Inleiding
Vivianiet, een ijzerfosfaatmineraal dat soms in slib voorkomt en waarde heeft, De huidige methoden om vivianiet te detecteren zijn vaak tijdrovend, arbeidsintensief en vereisen specialistische apparatuur of laboratoriumanalyses. In dit project ontwikkelen we een detectiealgoritme ondersteund door een Large Language Model (LLM) om vivianiet in slib snel en betrouwbaar te identificeren op basis van microscopische beelden.
Doel
Het doel is een systeem te realiseren dat:
- op basis van microscopie-foto’s vivianiet kan herkennen met hoge nauwkeurigheid;
- de beoordeling automatisch ondersteunt via beeldanalyse + LLM;
- toepasbaar is voor monitoring, slibverwerking en besluitvorming in het waterschap;
- bijdraagt aan efficiency-winst, lagere kosten en betere waterkwaliteit.
Werkwijze
Eerst worden slibmonsters verzameld uit diverse typen slib, locaties en omstandigheden. Met de aangeschaft microscoop worden beelden gemaakt die experts labelen op aanwezigheid / afwezigheid van vivianiet. Deze gelabelde dataset vormt de basis voor training van het detectie-algoritme. De LLM fungeert als extra laag beoordelaar, bijvoorbeeld voor validatie of interpretatie van beelden en metadata.
In een pilotfase wordt het systeem getest op nieuwe, niet eerder geziene monsters om de prestaties (nauwkeurigheid, faalverkenning, snelheid) te evalueren. Daarna wordt onderzocht hoe het systeem kan worden geïntegreerd in bestaande slibbeheer- en laboratoriumprocessen.
Resultaten & verwachting
We verwachten dat de innovatie leidt tot:
- snellere detectie van vivianiet in slib waardoor acties eerder kunnen worden genomen;
- reductie van laboratoriumkosten en minder handwerk;
- betrouwbaardere en consistenter data voor slibbeheer en rapportages;
- verbetering van slibverwerkingsstrategieën en mogelijk betere verwerking of hergebruik van slib;
Fase & status
Het project bevindt zich in de proof-of-concept / pilotfase. De microscoop is aangeschaft; start van dataverzameling en labeling staat gepland / loopt.