Veiliger mijnbouw met autonome inspectiedrones

Fri Dec 02 2022

12 02

Veiliger mijnbouw met autonome inspectiedrones

21/09/2022

Door Ad Spijkers

Nieuwe technologieën voor de opslag van steenkoolafval kunnen potentiële storingen, zoals lekkage van gevaarlijke materialen in het milieu, detecteren en voorkomen.


     

Wetenschappers aan West Virginia University in Morgantown doen onderzoek dat een inspectie- en bewakingssysteem met drones zal opleveren voor inspectie van actieve en verlaten kolenas en residuen of afvalopslagfaciliteiten. Het doel van het project is om een manier te vinden om lekkages en storingen bij kolenafvalinstallaties op te sporen voordat residuen en kolenas in het milieu terechtkomen.

De residuen blijven achter na het winnen van steenkool uit de aarde. Ze worden bovengronds achter aarden dammen opgeslagen, terwijl Kolenas overblijft bij het verbranden van steenkool in elektriciteitscentrales. Dit as is een van de grootste Amerikaanse voorraden industrieel afval en bevat metalen zoals lood, kwik, chroom, selenium, cadmium en arseen, die nooit biologisch afbreekbaar zijn en gevaarlijk zijn voor de mens.

Gevaarlijk

Het falen van deze opslagstructuren is catastrofaal, resulterend in massale modderstromen die hele gemeenschappen hebben verwoest en onomkeerbare schade aan het milieu hebben veroorzaakt. De industrie en de federale en deelstaatregeringen besteden veel tijd en moeite aan het inspecteren van deze constructies en het vinden van gevaren die kunnen leiden tot afvalwaterlekkage of -storingen.

De onderzoekers willen een intelligente drone ontwikkelen en programmeren die autonoom de structurele componenten van opslagfaciliteiten voor steenkoolafval zal inspecteren. De drone kan thermische en visuele beelden en driedimensionale kaarten met hoge resolutie van de locatie maken, waarmee scheuren, misvormingen en andere gevaren in de constructies kunnen worden gedetecteerd.

Een tweede doelstelling van het project is om de drones uit te rusten met software die op kunstmatige intelligentie gebaseerde algoritmen gebruikt om potentiële gevaren te detecteren. De software zal thermische en visuele beelden verzamelen en gebruiken. Ook gebruikt de software 3D-puntenwolken, een technologie die laserscanners gebruikt om te meten waar licht een bepaald oppervlak of object raakt. Hiermee zijn nauwkeurige 3D-modellen van de kolenopslagplaatsen te genereren. Hierdoor kunnen onderzoekers potentiële gevaren snel en efficiënt identificeren zonder fysiek aanwezig te hoeven zijn op de inspectielocatie.

Rampzalige breuken

Het onderzoek kan een snellere en economische oplossing voor de lange termijn bieden voor dit groeiende mondiale probleem, een onderwerp dat een van de onderzoekers dicht bij huis raakt. Hij komt oorspronkelijk uit de staat Minas Gerais in Brazilië. Hier vonden onlangs catastrofale ongelukken met stuwdammen plaats, dus het project heeft een speciale motivatie voor hem. Het onderzoek biedt hem een kans om technologie te ontwikkelen die levens kan redden in de Verenigde Staten en zijn vaderland.

In 2015 stortte een residudam in Bento Rodrigues (Brazilië) in, waardoor duizenden kilo's gevaarlijke modder vrijkwam, waarbij 19 mensen omkwamen. Het mijnafval stroomde uiteindelijk meer dan 650 km van de bron naar de Atlantische Oceaan en verontreinigde de watervoorraden langs de route.

In West Virginia stortte in 1972 een residudam in na een zware regenbui (Buffalo Creek Flood). Door deze instorting kwam 500.000 m3 afvalwater vrij in de omliggende gemeenschap. Bij het incident kwamen 125 mensen om het leven, raakten 1.100 anderen gewond en werden 4.000 mensen dakloos.

De onderzoekers willen de volgende generatie ingenieurs opleiden in de toepassing van robottechnologieën voor mijnbouwgemeenschappen. Een succesvol resultaat van dit project zal een technologisch hulpmiddel zijn voor zowel de mijnbouwindustrieën wereldwijd om de veiligheid van de mijnen en de gezondheid van de nabijgelegen gemeenschappen te verbeteren.

Foto: WVU / Paige Nesbit