Eshta Ranyal Postdoctoral Researcher

Onderzoek Eshta Ranyal

Onderzoeksgroep

Expertise

Macro-schaal inspanningen, voornamelijk gericht op AI-ondersteunde monitoring en onderhoud, bieden oplossingen die de betrouwbaarheid, efficiëntie en duurzaamheid van systemen en infrastructuur verbeteren. Visie-gebaseerde objectdetectie om algoritmen te ontwikkelen voor het detecteren en herkennen van objecten binnen visuele gegevens, vaak met behulp van deep learning-modellen voor verbeterde nauwkeurigheid. Deep learning-modellen om complexe datasets te analyseren, betekenisvolle patronen te extraheren en voorspellingen te doen, wat bijdraagt aan verbeterde besluitvormingsprocessen. Tijdsreeksanalyse die temporele patronen binnen data onderzoekt om trends, fluctuaties en afhankelijkheden in de tijd te begrijpen, met name relevant voor voorspellend onderhoud en prognoses. Voorspellend modelleren dat toekomstige resultaten of omstandigheden kan voorspellen op basis van historische gegevens, waardoor proactieve besluitvorming en resourceoptimalisatie worden ondersteund. Beeldverwerkingstechnieken om visuele gegevens te verbeteren, te analyseren en waardevolle informatie eruit te halen. Dit omvat filtering, segmentatie en functie-extractie voor een verbeterd begrip. AI-ondersteunde monitoring om realtime datastromen continu te monitoren en te analyseren, waarbij afwijkingen of patronen worden geïdentificeerd die aandacht vereisen. Automatisering en efficiëntie door AI en automatisering te integreren om de efficiëntie in monitoring- en onderhoudsprocessen te verbeteren, handmatige tussenkomst te verminderen en de algehele systeemprestaties te verbeteren.

Verkenning van AI-gestuurd assetmanagement van transportinfrastructuur (AI-TIM). 01/12/2025 - 30/11/2027

Abstract

Dit project verkent innovatieve benaderingen voor AI-gestuurd assetmanagement van transportinfrastructuur via twee complementaire onderzoekspaden: (i) monitoring van de structurele toestand van wegen, en (ii) detectie van erosie op taluds in uitgravingen en ophogingen. Beide thema's spelen in op actuele uitdagingen bij het behoud van veerkrachtige transportsystemen en vormen de basis voor toekomstige grootschalige studies. Voor de monitoring van wegen zal een proefvak met ingebedde sensoren worden gebruikt om structurele responsgegevens te verzamelen onder reële verkeers- en omgevingscondities. Het project zal de aanschaf ondersteunen van bijkomende hardware die nodig is voor een betrouwbare en continue dataverzameling en -bewaking op afstand. In de eerste fase worden de gegevens die over 3 à 4 maanden verzameld zijn geanalyseerd om de AI-gebaseerde verwerkingsmethoden te verfijnen en de robuustheid van het databeheerproces te beoordelen. In de tweede fase zal het project alternatieve globale meetstrategieën onderzoeken die verder gaan dan traditionele puntmetingen. Het doel is om concepten te ontwikkelen die bredere inzichten bieden in structurele prestaties en vroege signalen van degradatie over de volledige lengte van de weg. Het erosie-onderzoek richt zich op het gebruik van AI-ondersteunde beeldanalyse om erosiekenmerken op grond- en rots hellingen te identificeren en te karakteriseren. Voortbouwend op eerder werk rond erosieprocessen, zal de studie de ontwikkeling van vorm- en textuurmaten op basis van beelddata verkennen. Een centrale vraag hierbij is de geschiktheid van verschillende beeldbronnen: biedt satellietbeeldmateriaal voldoende resolutie om erosie grootschalig op te sporen, of zijn UAV-beelden met hogere resolutie uit het veld noodzakelijk? Het project voorziet in de verwerving van relevante beelden en drie maanden gericht methodologisch onderzoek. De verwachte resultaten van het project zijn: • Een werkend systeem voor dataverzameling en monitoring van een sensor-geïnstrumenteerd wegvak. • Een voorlopige analyse van lokale meetgegevens en een conceptuele verkenning van globale meetbenaderingen. • Een reeks kandidaat-maten voor erosiedetectie op basis van beelden, getest met satelliet- en/of UAV-data.

Onderzoeker(s)

Onderzoeksgroep(en)

Project type(s)

  • Onderzoeksproject

Verbetering van de kwaliteit van het wegdek door middel van AI-gestuurde verdichting (EPAIC). 01/09/2025 - 31/08/2026

Abstract

Vroegtijdige schade aan asfaltwegdekken is een hoge en te vermijden maatschappelijke en economische kost. Uit onderzoek is gebleken dat slechts 20% van de vroegtijdige wegdekdefecten te wijten is aan materiaalgebreken, terwijl de overige 80% toegewezen kunnen worden aan de uitvoering zelf. Momenteel worden deze defecten pas achteraf gedetecteerd door kernboringen en analyses. Te laat, want het wegdek is gerealiseerd. Het innovatieve EPAIC-project heeft als doel de wegenbouwindustrie te ondersteunen bij het leveren van een betrouwbaarder en duurzamere uitvoering van het asfaltverdichtingsproces, die beter voldoen aan vastgestelde kwaliteitsnormen door het gebruik van ruimtelijke en hoogte monitoringtechnologieën tijdens de aanleg van wegen. EPAIC introduceert een gedigitaliseerd, AI-gestuurd verdichtingssysteem dat in staat is om tijdens de aanleg van de asfaltweg, continu kritieke constructieparameters te monitoren, samen met klimatologische omstandigheden. Door in realtime deze gegevens te analyseren met behulp van geavanceerde AI-algoritmen, activeert het systeem een slim waarschuwingsmechanisme dat operators helpt om tijdens het proces belangrijke procesvariabelen aan te passen, zoals het aantal, de snelheid en de frequentie van de walsgangen. Hierdoor wordt een optimale verdichtingskwaliteit nagestreefd. Deze proactieve, real-time begeleiding helpt een minderwaardige kwaliteit op locatie te voorkomen, hetgeen momenteel pas achteraf kan worden vastgesteld. EPAIC zorgt hiermee voor een verlengde levensduur en geen versneld en onvoorzien onderhoud. De EPAIC-technologie is erop gericht marktleider te worden en pakt het hardnekkige probleem aan van een asfaltweg die niet aan de vooraf opgestelde kwaliteitsnormen voldoet, draagt bij tot een verlaagde onderhoudskost van de infrastructuur, een duurzaam milieu, minder emissies en een betere volksgezondheid; factoren waar de huidige wegenbouwsector naar op zoek is. Met een sterke basis van de brede, technische expertise binnen de SuPAR-groep, is EPAIC goed gepositioneerd om van concept naar commercialisering te gaan en deze technologie te implementeren in de moderne wegenbouw.

Onderzoeker(s)

Onderzoeksgroep(en)

Project type(s)

  • Onderzoeksproject