Drone-data-analyse software laten maken

Een drone-vlucht levert honderden tot duizenden foto's of videobeelden op, vaak aangevuld met sensordata zoals hoogte, temperatuur of multispectrale beelden. Ruwe data alleen zegt weinig; de waarde ontstaat bij verwerking tot een 3D-model via fotogrammetrie, een inspectierapport met gemarkeerde afwijkingen, of een voortgangsvergelijking tussen twee vluchten op dezelfde locatie.

Toepassingen lopen uiteen van bouwplaatsinspectie en voortgangsbewaking, via gewasmonitoring in de landbouw, tot inspectie van infrastructuur zoals daken, zonnepanelen of leidingen die moeilijk of onveilig met de hand te bereiken zijn.

Automatische beeldverwerking

Foto's en video's van een vlucht automatisch samenvoegen tot een overzichtsbeeld of 3D-model.

Fotogrammetrie

Uit overlappende foto's nauwkeurige metingen en volumes berekenen, bijvoorbeeld voor voorraadhopen of bouwvoortgang.

Afwijkingsdetectie

Automatisch markeren van mogelijke schade of afwijkingen op basis van eerdere vluchten over dezelfde locatie.

Koppeling met GIS

Resultaten plaatsen op een kaart, zodat metingen en afwijkingen gekoppeld zijn aan een exacte locatie.

Rapportage op maat

Automatisch een leesbaar rapport genereren per vlucht of per locatie, afgestemd op wie het rapport ontvangt.

Vluchthistorie

Resultaten van meerdere vluchten naast elkaar zetten om voortgang of verandering over tijd te volgen.

Het vliegen zelf valt in Nederland onder toezicht van de Inspectie Leefomgeving en Transport (ILT), die de EU-brede regels voor dronevluchten handhaaft, en de RDW, waar een dronegebruiker zich als exploitant moet registreren zodra de drone 250 gram of zwaarder is of een camera heeft. Zie de officiële informatie van de RDW over drone-registratie en van ILT over de regels voor dronevluchten.

De software zelf raakt dit vlieg-regime niet direct, maar wel de data die wordt vastgelegd: dronebeelden kunnen personen of herkenbare eigendommen in beeld brengen. Houd daar rekening mee bij opslag en verspreiding van beeldmateriaal, zeker bij inspecties in bewoonde omgevingen.

Verwerking van drone-data vraagt om voldoende rekenkracht voor fotogrammetrie, vaak in de cloud, en een koppeling met GIS-software of kaartmateriaal om resultaten geografisch te kunnen plaatsen. Een koppeling met een bestaand assetbeheer- of inspectiesysteem maakt het mogelijk om afwijkingen direct te koppelen aan een onderhoudsactie in plaats van een los rapport te laten liggen.

De kwaliteit van de analyse hangt sterk af van de kwaliteit en consistentie van de vluchten: dezelfde route, hoogte en overlap tussen foto's maken vergelijking tussen vluchten betrouwbaarder. Zorg dat vluchtdata en metadata gestructureerd worden opgeslagen vanaf het begin, anders wordt het lastig om later vluchten met elkaar te vergelijken.

Bepalend zijn de hoeveelheid data per vlucht, of verwerking automatisch of deels handmatig gebeurt, en of u alleen beeldverwerking nodig heeft of ook geavanceerde afwijkingsdetectie en GIS-koppeling. Een systeem dat alleen foto's samenvoegt tot een overzicht is beperkter van opzet dan een platform dat automatisch schade herkent en historische vluchten vergelijkt.

1. We brengen uw toepassing en databronnen in kaart

   Welk type vlucht, welke sensoren, en wat het gewenste eindresultaat is: een rapport, een 3D-model of een kaart met afwijkingen.

2. Kleinste werkende versie eerst

   We bouwen eerst de verwerking tot een bruikbaar rapport, voordat we geavanceerde afwijkingsdetectie toevoegen.

3. Bewezen bouwstenen waar het kan

   Fotogrammetrie-verwerking en kaartweergave zijn beproefde onderdelen. Maatwerk zit in uw specifieke rapportagebehoefte.

4. Testen met de mensen die vliegen en analyseren

   Zij zien als eerste of een rapport bruikbaar is in de praktijk.

5. Doorbouwen op bewijs

   Afwijkingsdetectie of vergelijking tussen vluchten voegt u toe zodra de basisverwerking zijn waarde heeft bewezen.

• IoT device management-software
• Connected worker platform laten maken
• Alle app-gidsen