Wat in 2018 begon met een GoPro-cameraatje dat met tie-wraps aan de reling van een schip was bevestigd, is uitgegroeid tot AI-software die drijvend oceaanplastic zelfstandig kan herkennen. Het resultaat: een wereldwijde kaart en de grootste dataset ooit over drijvend oceaanplastic. Bedenker en ontwikkelaar van dit alles, The Ocean Cleanup, deelt deze resultaten graag zodat andere onderzoekers de data ook kunnen gebruiken.
The Ocean Cleanup is een non-profitorganisatie die zich bezighoudt met het verwijderen van plasticafval uit de oceanen en het stoppen van de instroom van plastic via rivieren. De stichting is het geesteskind van (de toentertijd 18-jarige) Boyan Slat, wie in 2013 zijn studie lucht- en ruimtevaarttechniek aan de TU Delft afbrak om met 300 euro spaargeld zijn ideeën te verwezenlijken. Anno 2026 heeft de stichting 200 medewerkers in dienst, die inmiddels een ruime 60 miljoen kilo afval uit de oceanen hebben gehaald.
De strategie van de organisatie is om zich primair te richten op het verwijderen van plastic dat nog relatief groot is, voordat het uiteenvalt in moeilijker te verwijderen microplastics. In termen van gewicht bestaat het merendeel van het plastic in de oceanen bovendien uit macroplastics (>50 cm).
Tot voor kort was er echter relatief weinig bekend over hoe en waar macroplastics zich in de oceanen concentreren. Satellietgebaseerde methoden zijn lastig gebleken om drijvend afval in de open oceaan te identificeren, en met andere, arbeidsintensieve methoden zoals visuele waarneming en bemonstering met sleepnetten (die over de oceaanspiegel worden gesleept) kunnen slechts beperkte oppervlakten in kaart worden gebracht.
Training van AI-algoritme
En zo geschiedde dat simpele GoPro-camera’s aan de reling van de opruimschepen van de organisatie werden bevestigd, en in timelapse-modus werden gezet. De foto’s die dit opleverde werden naar het hoofdkantoor in Rotterdam gestuurd voor objectdetectie. Door de op zee gemaakte foto’s de afgelopen jaren continu aan een AI-model te voeren en de ‘objectsuggesties’ van het algoritme handmatig te valideren, is een algoritme getraind om autonoom objecten te herkennen.
In 2021 leidde dit al tot een eerste proof-of-concept, van hoe het (inmiddels) zogeheten Automated Debris Imaging System (ADIS) deed wat het doen moest. De ‘bètaversie’ van ADIS was in staat om objecten correct te herkennen, en vervolgens de plasticconcentratie per transect in te schatten. Dit doet het systeem door de GPS-coördinaten van geverifieerde objecten te groeperen. Dat is mogelijk doordat iedere foto voorzien is van een geotag, inhoudende dat van elke foto bekend is op welke GPS-locatie hij genomen is.
Testmissie
ADIS en de sleepnetmethode bleken het eens te zijn over de locaties waar plastic zich concentreert. ADIS bleek echter 5 tot 6 keer minder afval te registreren dan de fysieke sleepnettellingen. “Dat klinkt misschien slecht, maar de consistentie van deze onderschatting betekende dat we die als correctiefactor konden gebruiken”, aldus projectleider Robin de Vries. “Met andere woorden, door de ruwe tellingen van ADIS met een factor 5 à 6 te vermenigvuldigen, kwamen de getallen overeen met wat de sleepnetten aantroffen.” Omdat een camera bovendien een groter gebied kan bestrijken dan een sleepnet, bevatten de cameradata minder statistische ruis dan de sleepnetdata, zelfs al worden er meer individuele voorwerpen gemist.
Dat de camera’s meer voorwerpen over het hoofd zien komt volgens de onderzoekers grotendeels doordat ze goed zijn in het detecteren van kleuren die contrasteren met de oceaan, maar moeite hebben met het detecteren van zwarte, blauwe en groene voorwerpen, vooral wanneer deze deels onder water zitten of zich op grote afstand bevinden.
Sneller en zelfstandiger
Alles wat de ADIS-camera’s wereldwijd zien, wordt nu continu samengevoegd in een kaart die laat zien hoeveel plastic er per vierkante kilometer aanwezig is. Behalve deze kaart is ook de onderliggende dataset openbaar toegankelijk gemaakt, zodat andere onderzoekers die zich met plasticvervuiling bezighouden de data ook kunnen gebruiken.
Intussen werken de onderzoekers aan een nieuwe versie, ADIS 2.0, die sneller en zelfstandiger te werk gaat. ADIS 2.0 kan drijvende voorwerpen autonoom identificeren en deze gegevens geautomatiseerd verwerken. Met ADIS 2.0 is in kortere tijd (2 jaar) een groter oppervlak (39.431 km²) in kaart gebracht dan met zijn voorganger.
Het plan is om ADIS 2.0 dusdanig lang te blijven gebruiken dat het ook mogelijk wordt om temporele trends te onderzoeken. The Ocean Cleanup verwacht dat ADIS zal helpen om hun opruimsystemen efficiënter in te zetten, en daarmee een hogere plasticvangst en lagere ecologische voetafdruk te bereiken.
LEES OOK
H2O Actueel: Plasticvanger in Dordtse haven mag blijven na geslaagde pilot
H2O Actueel: Drone-luchtfoto’s snelle techniek voor inschatten hoeveelheid plastic pellets op zandstranden
H2O Vakartikel: Naar een plasticvrije Rijn-Maasdelta – van inzicht naar actie door het Plastival
H2O Vakblad: Plasticvervuiling aanpakken doe je niet achter je bureau (interview met Plastic Soup Surfer Merijn Tinga)
H2O Opinie: Aan tafel met de sponsbonzen: stop met schrobben met plastic
In Nederland zijn er een aantal bedrijven die dezelfde technolgie leveren.
Waarom wordt er niet samengewerkt met Nederlandse bedrijven?