld een brug, een viaduct of een tunnel met drones uit te voeren?  Om die vraag te kunnen beantwoorden, nodigde Rijkswaterstaat marktpartijen uit een handreiking met afwegingskader op te stellen. Deze handreiking moet helpen bij het legitimeren van drone-inspecties als onderdeel van de reguliere inspecties van de kunstwerken van Rijkswaterstaat.

De eerdere inspectiepilots met drones van Rijkswaterstaat en andere beheerders, lieten vaak al positieve resultaten zien wat betreft veiligheid, kostenbesparingen en kwaliteit. De ontwikkeling van de handreiking is een volgende stap in de toepassing van drones.

Het uiteindelijke doel van Rijkswaterstaat is om in 2021 alle bruggen en viaducten met ‘drone-potentieel’ ook daadwerkelijk met een drone (door de markt te laten) inspecteren. De potentie van drones is groot, maar we moeten nog wel naar een structurele implementatie van drones in de operatie. Het dronepotentieel is gedefinieerd als de mogelijkheid om de inspectielast te reduceren door de inzet van drones. Met name voor situaties waar een drone inzet leidt tot een veiligere werksituatie, minder kosten en een betere bereikbaarheid. Daarnaast levert het inspecteren met drones minder verkeersstremmingen op, waardoor de doorstroming van het verkeer beter is en er minder CO2 uitstoot optreedt.



Afwegingsmodel

Het opgeleverde afwegingsmodel drones laat de conclusie van de afweging tot uiting komen in een “dronelabel” (zie afbeelding). Dit hoeft voor een object maar eenmalig gemaakt te worden. Niet alleen Rijkswaterstaat inspecteert haar kunstwerken, ook ProRail, provincies en gemeentes doen dit. Zij zijn dan ook zeer geïnteresseerd in het afwegingskader. Recent heeft ProRail een viertal spoorbruggen met een drone laten inspecteren en ook de provincie Overijssel inspecteert met drones. Samen met deze en andere beheerders onderzoeken we of we het dronelabel ook voor hen toepasbaar is en /of meer op maat kunnen maken voor hun toepassingen. Verder onderzoeken we met het CROW of een dergelijk afwegingskader als onderdeel kan worden opgenomen in de inspectierichtlijn CUR 117 en hebben we aansluiting gezocht bij het inspectieplatform.



Artificiële Intelligentie

Naast de verhoging van de veiligheid beperking van de verkeershinder en besparing van kosten zit er nog een innovatie aan te komen, namelijk de toepassing van Artificiële Intelligentie. Ook dit is in een pilot meegenomen en gaan we verder uitwerken samen met partners. De beoordeling van de inspectie willen we uiteindelijk volledig geautomatiseerd laten verlopen, wat we gaan doen met machine-learning. Door het gebruik van artificial intelligence (AI) worden beslissingen altijd rationeel en weloverwogen gemaakt. Deze zelflerende systemen zijn daarom consistenter, efficiënter maar vooral onvermoeibaar. De menselijke factor wordt in de voorselectie namelijk geëlimineerd. Maar ze moeten natuurlijk wel goede en voldoende voeding (in de vorm van aanwijzingen of iets een scheur is of niet) krijgen. Een eerste pilot leverde al een percentage van 84% op qua betrouwbaarheid bij detectie van scheuren in beton. Dat percentage wordt beter naarmate we meer resultaten kunnen gebruiken voor de voeding van de machine-learning. Ook dit pakken we gezamenlijk met andere beheerders op. Uiteindelijk zal ons dit ook winst opleveren in de data-analyse, snelheid en vergelijkingen met vorige inspecties eenvoudig maken.

Voor meer informatie: ariea.vermeulen@rws.nl en/of arie.van.kersen@rws.nl.

Bron: Rijkswaterstaat

Opmerkingen (er zijn nog geen reacties)