Automatische Schadenserkennung an
Wasserbauwerken mittels hybrider
Messplattform und Machine-Learning
Frederic Hake | Hamza Alkhatib | ıngo Neumann
1
Motivation
Die alternde Infrastruktur der See- und Binnenhäfen in Deutschland erfordert
neue Technologien und Methoden in der Vorbereitung und Durchführung des
Lebenszyklusmanagements. Die bisher personal- und zeitintensiven Arbeitspro-
zesse werden durch neue automatisierte, intelligente und innovative Mess- und
Analyseverfahren ersetzt, um Transparenz, Ressourcenefflizienz und Zuverläs-
sigkeit zu gewährleisten.
Hafeninfrastrukturen sind im Laufe ihrer Lebensdauer starken Belastungen
ausgesetzt. Vor allem Seehäfen werden durch das Salzwasser stark angegriffen.
Dies führt zu strukturellen Schäden an Mauerwerken, den Betonstrukturen,
Spundwänden oder Holzkonstruktionen. Um die Sicherheit und Stabilität der
Infrastruktur zu gewährleisten, ist es entscheidend, die Schäden rechtzeitig zu
erkennen und deren Bedeutung einzuordnen. Dies ermöglicht frühzeitige In-
standhaltungsmaßnahmen und kann kostspielige Reparaturen verhindern.
1.1
Bauwerksüberwachung mittels kinematischen
Über- und Unterwasserscansystem
Eine umfassende Bauwerksinspektion der Infrastruktur in See- und Binnen-
häfen in kurzen Zeitabständen ist notwendig. Aufgrund des hohen Sediment-
aufkommens, insbesondere in Flussregionen, ist eine qualitätsgesicherte visuelle
Inspektion aus wirtschaftlichen Gründen kaum möglich.
Diese Studie befasst sich mit einer vollautomatischen, qualitätsgesicherten
und reproduzierbaren Über- und Unterwasser-3D-Sensorik und -Schadensde-
tektion von Hafeninfrastruktur. Die Schadensdetektion erfolgt in der Regel mit
Methoden der Mustererkennung siehe Hesse et al. (2019).
Die gewonnenen Ergebnisse sollen vom Hafenbetreiber genutzt werden, um
die auf die Bauwerksprüfung folgenden Instandhaltungskonzepte und Baumaß-
nahmen transparent und zuverlässig zu gestalten. Darüber hinaus werden Struk-
U Wilstier-Velıa
3and 1102/20272 @® DVW-SCHRIFTENREIHE
A.
