project

Het leidingnet in beeld

Met de ontwikkeling van inspectierobots en nieuwe sensoren kan dankzij een groeiende schat aan data licht worden geworpen op het ondergrondse drinkwaterleidingnet; iets dat lange tijd onmogelijk was. Dit project ontwikkelt een Proof of Concept voor het automatisch interpreteren van visuele data. Voor waterbedrijven betekent dit een significante verbetering van de kennis over het leidingsysteem en de kwaliteit van de beschikbare data, en daarmee van hun bedrijfsvoering.

Het openen van de zwarte doos

Voor lange tijd is het ondergrondse drinkwaterleidingnet een zwarte doos geweest. Nog steeds is ons beeld van de leidingtoestand beperkt en berust deze grotendeels op statistische inschattingen. Dit geldt eveneens voor de exacte ligging van leidingen en in beperktere mate ook voor de connectiviteit.

In de afgelopen decennia zijn daarom diverse inspectietools ontwikkeld die stukjes van deze zwarte doos inzichtelijk hebben gemaakt. Drinkwaterbedrijven kunnen hierdoor over steeds meer informatie van individuele leidingen beschikken. In de komende tien jaar wordt met de introductie van inspectierobots en nieuwe sensoren op deze gunstige ontwikkeling voortgebouwd. Daarmee kunnen enorme hoeveelheden data over de begraven infrastructuur naar boven komen. Een volledig en actueel beeld van bijvoorbeeld de exacte locatie, toestand en morfologie van het ondergrondse leidingnet, biedt drinkwaterbedrijven de kans om hun operationele processen een impuls te geven en bijvoorbeeld saneringen efficiënter te plannen en aannemers beter aan te sturen.

Proof of Concept voor visuele data

Aangezien waterbedrijven hun beslissingen steeds meer baseren op informatie in plaats van op ervaring, is een betrouwbare informatiebasis cruciaal. Zo moet iemand die een beslissing baseert op de uitkomst van een hydraulische berekening kunnen vertrouwen op de invoergegevens van het hydraulische model, zoals de exacte topologie, connectiviteit, coördinaten etc. Daarom beoogt dit project in de eerste instantie een Proof of Concept te ontwikkelen van de automatische interpretatie van visuele data, afkomstig van sensoren, inspectietools en –robots. Hierbij wordt gebruikgemaakt van algoritmen die de laatste jaren beschikbaar zijn gekomen in softwarebibliotheken, zoals bijvoorbeeld Tensorflow. In vervolgonderzoek kan dit onderzoek mogelijk naar andere data worden uitgebreid.

Automatische interpretatie van visuele inspectiedata

Met het automatisch interpreteren van data kunnen de kennis over het leidingsysteem en de kwaliteit van de beschikbare data significant worden verbeterd. Ook schetst dit onderzoek hoe breed deze interpretatie van inspectie- en sensordata toepasbaar is voor waterbedrijven en hoe dit leidt tot diverse verbeteringen in de bedrijfsvoering. Om deze mogelijkheden in de praktijk te kunnen brengen wordt een routekaart opgesteld, in de keten van data naar assetmanagementbeslissingen en -beleid.

Camerabeeld genomen door een leidinginspectietool.