En udfordring for konstruktioner i vand, eksempelvis offshore olie og gas platforme og vindmøllefundamenter, er marinebegroning. Begroningen sætter sig permanent på konstruktionen og dermed øger både omfang og ruhed af materialet. Dette bevirker en øget belastning og udmattelse af konstruktionen.
Afrensning af marinebegroning er ineffektivt med de metoder som anvendes i dag. Dette er primært ved hjælp af store, fritflyvende ROV’er, som bærer et renseværktøj – ofte højtryksdyse med vand. Operationen er meget manuelt drevet. Dette gælder både styring af ROV’en samt vurdering af mængde og type af marinebegroning. Derudover anvendes store skibe til at søsætte ROV’en, hvilket er voldsomt omkostningsfuldt.
Dette projekt har fokuseret på at automatisere styringen af ROV’en med henblik på at effektivisere afrensningen og aflaste ROV piloten. Derudover er der lavet tests af en række forskellige renseværktøjer, for at afdække hvilken teknologi der er mest optimal, og hvilke parametre teknologien fungerer bedst ved. Det er almindeligt
kendt, at undervandsudstyr generelt er omkostningstungt. Dette projekt har i høj grad fokuseret på at finde prisvenlige løsninger, som ligeledes er let tilgængelige.
Setuppet til hele systemet er skaleret ned til et footprint svarende til 2 stk. 10-fods containere. Dette betyder, at løsningen kan anvendes fra en platform, uden behov for et skib at søsætte fra.
Den nuværende proces for inspektion af omfang af marinebegroning er baseret på manuel måling af tykkelse samt manuel vurdering af type af begroning. Denne proces er væsentligt optimeret ved hjælp af kunstig intelligens, hvor syntetiske data er anvendt til træning af algoritmen. De syntetiske data er genereret fra en virtuelt miljø, som nemt udvides med nye arter af marinebegroning og kan tilpasses andre operationsforhold.
Systemet er testet i et nærkystområde og delvist testet i et offshoremiljø. Yderligere demonstration forventes at pågå i operationelt miljø (offshore olie&gas platform) Q2 2024.