ENGINEERIGNET.BE - Olielekken in havens komen relatief vaak voor. Dit heeft een schadelijk effect op ecosystemen, en verstoort activiteiten in de haven met financiële verliezen tot gevolg.
Om snel te kunnen reageren op een olielek hebben havenautoriteiten betrouwbare methodes nodig om het wateroppervlak te monitoren op de aanwezigheid van een olielek. Maar veel beschikbare methoden voor het detecteren van olielekkages zijn niet geschikt voor havenomgevingen.
Courant gebruikte SWIR-sensoren zijn minder gevoelig voor dunne olielagen, die het meest voorkomen in havens. Ook is de toepasbaarheid van data met een lage resolutie beperkt vanwege de veelheid aan objecten en activiteiten in havens. Actieve detectie op basis van lasers is riskant in havens vanwege hun gewicht en omvang.
Het SWIPE-team ging daarom op zoek naar veilige lichtgewicht sensoren voor mobiele platforms, zoals drones en schepen, en methoden aangepast aan de lokale haven schaal. Het onderzoek spitste zich toe op SWIR-, RGB- en UV-sensoren.
De onderzoekers ontwikkelden een fysisch model om de dikte en het volume van olievlekken te schatten op basis van reflectie in het zichtbare en infrarode bereik. Dit model, dat geschikt is voor een laagdikte groter dan 200 µm, geeft de beste resultaten voor hydraulische olie.
Ook is een specifiek deep learning-model ontwikkeld om de omvang van olievlekken af te leiden. Dit gaf goede resultaten voor RGB video beelden van hydraulische olie, smeerolie en brandstoffen. Voor oliediktes van minder dan 500 µm presteerde het model echter slecht, terwijl olielekken in havens vaak veel dunner zijn.
Van UV-beeldvorming is aangetoond dat het een relevant contrast geeft tussen olie en water voor lozingen van ruwe olie, maar het was nog niet getest voor verwerkte olie.
Een UV-camera die gevoelig is voor golflengten onder 400 nm werd vergeleken met een RGB camera voor gecontroleerde experimenten en acquisitie van echte data van een schip in de haven van Antwerpen-Brugge.
De experimenten toonden aan dat UV-camera's een beter onderscheid maken tussen olie en water dan RGB-camera's voor diverse soorten olie, kijkhoeken en atmosferische omstandigheden.
Ook worden UV-beelden minder beïnvloed door invloeden van de bodem en kunnen olievlekken vanuit elke kijkhoek worden waargenomen, terwijl RGB-beelden sterk worden beïnvloed door acquisitie-omstandigheden.
Hierna werd de camera gemonteerd op een schip in de haven van Antwerpen-Brugge om van maart tot mei 2024 beelden op te nemen.
Die bevestigden dat de UV-camera effectiever was dan de RGB-camera in het onderscheiden van olie en water, en maakten het mogelijk om een geautomatiseerde procedure vast te leggen om de camera-instellingen aan te passen aan de omgevingsomstandigheden en zo optimale resultaten te verkrijgen.
Op de foto's boven: Illustratie van de scheidbaarheid van klassen. Het verschil tussen de water- en koolwaterstofmodi is groter in het UV-beeld (rechts) dan in het 'blauwe' beeld (links). Er wordt een klasse van zwarte pixels geïntroduceerd voor lage intensiteitswaarden en er wordt alleen rekening gehouden met de water- en koolwaterstofzones.
