Leonardo: de gepensioneerde stopmachine die alles ziet

Strukton heeft nu zeven PGO-gebieden en heeft dus vele honderden kilometers spoor in onderhoud. Niet alleen het spoor zelf, maar ook de bovenleiding, het seinwezen, de bermen, de bebording; alles erop en eraan. Daarom willen we graag weten hoe het spoor – en alles daaromheen – erbij ligt. Natuurlijk kun je dan zelf gaan kijken, maar voor elk wissewasje vanuit het kantoor naar bijvoorbeeld Leeuwarden of Maastricht rijden, dat doe je dan weer niet zo snel. Daarom maakten we in het verleden graag gebruik van de beelden van Eurailscout. Maar vanwege de drukte op het spoor overdag moest die de nacht in. En op donkere beelden kun je natuurlijk niet zien hoe het zit met de afrastering en eventuele overhangende takken.

Leonardo en Google Street View

Zo kwam het dat ik dacht: zou het niet mooi zijn als we zelf een variant zouden hebben van Google Street View, maar dan van het spoor. Strukton Rail View dus. Ik heb het aan onze directeur Tjark de Vries voorgelegd en hij reageerde niet alleen enthousiast, maar bracht me ook in contact met iemand die een 360 gradencamera had. Die hebben we op een loc gezet en we zijn een dag gaan toeren. Dat bleek goed te werken, maar bij inzoomen was de resolutie te laag. Dus toen hebben we er een vlakke camera naast gezet. Zo hebben we anderhalf jaar lang vele honderden kilometers spoor in beeld gebracht. Later hebben we de camera’s op een oude stopmachine gemonteerd: dat werd de Leonardo. De beelden bleken ideaal voor de collega’s van Groenonderhoud. Zij kunnen op deze manier perfect de bermen, sloten en bomen inspecteren en waar nodig onderhoud doen.

Geoconda

Waar we alleen nog niet meteen een oplossing voor wisten, was hoe we die beelden goed toegankelijk konden maken. Een half uurtje filmen levert ongeveer 30 gigabyte op aan data. Hoe krijg je dat op een toegankelijke manier bij de gebruikers? Want zo’n filmpje moet je inladen en dan met een schuifje naar het juiste punt in de video toe zien te komen. Dat is natuurlijk niet echt gebruiksvriendelijk. Twee heel slimme collega’s van Strukton Systems hebben toen een programma gemaakt, Geoconda. Dat is een GIS-kaart met daar de videobeelden aan gekoppeld. Zo kun je heel gemakkelijk de beelden opvragen van een bepaalde locatie of een stuk baan. Ook kun je eenvoudig tussen camera’s schakelen.

Puntenwolk

Er zijn namelijk inmiddels behoorlijk wat camera’s bijgekomen op verzoek van collega’s. Zo wilde Seinwezen graag camera’s laag bij de grond, Baan wilde details over de spoorconstructie en Bovenleiding wilde camera’s die naar boven gericht staan. Ook komen er foto’s van de Trackscan in Geoconda, dat zijn bovenaanzichten van het spoor. Die foto’s zijn aan elkaar gezet zodat het een filmpje is. Verder hebben we een laser toegevoegd aan een 360 gradencamera. Die laser maakt een puntenwolk waar je metingen in kunt verrichten. Door die puntenwolk over beelden van een gewone camera heen te leggen, kun je zien wát je meet: hoe ver hangt een tak nog van de bovenleiding af? Die beelden staan alleen nog niet in Geoconda. Daar is een apart softwareprogramma voor nodig en het is natuurlijk een fikse investering om dat voor alle gebruikers aan te schaffen. Het liefst willen we alle data die we verzamelen toegankelijk maken via GIS. Wellicht betekent dat dus zelf software bouwen, zodat ook die andere data, van de radar en de trackscan, in GIS komt te staan.

Leonardo in PGO-gebieden

Nog een ander dingetje is geluid. Want als je langs het spoor loopt, zie je niet alleen allerlei waardevolle dingen, wat je hoort kan ook van belang zijn. Hoor je gebonk als een trein over een wissel of een overgang rijdt? We hebben proeven gedaan met microfoons op de Leonardo, maar dat blijkt niet te werken. Omdat we met een te hoge snelheid rijden, ontstaat het Dopplereffect. Dat wat je op de opname hoort, is dus niet wat je zou horen wanneer je naast het spoor staat. Aan de beelden zelf kun je ook geen hobbels zien, want de camera’s zijn voorzien van beeldstabiliteit. Gelukkig is er de Trackscan die signaleert of het spoor vlak ligt.

We rijden nu drie keer per jaar met de Leonardo door al onze PGO-gebieden: voorjaar, zomer en najaar. Ik voorzie dat we een tweede machine gaan bouwen, gezien de vraag naar steeds meer beelden. Zo wil het team Projecten van Strukton Rail graag beelden van bepaalde gebieden buiten onze PGO-contracten, dus misschien dat het besluit komt om die eens per jaar in beeld te brengen. Ook is er interesse van externe partijen. De tweede machine gebruiken we dan voor productie, de eerste om mee te experimenteren.

Machine learning Leonardo

Want er zijn wensen en ideeën genoeg. Zo denken we bijvoorbeeld na over een grondradar die met geluidsgolven de bodem onder het spoor in beeld kan brengen. Dan weet je niet alleen wat voor soort bodem het is, maar ook of er kabels, leidingen en explosieven liggen. Binnenkort gaan we daar een proef mee doen. Verder kunnen warmtecamera’s interessant zijn. Als een kabel veel warmte afgeeft, kan het een voorbode zijn voor een storing. Ook een interessante is een tool die planten herkent. Trainees hadden een app waarmee je planten kunt herkennen gebruikt om beelden van de Leonardo te scannen. En toen bleek dat inderdaad te werken.

We innoveren door

Het ultieme doel? Beeldherkenning via machine learning. Dan schouwen we niet zelf de beelden meer, maar geven we opdrachten aan Geoconda: toon me alle locaties met schade aan afrastering of alle dwarsliggers met scheuren die groter zijn dan vijf millimeter. Er is nog genoeg om te innoveren.