AI-geluidherkenning inzetten voor slimmere waterafvoer

Waterschap Drents Overijsselse Delta beheert een complex netwerk van watergangen, gemalen en aflaatconstructies in het noorden van Nederland. Met toenemende druk op waterkwaliteit en efficiënte afvoer groeide de behoefte aan slimmere, meer geautomatiseerde oplossingen die de bestaande infrastructuur ontzien.

Het kernvraagstuk was tegelijk technisch en strategisch: kan een systeem op basis van geluid betrouwbaar genoeg worden om schuiven zelfstandig te bedienen, zonder ingrijpende aanpassingen aan leidingen of constructies? Dat vraagt om expertise die binnen een waterschap zelden voorhanden is.

De uitdaging

Het waterschap zocht antwoord op de vraag of AI-gestuurde geluidherkenning onderscheid kan maken tussen schoon water en water met slib of zand, en op basis daarvan schuiven automatisch kan bedienen. De techniek moest 24/7 functioneren onder wisselende akoestische omstandigheden, zonder mechanische ingrepen in de bestaande infrastructuur.

Rol van Blackbear

De opdracht vroeg om een specialist met een zeldzame combinatie van Machine Learning-kennis en praktische ervaring met embedded of operationele omgevingen. Blackbear scherp de vraag aan, vertaalde de technische en operationele randvoorwaarden naar een heldere opdracht, en selecteerde een professional die zowel het AI-vraagstuk als de context van een technisch buitenveld aankon. Door de gefaseerde opzet, van haalbaarheidsonderzoek tot werkend prototype, bleef de uitvoering stuurbaar en transparant.

Resultaat

Het project leverde een werkend prototype op dat akoestische signalen in aflaatprocessen analyseert en automatisch schuiven aanstuurt op basis van de gedetecteerde watersamenstelling. De nauwkeurigheid voor zowel detectie als viscositeitsinschatting werd gevalideerd op locatie. Daarmee biedt het systeem een concrete basis voor verdere uitrol, en geeft het antwoord op de fundamentele vraag of geluidgebaseerde detectie haalbaar is op riool- en afvalwaterschaal.