AI Wegdek- & Gatendetectie

Wegen verslechteren continu, maar inspectiebudgetten zijn vast. Elke wegbeheerder kent dezelfde knel: een netwerk dat constante aandacht vraagt, een onderhoudsploeg die maar op één plek tegelijk kan zijn, en een publiek dat elk gat opmerkt lang voordat de volgende inspectie gepland staat. AI-wegdek- en gatendetectie dicht dat gat. Het maakt van gewone wegbeelden — uit een onderhoudsbus, een dienstvoertuig of zelfs een dashcam — een actuele, geprioriteerde kaart van gaten, scheuren en obstakels, zodat teams de juiste defecten eerst aanpakken in plaats van de defecten die toevallig het luidst worden gemeld.

Deze pagina is een eerlijke verdieping van wat we kunnen, geen klantsuccesverhaal. We leggen uit welk probleem we oplossen, hoe we het systeem precies zouden bouwen, welke technologie eronder zit, voor wie het is en welk rendement het oplevert — en we zijn bewust voorzichtig met de cijfers. De getallen verderop zijn sectorbenchmarks uit peer-reviewed studies, geen resultaten van een specifieke Crux Digits-route. Voor uw netwerk rapporteren we uw echte cijfers uit een proef op uw eigen beeldmateriaal.

Het probleem: inspectie die altijd net achterloopt

Periodieke handmatige inspecties zijn duur, traag en achterhaald op het moment dat ze worden ingediend. Een speciaal inspectievoertuig is kostbaar om in te zetten en dekt per rit maar een fractie van het netwerk, dus de meeste wegen worden beoordeeld op een cyclus van maanden of jaren. Tussendoor groeien defecten, lopen kleine scheuren uit tot gaten, en werkt de onderhoudsploeg met een momentopname die niet meer klopt met de weg.

De naïeve oplossing — richt een camera op de weg en draai een detector op elk frame — faalt op een voorspelbare manier. Enkelframe-detectoren zien schaduwen, natte plekken, teerreparaties, putdeksels en straatkolken aan voor schade en bedelven het team onder valse meldingen, totdat het systeem niet langer wordt vertrouwd. Een wegbeheerder heeft geen behoefte aan méér meldingen. Hij heeft behoefte aan een continu, betrouwbaar, geprioriteerd beeld van het hele netwerk, vastgelegd met voertuigen die toch al rijden.

Hoe het systeem werkt

We bouwen de pipeline in vier stappen, elk ontworpen om een specifiek faalmechanisme weg te nemen in plaats van om er nóg een model bij te zetten. Het resultaat is een systeem dat betrouwbaar genoeg is om op te handelen, niet alleen een demo die er goed uitziet op een schone testset.

• Vastleggen — Multi-view video wordt opgenomen met GPS-sync vanaf camera's op een voertuig of langs de weg, daarna gestabiliseerd, ontwazigd en kleurgenormaliseerd, zodat beweging, trillingen en wisselend licht de invoer niet vervuilen nog vóór de detectie begint.
• Detecteren — Twee complementaire modellen draaien samen. Semantische segmentatie vindt scheuren en slijtage op pixelniveau, terwijl een objectdetector — doorgaans YOLOv8 — gaten en puin vindt, getraind op stof, tegenlicht en beweging zodat het standhoudt in echte wegcondities, niet in labcondities.
• Filteren — Hier struikelen de meeste systemen en bewijst het onze waarde. Frame-vergelijking en optical flow onderdrukken schaduwen en natte plekken: een echt defect is fysiek aanwezig over meerdere frames terwijl het voertuig beweegt, een schaduw niet. Temporele filtering maakt van een rumoerige detector een betrouwbare.
• Kaart & rang — Elk bevestigd defect wordt op GPS-coördinaten gepind en op ernst beoordeeld. Dashboards tonen vervolgens heatmaps en onderhoudsprioriteiten, zodat de risicovolste reparaties bovenaan komen in plaats van als een platte, ongedifferentieerde lijst.

Die laatste stap is het verschil tussen detectie en beslissingsondersteuning. Een gat vinden is het makkelijke deel; een onderhoudsplanner vertellen welk gat op welke weg deze week moet worden hersteld — en aantonen waarom — is het deel dat echt verandert hoe een wegbeheerder werkt. Dit is dezelfde toegepaste, productiegerichte aanpak die we bij al ons werk in computervisie hanteren.

De technologie en aanpak

De detectieruggengraat combineert realtime objectdetectie (de YOLO-familie) met semantische segmentatie voor fijne scheurvorming, omdat gaten en haarscheuren werkelijk verschillende problemen zijn die om verschillende modellen vragen. Daarboven zit de temporele laag — frame-tot-frame-tracking en optical flow — die de grootste aanjager is van betrouwbaarheid in de praktijk en het lastigst is om goed te krijgen.

