De Urban Object Detection Kit maakt het mogelijk om tegen lage kosten, zo efficiënt mogelijk de openbare (straat-)omgeving te scannen met machine learning-technologie. Dit kan een oplossing zijn voor enkele ‘blinde vlekken’ in de huidige methodes die de gemeente Amsterdam hanteert. ‘In sommige buurten wordt elke vuilniszak die naast een container staat gemeld, terwijl op andere plekken vuilnis zich opstapelt. Daardoor ontstaat ongelijkheid. Daarbij komt dat de bestaande monitoren die werken op basis van beeld, een te lage frequentie hebben. Daarmee bedoel ik hoe vaak zo’n systeem nieuwe informatie verzameld. In sommige gevallen gaat het dan om foto’s die eens per jaar worden gemaakt. Maar de situatie voor zwerfafval kan van uur tot uur verschillen, daarom was een systeem nodig dat real-time kan monitoren.’

Goedkope en generieke oplossing

Het nieuwe systeem, dat momenteel wordt getest door de gemeente, biedt een goedkope en generieke oplossing die ook gemakkelijk in andere steden te gebruiken is. ‘We maken momenteel gebruik van smartphones gekoppeld aan voertuigen, met daarop een applicatie die beelden maakt. Deze worden doorgestuurd naar onze server voor objectherkenning. Wij gebruiken het real-time objectherkenningssysteem YOLO (‘You Only Look Once’), dat beelden heel snel verwerkt. Vervolgens kijken we of de uitkomsten daarvan overeenkomen met de meldingen uit de buurt zelf.’

Dit  systeem lost een groot probleem op. De gemeente Amsterdam telt maar liefst 15.000 ondergrondse containers. ‘Je kunt daar niet voortdurend langsrijden om te kijken of er iets naast ligt. Voor sommige zaken, zoals grof vuil, heb je een speciaal voertuig nodig. Door dat direct goed te doen, houden we niet alleen de stad schoon maar verminderen wij ook het aantal gereden kilometers.’ Privacy is wel een belangrijk punt. ‘Wij rijden rond met camera’s en elke Amsterdammer moet door de stad kunnen bewegen zonder gevolgd te worden. Wij slaan beelden alleen op als deze nodig zijn voor verder onderzoek. Gezichten en kentekens zijn daaruit al verwijderd.’

Systeem is breed inzetbaar

Het systeem is breder toepasbaar dan alleen het herkennen en opruimen van afval. ‘Je kunt het ook toepassen voor het herkennen van gevaarlijke situaties. Bijvoorbeeld een paaltje dat omver is gereden, of een stoeptegel die scheef ligt.’ Voor verder onderzoek aan de UvA is het systeem ook heel geschikt. Dit wat een belangrijke eis aan het project was. ‘Wij willen ons richten op nuttige applicaties voor steden, die kant wilden we zeker meenemen in dit onderzoek. We kozen aanvankelijk voor het afvalprobleem, omdat dit technisch het snelst haalbaar was. Een AI heeft grote hoeveelheden data nodig om te leren en van afvalcontainers en vuilnis zijn nu eenmaal veel beelden beschikbaar.

Voor het onderzoek werkte Sukel met veel mensen samen. ABS-begeleiders Marcel Worring en Stevan Rudinac speelden een belangrijke rol en bij de gemeente Amsterdam werkte Sukel samen met verschillende domeinexperts. ‘In dit project is veel expertise samengebracht. Van het ontwikkelen van een applicatie die gebruiksvriendelijk is, tot de back-end van het systeem. En niet te vergeten de mensen die voor de gemeente Amsterdam het afval ophalen en graffiti schoonmaken. Het is een mooie combinatie van specialisten.’

AI-team ontwikkelt nieuwe applicaties voor Amsterdam

De gemeente Amsterdam ziet veel toekomst in de inzet van machine learning. Als gevolg van zijn onderzoek is Sukel inmiddels hier ook een deel van zijn tijd werkzaam. Hij zet als AI Lead CTO een team van developers op dat toepassingen gaat ontwikkelen voor de stad. Het team werkt onder meer samen met het Civic AI Lab. Hierin is AI-kennis ondergebracht van de gemeente, de UvA en de Vrije Universiteit. ‘In mijn team werk ik met getalenteerde mensen, die zich richten op de inzet van AI voor een groot aantal vraagstukken. Een acuut vraagstuk op dit moment is de aanpak van COVID-19. Op basis van verrijkte data uit de binnenstad werken wij aan een aantal applicaties. Deze voorspellen de drukte in bepaalde straten en geven waarschuwingen af als mensen niet voldoende afstand houden.’