Artificiële intelligentie voor zwerfvuilmonitoring

De OVAM laat op regelmatige basis onderzoeken uitvoeren om de zwerfvuilproblematiek in kaart te brengen. Zo worden het aantal stuks, de samenstelling en de totale opgeruimde hoeveelheid zwerfvuil frequent gemeten. Hoewel deze onderzoeken goed onderbouwd zijn, kan het altijd beter. Daarom lieten we onderzoeken of artificiële intelligentie ons een handje kan helpen bij het opzetten voor een robuuste zwerfvuilmonitoring in Vlaanderen.

Om na te gaan of AI kan dienen als robuust monitoringsinstrument voor zwerfvuil in Vlaanderen, vertrekken we van een aantal eisen.

Eerst en vooral zijn er een aantal randvoorwaarden waaraan een nieuwe techniek zou moeten voldoen:
- Op technisch vlak: accuraatheid in herkennen van verschillende types zwerfvuil etc.
- Op juridisch vlak: voldoen aan wetgeving m.b.t. privacy, GDPR etc.
- Op financieel vlak: een lagere of gelijkaardige kost als de huidige monitoringsmethodes.

Ten tweede moet de werking van de techniek in de praktijk uitgewerkt worden in een proof of concept. Daarin moet bewezen worden dat de AI-methode zwerfvuil kan herkennen op een manier die voldoet aan onze globale en technische vereisten.

Uit de studie kunnen we concluderen dat het haalbaar is om AI in te zetten voor zwerfvuilmonitoring. Op technisch vlak kan zwerfvuil herkend worden via AI modellen en gekoppeld worden aan een geografisch coördinaat. Op juridisch vlak zijn er geen significante uitdagingen als de gebruikelijke regelingen omtrent o.m. privacy goed opgevolgd worden. Op financieel vlak heeft een monitoringssysteem op basis van AI een hoge ontwikkelingskost, maar brengt het lagere terugkerende kosten op lange termijn met zich mee.

Er zijn echter nog een aantal uitdagingen voor de verdere ontwikkeling. Zo is de GPS accuraatheid op dit moment te beperkt om nauwkeurig te kunnen meten. Verder laat de scherpte van het beeldmateriaal op dit moment nog niet toe om alle zwerfvuil te herkennen. Tot slot zijn er de 'restfracties', zoals bijvoorbeeld stukken papier met onherkenbare oorsprong. Deze fracties zijn moeilijk te onderscheiden.

Voor meer details kan u het volledige rapport hieronder downloaden.