Saxion-onderzoek zorgt ervoor dat treinmachinisten straks (hopelijk) beter zicht hebben

Onderzoeker Bram Ton van Ambient Intelligence, werkt samen met Sustainable Areas and Soil Transitions, aan technologie voor het opsporen van de reuzenberenklauw en de Japanse duizendknoop. Deze plantsoorten zorgen voor veel problemen bij ProRail, legt Ton uit. “Soms groeien ze zo hoog, dat machinisten minder kunnen zien.” Daarnaast zijn de wortels van de Japanse duizendknoop zo sterk dat ze schade aan de infrastructuur van het spoor aanrichten.

De reuzenberenklauw en Japanse duizendknoop zorgen ook voor een verlies van biodiversiteit. “Ze drukken alle inheemse planten weg, waardoor bijvoorbeeld bepaalde vogels wegtrekken.”

ProRail heeft geen interesse in de plekken waar de reuzenberenklauw of de Japanse duizendknoop al wijdverspreid is, het gaat juist om de beginnende plekken. “Dat was een aha-moment voor ons”, legt Ton uit. “Ze willen juist voorkomen dat die kleine plekken zich gaan verspreiden.”

Nare brandblaren

In de gebruikte technologie worden helikopterfoto’s van ProRail gecombineerd met waarnemingen uit openbare data. Op waarnemingssites, zoals de Nationale Databank Flora & Fauna, delen mensen het als ze bepaalde plant- en diersoorten hebben gespot. Voor dit onderzoek zijn de waarnemingen van de reuzenberenklauw of de Japanse duizendknop dus van groot belang.

Daardoor kunnen nieuwe plekken van deze invasieve planten worden gevonden. Het bestrijden gebeurt nu al op verschillende plekken, maar dat kost ProRail veel tijd en moeite, legt Ton uit. De reuzebereklauw zorgt voor nare brandblaren, wat het bestrijden nog moeilijker maakt. Door dit onderzoek hoopt ProRail de beginplekken van deze planten te vinden, waardoor ze niet ver kunnen verspreiden. “Van de helikopterbeelden wil je elke pixel een label kunnen geven. Je zou dan van elke pixel kunnen zeggen of het de achtergrond is of een invasieve plant.”

Er zijn andere projecten geweest waarin bijvoorbeeld dronebeelden werden gevisualiseerd met pixels en labels, maar nog nooit voor de Nederlandse spoorwegen. “Het labelen van data is een arbeidsintensieve taak”, legt Ton uit. “Als je al je data zelf wil labelen kost je dat zo een paar honderd uur.” Door dit onderzoek moet er een geautomatiseerde manier komen om deze data te kunnen labelen.

Had een systeem als deze niet eerder gemaakt kunnen worden? “Jawel, maar toen was de vraag er nog niet zo sterk als nu.”, zegt Ton. Wel is er software met enorme rekenkracht nodig, zegt hij.  

Daarbij zal er gebruik gemaakt worden van AI. “We gaan het AI-model als het ware trainen om invasieve plantensoorten te ontdekken.” Hierdoor hoeven alle beelden en data niet handmatig gelabeld te worden.

Ton ziet sinds hij aan dit onderzoek is begonnen geen enkele Japanse duizendknoop of reuzenbereklauw meer over het hoofd. Hij gaat elke ochtend op de fiets van Hengelo naar Enschede en daar valt zijn oog elke keer weer op de Japanse duizendknoop. “Ik weet precies waar ik die straks in de data moet labelen.”