menu sluiten
Contact

Amsterdam
Pedro de Medinalaan 87a/b, 1086 XP Amsterdam
Nederland +31 (0)85-888 33 31

Breda
Neerloopweg 36, 4814 RS Breda
Nederland +31 (0)85-888 33 31

Antwerpen
Veldkant 33B, 2550 Kontich
België +32 (0)3 444 11 08

info@jstack.eu

Case

Computer vision houdt toezicht op waterwegen

Computer Vision Applicatie
Machine Learning Modellen
Volledig automatische surveillance

We zijn allemaal bekend met verkeerscamera’s welke in de gaten worden gehouden door verkeersleiders. Op het water is dit heel anders, enkel bij beweegbare delen zoals sluizen en bruggen is dit gebruikelijk. Op waterwegen worden periodiek tellingen gedaan, en op aanlegplaatsen is er vaak een havenmeester die geacht wordt de boel in de gaten te houden. Maar zo blijft er nog veel ruimte over waar eigen slecht of geen inzicht is in de activiteit die er plaatsvindt. “Computer Vision to the Rescue!”

Het systeem overzicht

Op plaatsen waar gedetailleerde informatie belangrijk is, bijvoorbeeld bij kleine havens, wachtplekken voor bruggen of sluizen of drukke vaarwegen, kunnen stationaire camera’s geplaatst worden. Deze beelden worden door een Computer Vision algoritme geanalyseerd, welke eventuele boten op het beeld detecteert en classificeert.

Hoe het werkt

Om een goed Computer Vision algoritme in te zetten is het allereerst belangrijk om een goed begrip van de situatie te hebben. Welke classificaties zijn relevant, en welke niet? Onder welke omstandigheden moet het systeem kunnen functioneren en wat zijn acceptabele fouten? Antwoorden op deze vragen bepalen het type en de hoeveelheid data die benodigd is om het systeem gereed te maken voor productie.

Veelal worden eerst verschillende bestaande modellen getest op de verzamelde data, deze resultaten worden gebruikt als baseline. Vervolgens worden de modellen middels transfer learning verder getraind om de resultaten voor de specifieke casus te verbeteren.

Deze modellen kunnen samen met klassieke Computer Vision methoden worden ingezet om het model te helpen focussen op de juiste onderdelen van het beeld.

Producten en resultaten

Afhankelijk van de eindgebruiker worden de resultaten van zo’n model in product anders verwerkt. Bij havens kunnen schepen geïdentificeerd worden aan de hand van een IMO om zo inzicht te krijgen in wanneer welke klanten in haven aanwezig zijn. Bij verkeerstellingen op de waterwegen worden resultaten geaggregeerd om zo een totalen te genereren over aangegeven tijdsperiodes.

Beeldmateriaal dat op deze manier verzameld wordt hoeft niet opgeslagen te worden om de applicatie goed te laten werken. Hierom hoeft privacywetgeving geen belemmerende factor te zijn voor dergelijke applicaties.

Interessant? Deel deze case met een vriend(in) of collega!

Ziet u kansen voor een soortgelijke oplossing voor uw organisatie?

Ik ga graag met u in gesprek om uw usecase verder te verkennen. Neem met mij contact op voor een vrijblijvend adviesgesprek.