Rondom de modellen bouwen we het onspectaculaire engineeringwerk dat bepaalt of een systeem de werkelijkheid overleeft: GPS- en tijdstempelsynchronisatie, videostabilisatie en -normalisatie, een regellaag voor ernstbeoordeling, en een kaart- en dashboard-frontend voor planners. Modellen kunnen op de edge in het voertuig draaien voor live opname, of in batch op geüploade beelden wanneer u simpelweg een periodieke netwerkscan wilt. Dat data- en pipelinewerk is een vak apart — het soort robuuste opname, opslag en verwerking waarin ons data engineering-team gespecialiseerd is — en het is wat het systeem op schaal betrouwbaar houdt in plaats van alleen indrukwekkend op één clip.

Voor wie het is en het rendement

Dit systeem is gebouwd voor wegbeheerders en de organisaties die hen bedienen — gemeentelijke en provinciale wegafdelingen, nationale weginstanties, en de aannemers en assetmanagers die netwerken namens hen onderhouden. Het past uitstekend bij elke publieke-sectorinstantie die verantwoordelijk is voor wegconditie en veiligheid, en bij vlootbeheerders die het netwerk toch al dagelijks berijden en conditiedata zouden kunnen vastleggen als bijproduct van routes die ze toch al rijden.

Het rendement komt uit drie hoeken, en die versterken elkaar. Ten eerste kosten: conditiedata wordt verzameld met voertuigen die al op de weg zijn, dus er is geen speciale inspectievloot nodig. Ten tweede prioritering: een onderhoudsbudget dat eerst naar de defecten met de hoogste ernst en het hoogste risico gaat, reikt verder dan hetzelfde budget dat reageert op klachten. Ten derde veiligheid en aansprakelijkheid: een continu bijgewerkt, GPS-gekoppeld, getijdstempeld register van defecten en hun ernst is precies het bewijs dat een wegbeheerder nodig heeft om zorgvuldigheid aan te tonen en beslissingen te verdedigen. Defecten eerder opvangen, wanneer het nog goedkope scheuren zijn in plaats van dure gaten, is waar preventief onderhoud zichzelf stilletjes terugverdient.

Een eerlijk woord over de cijfers

We zetten geen verzonnen klantcijfer op deze pagina. De benchmarkgetallen hieronder komen uit peer-reviewed wegdefect-studies gepubliceerd tussen 2022 en 2025: realtime YOLO-modellen rapporteren een gat-mAP van ongeveer 81–86%, geoptimaliseerde en geaugmenteerde modellen halen tot ~95%, en systemen draaien op rond de 20 FPS met detectie tot ongeveer 100 meter. Dit zijn sectorbenchmarks voor de technologie, geen eigen routecijfers van Crux Digits. De prestaties op uw netwerk hangen af van uw camera's, uw wegtypen, uw weer en uw verkeer — en precies daarom meten we het direct. Voor machine-learningsystemen als dit is eerlijke evaluatie op uw eigen data geen optie maar de kern, en die staat centraal in hoe onze machine learning-praktijk werkt.

Hoe we een pilot zouden uitvoeren

We beginnen klein en bewijzen het voordat iemand opschaalt. Een gerichte routeproef houdt het risico en de kosten laag en levert tegelijk de enige cijfers die er echt toe doen — die van u.

• Scope een representatieve route — een stuk van het netwerk dat uw echte omstandigheden weerspiegelt: wegtypen, wegdekken, verlichting en weer.
• Leg vast met uw eigen voertuigen — monteer camera's met GPS-sync op voertuigen die u al inzet, zodat de proef weerspiegelt hoe het systeem werkelijk zou draaien.
• Tune en valideer — pas de detectoren aan op uw beelden en meet mAP en het percentage valse meldingen tegen de werkelijkheid, zodat u echte nauwkeurigheid ziet, geen generieke benchmark.
• Bekijk de geprioriteerde kaart samen — loop de GPS-heatmap en ernstrangschikking door met uw onderhoudsplanners om te bevestigen dat het past bij hoe zij werkelijk werken.
• Beslis over uitrol met bewijs in handen — schaal pas op over het netwerk wanneer de pilot de cijfers én de werkwijze op uw eigen wegen heeft bewezen.

Klinkt continu, geprioriteerd inzicht in uw wegennet als het probleem dat u wilt oplossen, dan is dat precies het soort gerichte pilot dat wij scopen. Vertel ons over uw netwerk en we rapporteren echte cijfers, geen beloftes — boek een gratis consult of bekijk transparante scoping op onze prijzen-pagina. Voor verwante computervisiesystemen, zie ons werk aan scheurdetectie in beton en kentekenherkenning voor milieuzones.