Digitale Diepgangsmeting
AI en beeldverwerking voor automatische diepgangsmeting
De diepgang van schepen is dynamisch en afhankelijk van veel factoren. Daarom worden zeeschepen in veel havens fysiek gemeten. Dat is een arbeidsintensief en tijdrovend proces. Digitale Diepgangsmeting van Technolution doet hetzelfde, maar dan met camera’s en AI – automatisch, nauwkeurig en snel.
De kapitein van een schip vertrekt uit een haven in China. Terwijl hij de weersvoorspellingen analyseert, maakt hij nu al een inschatting van de verwachte diepgang bij aankomst in de haven van Amsterdam. Waarom doet hij dat?
Het belangrijkste is dat het schip de bodem niet raakt. De toegangskanalen naar havens hebben strikte dieptebeperkingen. Te diep liggen betekent risico op vastlopen, structurele schade en serieuze vertraging. Aan de andere kant is minder lading meenemen om hoger te liggen economisch onwenselijk.
Maar is die diepgang dan niet eenvoudig te berekenen op basis van het laadgewicht? Helaas niet. Ook brandstof- en watervoorraden aan boord bepalen de diepgang. Daarnaast heeft de snelheid van het schip invloed. Uiteindelijk is een fysieke meting in de haven onmisbaar. Traditioneel vaart een operator in een bootje rond het gigantische zeeschip om de markeringen op de romp handmatig af te lezen. Kan dat niet automatisch?
Met Digitale Diepgangsmeting (DDM) heeft Technolution een geautomatiseerd systeem gerealiseerd dat AI-modellen combineert met klassieke computer vision en hardware-aansturing. Hoe dit technisch werkt, leggen we hieronder uit.
De techniek achter DDM: een geavanceerde verwerkingsketen
Aan weerszijden van het kanaal staan PTZ-camera’s (pan-tilt-zoomcamera’s) met hoogwaardige zoomlenzen. Een geavanceerde softwareketen stuurt de motoren van deze camera’s aan en combineert de ruwe meetgegevens tot nuttige informatie.
Stap 1: Positiebepaling
De eerste stap is om te bepalen waar het schip exact ligt en waar de voor- en achterzijde van het schip zijn. Het schip vaart met een rustige, constante snelheid het meetgebied binnen. Een operator geeft aan dat dit schip gecontroleerd moet worden.
Stap 2: Markeringen en snelheid bepalen
We gaan nu op zoek naar de markeringen aan de zijkanten van het schip. Grote zeeschepen hebben in totaal zes markeringen: voor, midden en achter, aan beide zijden van het schip. We zetten een verder getraind YOLO-model (You Only Look Once) in voor de lokalisatie van deze diepgangsmarkeringen in realtime. Tegelijkertijd berekent het algoritme de exacte snelheid van het schip via optical-flowanalyse. Door pixelverschuivingen in de tijd te kwantificeren, weten we precies hoe snel het schip beweegt.
Stap 3: Inzoomen en tracken
Nu we de snelheid van het schip en de positie van de markeringen weten, zoomen we maximaal in om de cijfers naast de markeringen te kunnen lezen. Tijdens dit proces is het van belang om de camera nauwkeurig mee te laten bewegen met de snelheid van het schip. Dit is een van de lastigste stappen van het algoritme. Het systeem bevindt zich hier in een real-time control loop. We sturen de cameramotoren aan voor tracking, maken opnamen met hoge resolutie en draaien tegelijkertijd AI-modellen voor de beeldverwerking.
Stap 4: Gegevens combineren
We hebben nu een indicatie van de decimeter-markeringen (de cijfers 2, 4, 6 en 8 om de 20 centimeter) en meteraanduidingen. In de praktijk zijn deze vaak slecht leesbaar door roest, algen, mechanische schade of weerspiegelingen. Om het AI-model hiertegen te wapenen, voegen we tijdens de trainingsfase kunstmatig roest en bewegingsonscherpte toe aan de trainingsdata. Vervolgens combineren we een serie opnamen in de tijd via statistische filters. Dit elimineert incidentele meetfouten en zorgt voor een betrouwbaar trendbeeld.
Stap 5: Waterlijn bepalen
Ten slotte gebruiken we nog een AI-model om de waterlijn te bepalen: de horizontale lijn waar het water het schip raakt. De reflecties in het water zijn complex om met klassieke technieken te segmenteren. Hiervoor hebben we honderden afbeeldingen handmatig gelabeld. Het hiermee getrainde AI-model bepaalt nu zeer nauwkeurig het snijpunt tussen de diepgangsmarkering en de waterlijn.
Betrouwbare resultaten voor de haven van de toekomst
Nu hebben we alle ingrediënten samen: we lokaliseren de markeringen op zes punten, lezen ze tot op enkele centimeters nauwkeurig af en weten exact waar ze het water raken. Daar is een keten van nauwkeurig afgestemde verwerkingsstappen voor nodig geweest, maar samen leveren ze een betrouwbaar beeld op van de diepgang van het schip.
De meetresultaten vatten we samen in een verslag dat naar de operator gaat. In uitzonderingssituaties kan er twijfel zijn. In dat geval meldt het algoritme dit direct. De beeldopnamen stellen de operator dan in staat om zelf snel de juiste beslissing te nemen.
Digitale Diepgangsmeting laat zien hoe de synergie tussen AI, embedded hardware en slimme software engineering een praktisch probleem in de haven kan oplossen. Het automatische aflezen vanaf de wal verhoogt de veiligheid voor havenpersoneel, optimaliseert de doorstroom van schepen en maakt het havenproces minder kwetsbaar in een tijd waarin gekwalificeerde technici en havenprofessionals moeilijk te vinden zijn.
