Niet lang nadat orkaan Laura donderdag de Gulf Coast trof begonnen mensen met drones te vliegen om de schade op te nemen en video’s op sociale media te posten. Die video’s zijn een kostbaar hulpmiddel, zeggen onderzoekers van Carnegie Mellon University, die werken aan manieren om ze te gebruiken voor een snelle schadebeoordeling.
Met behulp van kunstmatige intelligentie ontwikkelen de onderzoekers een systeem dat automatisch gebouwen kan identificeren en een eerste beslissing kan nemen of ze beschadigd zijn en hoe ernstig die schade kan zijn. “De huidige schadebeoordelingen zijn meestal gebaseerd op individuen die schade aan een gebouw detecteren en documenteren”, aldus Junwei Liang, een Ph.D. student aan CMU’s Language Technologies Institute (LTI). “Dat kan langzaam, duur en arbeidsintensief werk zijn.”
Details
Satellietbeelden bieden niet genoeg details en tonen schade vanuit slechts één gezichtspunt – verticaal. Drones kunnen echter close-upinformatie verzamelen vanuit een aantal invalshoeken en gezichtspunten. Het is natuurlijk mogelijk voor eerstehulpverleners om met drones te vliegen voor schadebeoordeling, maar drones zijn nu algemeen verkrijgbaar onder bewoners en worden routinematig gevlogen na natuurrampen.
Vernietigd
“Het aantal dronevideo’s dat kort na een ramp op sociale media beschikbaar is, betekent dat ze een waardevol hulpmiddel kunnen zijn voor tijdige schadebeoordelingen,” zei Liang. Xiaoyu Zhu, een masterstudent AI en innovatie in de LTI, zei dat het oorspronkelijke systeem maskers kan overleggen over delen van de gebouwen in de video die beschadigd lijken en kan bepalen of de schade klein of ernstig is, of dat het gebouw is vernietigd.
Presenteren
Het team zal hun bevindingen presenteren op de Winter Conference on Applications of Computer Vision (WACV 2021), die volgend jaar zal plaatsvinden. De onderzoekers, geleid door Alexander Hauptmann, een LTI-onderzoeksprofessor, downloadden dronevideo’s van orkaan- en tornadoschade in Florida, Missouri, Illinois, Texas, Alabama en North Carolina. Vervolgens hebben ze de video’s geannoteerd om de schade aan het gebouw te identificeren en de ernst van de schade te beoordelen.
Dataset
De resulterende dataset – de eerste die dronevideo’s gebruikte om gebouwschade door natuurrampen te beoordelen – werd gebruikt om het AI-systeem, MSNet genaamd, te trainen om gebouwschade te herkennen. De dataset is via Github beschikbaar voor gebruik door andere onderzoeksgroepen.
Geolocatieschema
De video’s bevatten nog geen GPS-coördinaten, maar de onderzoekers werken aan een geolocatieschema waarmee gebruikers snel kunnen identificeren waar de beschadigde gebouwen zich bevinden, zei Liang. Hiervoor zou het systeem moeten worden getraind met behulp van afbeeldingen van Google Streetview. MSNet zou dan de locatiegegevens die van Streetview zijn geleerd, kunnen afstemmen op de kenmerken in de video.
Beeld: Carnegie Mellon University
