MultiRotorResearch

Tijdens ons project hebben wij kunnen aantonen dat de technische innovatie van een zelfvliegende drone
die automatisch de biodiversiteit van een gebied kan analyseren, haalbaar is. De technische
realiseerbaarheid hebben wij onderzocht door de innovatie in twee delen te splitsen.
- Het gebruiken van een drone om hoge resolutie foto’s van bloemen te maken voor
biodiversiteitmetingen is realiseerbaar. Dit hebben wij onderzocht door meerdere hoge kwaliteit
camerasystemen op onze drone te testen. Door te testen met verschillende instellingen hebben
wij een camerasysteem gevonden dat goed werkt in verschillende soorten belichtingen zoals
bewolkt of zonnig weer.
Een obstakel bij het gebruik van drones voor het maken van hoge kwaliteit foto’s van bloemen op
de grond is de luchtstroming van de propellers van de drone. Deze luchtstroming zorgt ervoor dat
de bloemen bewegen waardoor de foto minder scherp word. Door middel van het testen van
verschillende camera instellingen hebben wij dit kunnen oplossen.
De kwaliteit van de foto’s hebben wij daarna besproken met experts in fotografie en biologie zoals
lector Gerard Schouten. In deze gesprekken hebben wij kunnen aantonen dat de foto’s genoeg
details hebben om accuraat bloem soorten te kunnen herkennen. Dit is cruciaal omdat op basis
van verschillende bloemsoorten de biodiversiteitskaart gemaakt kan worden.
- Het automatisch vliegen van een drone tussen obstakels zoals bomen op basis van een End-2-
End AI model dat getraind is op menselijk vlieg gedrag is technisch haalbaar. Wij hebben dit
kunnen aantonen door een zelf ontwikkeld End-2-End AI model dat getraind is op menselijk vlieg
gedrag, in simulatie bomen te laten ontwijken. Ons AI model had de bomen in de simulatie nooit
eerder gezien. Hierdoor moest het model tijdens de vlucht nieuwe beslissingen maken om de
bomen te ontwijken. Dit deed het model op een manier zoals mensen in de training data dat ook
zouden doen. Dit is een belangrijke stap voor het verder realiseren van een dergelijk systeem in
de buitenwereld.
Met een deel van het subsidiegeld hebben wij een AI-expert kunnen inhuren. Deze heeft samen
met ons bestaande AI team veel werk kunnen verrichten. Daarnaast hebben wij met een deel van
de financiering een AI training systeem kunnen aanschaffen. Met de hoge rekenkracht van dit
systeem hebben wij veel menselijke vliegdata kunnen verzamelen en verwerken.
Naast de bovengenoemde innovaties hebben wij ook een gebruiksvriendelijk online platform ontwikkeld.
Dit platform helpt gebruikers om via simpele stappen een drone in de lucht te krijgen. In het platform zit
ook een automatische data opslag verwerkt waardoor de foto’s die de drone verzameld meteen geüpload
kunnen worden naar de cloud voor verdere analyse.

MultiRotorResearch werkt aan de volgende generatie autonome drones door middel van een nieuwe innovatieve manier van autonomie genaamd End-2-End navigatie. Door het bijzondere karakteristiek dat drones in de lucht kunnen vliegen, zijn drones breed inzetbaar voor een grote hoeveelheid ‘use cases’. Een paar voorbeelden hiervan zijn het in kaart brengen van de biodiversiteit in een natuurgebied, het controleren of een brug veilig is of het laag vliegend bewaken van een haven. Drones worden op dit moment gebruikt om deze taken uit te voeren. Echter, ze hebben allemaal een groot probleem.

Het uitvoeren van deze taken vereist een goede dronepiloot. Deze goede dronepiloot is duur, schaars en kan niet 24/7 werken. Hierdoor zijn inspecties met drones duur en zijn ze lastig om op een tijdschema uitgevoerd te worden. Denk bij een tijdschema aan bijvoorbeeld een inspectie per uur, dag of week.

Om dit probleem op te lossen zou de piloot vervangen kunnen worden door een computer die de drone kan laten vliegen. Er bestaan al autonome drones maar die kunnen alleen maar autonoom vliegen in gestructureerde omgevingen met 3d kaarten of heel hoog om zo alle obstakels te vermijden. Met End-2-End Machine Learning technologie is het mogelijk om ook laag in onbekende omgevingen te vliegen met obstakels. Deze technologie is gebaseerd op technologie die gebruikt wordt bij zelfrijdende auto’s.