Mutatieherkenning op landbouwpercelen
- Publicatiecategorie
- Overige algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
Algemene informatie
Thema
Begindatum
Contactgegevens
Verantwoord gebruik
Doel en impact
Doel is de laatste versie op een efficiënte manier zo hoog mogelijk krijgen, door de werkvoorraad op te splitsen. Dit doel halen we door herkenning van gelijk gebleven percelen, waardoor het overzicht bijgewerkt blijft.
Percelen die mogelijk wel veranderd zijn, worden hierdoor zo snel en goed mogelijk door een menselijke medewerker bekeken.
Het gevolg is dat RVO veel sneller haar overzicht bijgewerkt heeft, waardoor er minder fouten in het grond overzicht zitten.
Afwegingen
Nederland heeft de regel om elke 3 jaar het hele overzicht bijgewerkt te hebben.
Dit betekent dat erg veel mensen betrokken zijn om met de hand vast te stellen dat de overgrote deel niet is gewijzigd. Dit is een erg duur proces om helemaal met de hand uit te voeren, waardoor de overheid hier meer geld uitgeeft. Resultaat van de mutatieherkenning is een goede en snelle filtering zonder negatieve financiële gevolgen voor de subsidieaanvragers.
Menselijke tussenkomst
Als een stuk grond veranderd lijkt, kijken mensen dit na. Ze doen dit met de scherpste foto uit de lucht. Deze groep wordt voor 100% met de hand beoordeeld. Daar waar de mens geen verandering ziet, wordt het mutatiesignaal genegeerd.
Risicobeheer
Het risico dat het algoritme een mutatie ziet, wordt afgevangen door deze allemaal met de hand te controleren.
Verschillen in werking van het algoritme per type gebied worden gereviewd op basis van cultuurhistorisch landschapstype. Hierop worden kleine aanpassingen per gebied aan het model gedaan. Dit wordt in een technische rapportage en in een operationele rapportage uiteengezet.
Wettelijke basis
Een actueel en correct beheer van de landbouwpercelen zijn cruciaal voor het uitvoeren van het gemeenschappelijk landbouwbeleid voor wat betreft de rechtstreekse betalingen en conditionaliteiten. Dit komt terug in verschillende nationale en internationale wet- en regelgeving.
Nationale wet- en regelgeving
Nederlands Nationaal Strategisch Plan GLB 2023–2027
Uitvoeringsregeling GLB 2023
Regeling van de Minister van Landbouw, Natuur en Voedselkwaliteit van 1 november 2022, nr. WJZ/22031065.
Europese wet- en regelgeving
Diverse verordeningen rondom het Europese landbouwbeleid en de uitvoering daarvan (zie paragraaf 2.2.6.)
Links naar wettelijke basis
- Nederlands Nationaal Strategisch Plan (NSP) 2023-2027 : https://www.rijksoverheid.nl/documenten/kamerstukken/2022/02/24/verslag-strategisch-gbl-plan-202
- Verordening (EU) nr. 2021/2115: https://eur-lex.europa.eu/legal-content/NL/TXT/?uri=CELEX:32021R2115
- Verordening (EU) nr. 2021/2116: https://eur-lex.europa.eu/legal-content/NL/TXT/?uri=CELEX%3A32021R2116
- Verordening (EU) nr. 2022/126: https://eur-lex.europa.eu/legal-content/NL/TXT/?uri=CELEX:32022R0126
- Verordening (EU) nr. 2021/1172: https://eur-lex.europa.eu/eli/dec/2021/1172
- Verordening (EU) nr. 2021/1173: https://eur-lex.europa.eu/legal-content/NL/ALL/?uri=CELEX%3A32021R1173
- Verordening (EU) nr. 2022/1317: https://eur-lex.europa.eu/legal-content/NL/TXT/?uri=CELEX:32022R1317
Impacttoetsen
Werking
Gegevens
- Actuele luchtfoto's van Beeldmateriaal
- Actuele referentiepercelen
Links naar gegevensbronnen
- Luchtfoto's: https://service.pdok.nl/hwh/luchtfotorgb/wms/v1_0?&request=GetCapabilities&service=wms
- Referentiepercelen landbouw: https://www.pdok.nl/-/dataset-agrarisch-areaal-nederland-is-referentiepercelen-geworden
Technische werking
Stap 1. Generen True Orthofoto
In de stereo luchtfoto’s van Beeldmateriaal is elk gebied zichtbaar in twee of meer luchtfoto’s.
Met behulp van dit stereobeeld kunnen we diepte zien in de luchtfoto. We gebruiken dit om een
luchtfoto zonder omvalling (perspectief) te genereren: de True Orthofoto.
Stap 2. Segmentatie landbouwpercelen, gebouwen, water, wegen, overig
We gebruiken een AI-model dat de luchtfoto bekijkt. Het model verdeelt de
luchtfoto en het hoogtemodel in aaneengesloten gebieden met de volgende klassen:
1. Landbouwpercelen
2. Gebouwen
3. Water
4. Wegen
5. Overige gebieden.
De overige gebieden bevatten alle delen die niet bij de overige klassen horen, zoals bomen.
Het model is getraind om deze topografie te herkennen op basis van voorbeelden uit de
Basisregistratie Grootschalige Topografie.
Leverancier
Soortgelijke algoritmebeschrijvingen
- Op basis van fotomateriaal worden mutaties in de basisgegevens herkendLaatst gewijzigd op 15 juli 2024 om 12:42 | Publicatiestandaard 1.0
- Publicatiecategorie
- Overige algoritmes
- Impacttoetsen
- Veld niet ingevuld.
- Status
- In gebruik
- Het algoritme herkent en anonimiseert o.a. (persoons)gegevens, vertrouwelijke financiële gegevens en andere privavy gevoelige informatie in documenten voordat deze gepubliceerd of gedeeld worden.Laatst gewijzigd op 7 november 2024 om 10:08 | Publicatiestandaard 1.0
- Publicatiecategorie
- Overige algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
- Het algoritme wordt gebruikt om voor alle aanvragen Tegemoetkoming Vaste Lasten geautomatiseerd een risicoinschatting te maken, voorafgaand aan een geautomatiseerde of handmatige verlening en uitbetaling van het voorschot.Laatst gewijzigd op 13 februari 2025 om 15:40 | Publicatiestandaard 1.0
- Publicatiecategorie
- Hoog-risico AI-systeem
- Impacttoetsen
- Veld niet ingevuld.
- Status
- Buiten gebruik
- Het algoritme herkent en anonimiseert o.a. (persoons)gegevens en vertrouwelijke financiële gegevens in documenten voordat deze gepubliceerd of gedeeld worden.Laatst gewijzigd op 13 juni 2024 om 7:42 | Publicatiestandaard 1.0
- Publicatiecategorie
- Overige algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
- Het algoritme herkent en anonimiseert o.a. (persoons)gegevens en vertrouwelijke financiële gegevens in documenten voordat deze gepubliceerd of gedeeld worden.Laatst gewijzigd op 18 april 2024 om 7:40 | Publicatiestandaard 1.0
- Publicatiecategorie
- Overige algoritmes
- Impacttoetsen
- Veld niet ingevuld.
- Status
- In gebruik