FO R S K E R I SP I LD E VAND
Kontinuerlig inspektion af kloakrør kan spare forsyninger for et trecifret millionbeløb – om året Kan man lave algoritmer, der gør en robot i stand til at identificere en rod, en revne eller et fremmedlegeme i et kloakrør? Ja, lyder det fra Joakim Bruslund Haurum, der forsker i computer vision på Aalborg Universitet. TEKST: ANNA KLITGAARD / FOTO: JOAKIM BRUSLUND HAURUM
18
spildevand #2/22
Hvad skal forskningen bruges til? ”EnviDan har lavet en analyse, der viser, at kloakrørenes levetid er 15-25 år kortere end den forventede levetid. Det vurderes dog, at der i Danmark kan spares et trecifret mil lionbeløb om året, hvis rørenes levetid for længes med 10%. Udfordringen lige nu er, at der er tusindvis kilometer kloakrør i Danmark, men kun nogle få hundrede TV-inspektører. Hvis man kunne sende en specielt udviklet robot ned i kloak ken, og den genkender fejlene automatisk, så kunne man opdage mange skader i tide. Man kunne også spare unødvendige reparationer eller udskiftninger af rør. Hvis robotterne til med var i stand til at hjælpe tv-inspektørerne med at identificere de fejl, den stødte på, så ville man virkelig kunne spare tid og penge.
de kategorier, som DANVA beskriver i sine guidelines. Vi er nået langt, så i dag kan algoritmerne genkende 86% af forskud te samlinger. En anden kategori hedder ”Forhindringer”, og det kan være alt muligt. Vi er stødt på en mursten, et isflag eller et pas, og de ting er straks langt sværere at lave algoritmer for. Der er vi kun oppe på 22%s genkendelse. Så på nogle områder er der lang vej endnu. Algoritmerne er i første omgang tænkt til at supplere tv-inspektørerne. De skal være en del af et varslingssystem, som guider inspektørerne hen til de mest alvorlige fejl. På sigt kan de måske identificere fejlene selv, men det ligger endnu langt ude i frem tiden.”
BLÅ BOG: Navn: Joakim Bruslund Haurum Alder: 27 år Familie: Kæreste og to katte Bopæl: Sønder Omme Uddannelse: Cand.polyt. med speciale i Computer Vision, Graphics, and Interactive Systems Fritid: Spiller bas og brætspil, bygger LEGO og ser film Jeg har ikke noget med udviklingen af robotterne at gøre. Det ser en anden del af forskningsprojektet på. Jeg udvikler ude lukkende de algoritmer, der skal katego risere fejlene. Vi bruger en metode kal det neurale netværk, designet til at imite re hjernen. Det kræver dog en masse data at træne disse netværk. Dette gøres ved at vise modellen et sæt billeder, hvor en tv-inspektør for eksempel har set katego rien ”Revner” og lærer modellen at gen kende dette. Fremover, når algoritmen ser et lignende billede, skal den give besked om ”Revner”. Det samme gør vi ud fra alle
Hvad finder du mest inspirerende ved arbejdet i spildevandsbranchen? ”Jeg kan godt lide at arbejde med kloakdata, for det er meget virkelighedsnært. At vores forskning kan være med til at spare forsy ningerne mange millioner kroner om året, det er også et stort drive.”
Bliver din forskning tilgængelig for alle forsyninger – store som små? ”Indenfor computer vision er der en kultur for at give fri adgang til al forskning. Sådan er det også med min forskning. Jeg har for eksempel lagt al kode online.”
Billedet viser, hvordan den seneste model kan fokusere på fejl. På billedet ses revnen som det røde område. Områderne i blåt/grønt er ikke lige så vigtige.
Vil du vide mere om projektet? Kontakt Joakim Bruslund Haurum på joha@create. aau.dk Joakim Bruslund Haurum startede på sin ph.d. et år før, corona lukkede Danmark og verden ned. De første fem måneder af ned lukningen brugte han på at se inspektions videoer for at komme tæt på virkeligheden og tæt på de data, han nu har brugt tre år på at forske i. Joakim Bruslund Haurum skal for svare projektet ”A Deep Dive into Computer Vision Aided Sewer Inspections” til sommer.
PARTNERNE BAG ASIR Automated Sewer Inspection Robot (ASIR) er blevet til med støtte fra Inno vationsfonden, AAU, SDU, Aarhus Vand, Hofor, VandCenter Syd, FKSSlamson, EnviDan, TinyMobileRobots og Inloc Robotics. Projektet afsluttes i år.
