De rol van AI bij slim afvalbeheer

Zwerfafvalhotspots in kaart brengen op een manier die tijd, geld en mankracht bespaart? Dit kan tegenwoordig met automatische beeldherkenning, een op AI-gebaseerde techniek. Zwerfafvaldata wordt door middel van bestaande en nieuwe beelden verzameld en overzichtelijk in kaart gebracht. Verschillende gemeenten experimenteren met de techniek of zetten het al in voor hun zwerfafvalbeleid.  

Dataverzameling via AI

Het in kaart brengen van zwerfafval met AI is een techniek op basis van beeld. Er worden nieuwe of bestaande beelden, van bijvoorbeeld een scanauto van een parkeerbeheerder of camera’s die in de openbare ruimte hangen, gebruikt. Op basis van het beeldmateriaal wordt een zwerfafval-algoritme getraind en gebouwd. Dit algoritme maakt het mogelijk om zwerfafval op beeld automatisch te herkennen. Die verzamelde data geven snel een goed beeld van hoe de leefomgeving eruitziet en waar en hoeveel zwerfafval er ligt. Dit gebruiken gemeenten of organisaties om het zwerfafvalprobleem aan te pakken.

Voldoen aan de ambitie - Antea Group

Mark van den Kieboom, adviseur schoon en circulair bij Antea Group, vertelt over de ontwikkeling van de techniek: “Gemeenten vroegen ons om de hoeveelheid zwerfafval op een statistisch betrouwbare en representatieve manier in beeld te brengen. Dit gebeurt op basis van veel en regelmatig terugkerende metingen. Daar is vaak de tijd, het budget en de mankracht niet voor. Samen met onze dataspecialisten gingen we aan de slag om die data door middel van beelden in te winnen en daar algoritmen voor te ontwikkelen. De verwerking van die data leveren we in rapportagevorm of dashboards terug aan degene die dat op zijn of haar scherm wil zien. Met deze techniek kunnen we tot wel 800 keer meer data per dag verzamelen dan wanneer een inspecteur de metingen doet.”

De vraag die Antea Group daarmee onder andere beantwoordt voor gemeenten is of zij voldoen aan de afgesproken ambitie. Mark: “Er wordt vaak een ambitie afgesproken met de gemeenteraad over de netheid van de openbare ruimte. Die netheid moet aan een afgesproken niveau voldoen op basis van de CROW-beeldsystematiek. Per honderd vierkante meter mag er een bepaalde hoeveelheid afval worden aangetroffen. Wij brengen dat in beeld en geven aan of gemeenten al dan niet aan deze norm voldoen.”

"Met meer data en betere uitspraken, kun je voorzichtig nadenken over een voorspelmodel"

Mark hoopt en verwacht in de toekomst naar een voorspelmodel te gaan: “Hoe meer data er op beleidsniveau binnenkomen, hoe beter de uitspraken die gedaan kunnen worden. Met meer data en betere uitspraken, kun je voorzichtig nadenken over een voorspelmodel. Wat verwachten we op basis van data uit het verleden en hoe anticiperen we daarop? We ontwikkelen komende tijd volop door. Op basis van ons Groeipad Fysieke Leefomgeving werken we aan het uitbreiden van de  techniek voor andere onderwerpen zoals bijplaatsingen en kwaliteit van afvalbakken.”

Meer weten over Antea Group

Zwerfafvalbeleid aanpassen - Camenai

Ook Camenai, een bedrijf dat zich focust op het inzetten van AI en beeldverwerking voor het oplossen van maatschappelijke thema’s, helpt gemeenten bij zwerfafvalherkenning. Machiel Belderbos, Managing director, vertelt: “Wij zetten onze techniek voor verschillende soorten opdrachtgevers in, ook gemeenten. Het zwerfafvalprobleem is een groot thema voor gemeenten. Niet enkel het vuil, maar vooral ook alle neveneffecten hiervan. Denk bijvoorbeeld aan verdere verloedering, kleine criminaliteit en een gevoel van onbehagen bij de burger. Wij zagen een kans om te helpen meer grip te krijgen op wat er in de buitenruimte gebeurt. De ingewonnen beelden zijn de basis: objectief en voor iedereen te interpreteren. Op basis van heel veel beelden trainen wij het algoritme. Verbetering van het algoritme is een continue proces waar wij voortdurend in blijven investeren samen met onze klanten en gebruikers."

"Hoe roder de hotspot in de webapplicatie, hoe zwaarder de zwerfafvaldetectie."

Machiel vervolgt: “We rapporteren, monitoren en brengen in kaart waar het zwerfafval en de hotspots liggen. We hebben hiervoor een webapplicatie ontwikkeld waarop je kunt zien waar de hotspots in de stad zijn. Hoe roder, hoe zwaarder de zwerfafvaldetectie daar is. In hart

je centrum Utrecht zie je bijvoorbeeld veel rode locaties. Je kunt de detectie ook over tijd bekijken. Zo zie je na carnaval in Tilburg ook veel hotspots. Aan de hand van die resultaten kunnen gemeenten vervolgens hun beleid aanpassen, hotspots meenemen in hun planning, of een 

dialoog met de burgeraangaan op basis van echt

e feiten. Voor de gemeente Sittard hebben we  bijvoorbeeld een burgerdashboard ontwikkeld. Zo kunnen inwoners ook zien waar de hotspots zijn en maakt de gemeente zichtbaar hoe ze met de problematiek omgaan.”

Meer weten over Camenai

Ook aan de slag met AI?