ENGINEERINGNET.BE - Onze zeeën en oceanen bevatten momenteel tussen de 26 en 66 miljoen ton plastic afval, waarvan het meeste op de zeebodem ligt. Dit vormt een enorme bedreiging voor mariene planten en dieren en voor het ecologische evenwicht van de zeeën.
Maar het verwijderen van afval uit het water is een complex en duur proces. Het is vaak ook gevaarlijk, omdat het werk over het algemeen door duikers wordt gedaan. Het opruimen blijft dan meestal ook beperkt tot het wateroppervlak. In het SeaClear Project werkt een team van de Technische Universiteit van München (TUM) samen met acht Europese partnerinstellingen aan de ontwikkeling van een robotsysteem dat onderwaterafval kan verzamelen.
Hun systeem combineert vier robotcomponenten: een autonoom oppervlaktevoertuig voert een eerste scan van de zeebodem uit en lokaliseert grote zwerfvuilzakken. Vervolgens wordt een observatierobot in het water neergelaten om onderzees zwerfvuil te detecteren en aanvullende informatie naar de computers te sturen, zoals close-upbeelden van de zeebodem.
In helder water en met goed zicht wordt ook een drone vanuit de lucht gebruikt om ander zwerfvuil te identificeren. De resultaten worden gecombineerd om een virtuele kaart te genereren. Een verzamelrobot bezoekt vervolgens gedefinieerde punten op de kaart en raapt zwerfafval op. Deze gebruikt een grijper om grotere stukken in een mand te droppen die daarna door een autonome boot naar de kust wordt gesleept.
Dr. Stefan Sosnowski, technisch directeur van het SeaClear-project: “Als een stuk zwerfvuil wordt geïdentificeerd en gelokaliseerd, moet de robot er dichtbij komen. Om dit te doen, moet het mogelijk sterke stromingen overwinnen. De taak van TUM in het SeaClear-project is om de robot in de goede richting te laten bewegen.”
Hiervoor maakt het team gebruik van machine learning-methoden. Een kunstmatige intelligentie (AI) module voert berekeningen uit en leert de omstandigheden waaronder de robot op bepaalde manieren zal moeten bewegen. Dit maakt het mogelijk om zijn gedrag nauwkeurig te voorspellen.
Omdat op zee niet over voldoende rekenkracht beschikt kan worden, zijn er efficiënte algoritmen nodig die met beperkte middelen werken. Daarom wordt met zeer efficiënte bemonsteringsmethoden gewerkt die met minimale gegevens tot nauwkeurige voorspellingen komen. Het AI-systeem gooit simpelweg onnodige informatie weg.
Wanneer het SeaClear-systeem volledig operationeel zal zijn, zou het een nauwkeurigheid van 80% moeten kunnen behalen bij het classificeren van onderwaterafval en dat 90% ervan succesvol verzameld zal worden.
De eerste proeven met het prototype werden uitgevoerd in oktober 2021 in Dubrovnik, Kroatië, waar het water helder is en het zicht uitstekend. In de haven van Hamburg staan in mei 2022 verdere proeven gepland.
