Forschungsbericht W 202301 05/2024

Ziel des Projekts Forschungsbericht W 202301 war die Ermittlung des Verwertungspotentials von Inneninspektionsdaten im Trinkwasserbereich. Dazu wurde eine Recherche zu vorhandenen Systemen zur Inspektions-auswertung durchgeführt. Außerdem wurde eine online-Umfrage durchgeführt, sowie vertiefende Interviews mit WVU die sich im Rahmen der Umfrage dazu bereit erklärt haben. Außer-dem wurde ein exemplarisches Auswertungsverfahren für Videoverfahren implementiert.

Der Fokus der Recherche lag auf der Ermittlung von sowohl kommerziell erhältlichen Produkten als auch F&E-Anwendungen, die für die Auswertung von Videodaten von Kanalbefahrungen im Abwasserbereich genutzt werden. Es gibt kommerzielle Produkte, die jedoch alle Cloudlösungen darstellen und somit einen Upload der Inspektionsdaten auf die Cloud des jeweiligen Anbieters erfordern. Allen Anwendungen ist gemeinsam, dass sie in der Lage sind, Schäden nicht nur zu erkennen, sondern auch zu klassifizieren.

Eine Übertragung eines solchen Klassifikationsverfahrens auf den Trinkwasserbereich ist technisch möglich, erfordert jedoch ein Finetuning eines Deep Learning Klassifikators mit trink-wasserspezifischen Videodaten. Wichtige Voraussetzungen dafür ist die Erstellung eines standardisierten Bewertungskatalogs sowie von Regeln zur Annotation von Videodaten. Die Komplexität ist im Trinkwasser größer als im Abwasserbereich, da Leitungen leer, teilgefüllt oder vollständig mit Wasser gefüllt sein können. Es werden mehr Materialklassen im Trinkwasser als im Abwasser verwendet und wasserchemische Prozesse führen zu einer noch höheren, materialspezifischen, Varianz (durch Inkrustationen, Ablagerungen, Biofilm). Erschwerend kommen Spiegelungen und Reflexionen in teil- und vollgefüllten Leitungen hinzu.

Es wurde eine online-Umfrage bei 500 WVU durchgeführt, mit einer Rücklaufquote von ca. 18 % (79 WVU). Die Mehrheit der teilnehmenden WVU waren mittlere Unternehmen (ca. 50 %) sowie jeweils 25 % kleine und große Unternehmen. Die Auswertung der Umfrage erfolgte differenziert nach Unternehmensgröße. Die Unternehmen sind primär an leckortenden Verfahren und Schallverfahren interessiert, gefolgt von Kameraverfahren. Insgesamt wurden Interviews mit 25 WVU geführt. In den Interviews wurden die Themenkomplexe aus der online-Umfrage durch detaillierte Fragen vertieft.

Im Rahmen des Projekts wurden Daten aus einer Befahrung einer 24 km langen Leitung mit Hilfe eines Autoencoders exemplarisch ausgewertet. Autoencoder lernen ein Basismodell der Eingangsdaten und ermöglichen eine Anomaliedetektion. Dabei sind keine vorklassifizierten Trainingsdaten notwendig. Der qualitative Vergleich mit einer Anomaliedetektion durch menschliche Beobachter zeigte eine gute Übereinstimmung: Das System tendiert dazu ähnliche visuelle Auffälligkeiten zu erkennen, wie die menschlichen Beobachter.

Die online Umfrage und die Interviews deuten darauf hin, dass optische Inneninspektion ein Nischenbereich bei der allgemeinen Inspektion bleiben wird. Akustische Überwachung des Netzes ist hingegen in typsicher Anwendungsfall für WVU. Akustische Spektren lassen sich ähnlich wie Bilder auswerten und Autoencoder würden sich als Auswertungsverfahren anbieten.