Dat meldt BAM Infra in een persbericht.
Auto’s rijden met 360o camera’s rond en maken beelden van het asfalt. Momenteel worden deze beelden handmatig gecontroleerd door asfaltexperts. Met de nieuwe Machine Learning-technologie kunnen schades automatisch worden gedetecteerd.
Zelflerend
Aan het zelflerende model worden grote hoeveelheden beelden van bekende schades toegevoegd, waardoor het model de schades steeds beter leert herkennen. Het model kan gaten, scheuren en rafeling in het asfalt onderscheiden, maar bijvoorbeeld ook de aanwezigheid van dierlijke resten.
Vervolgens stelt het model een schaderapportage op. Deze wordt door een algoritme gekoppeld aan geografische gegevens, waardoor de exacte locatie van de schade bekend is.
Menselijke toetsing
“98 procent van de beelden die wij binnen krijgen is van asfalt waar niets mee aan de hand is. Door alle beelden te laten beoordelen door het zelflerende model, kunnen wij onze mensen direct naar die 2 procent laten kijken waar wel een schade aan het asfalt te zien is. Je kunt je voorstellen hoeveel dit scheelt”, zegt Jaap van den Elshout, Themamanager Asset Management bij BAM Infra.
Wegeigenaren zoals Rijkswaterstaat, provincies, waterschappen en gemeentes kunnen inspecties hierdoor veel gerichter en sneller uitvoeren. Op die manier leveren de inspecties en het onderhoud minder verkeershinder op.
Lees ook:
- Rijkswaterstaat maakt asfalt duurzaam met ‘verjongingskuur’
- Internationaal consortium ontwikkelt innovatief zelfherstellend asfalt
- Fryslân gebruikt wc-papier voor duurzamer asfalt
Bron: BAM Infra | Afbeelding: Shutterstock.com
schrijf je in voor de nieuwsbrief
Wil jij iedere ochtend rond 7 uur het laatste nieuws over duurzaamheid ontvangen? Dat kan!
Schrijf je nu in
