Waarom is dit belangrijk?
Wanneer afzonderlijke bronnen elkaar tegenspreken of onvolledig zijn, maakt samenvoegen een besluit mogelijk dat steunt op meer informatie tegelijk. In de zorg koppelen specialisten metingen van een CT-scan, een MRI-scan en een PET-scan aan elkaar om een diagnose beter te onderbouwen. Patiënten krijgen daardoor een gerichtere behandeling, al kan een onzorgvuldige samenvoeging het contrast verlagen en belangrijke details uit het zicht halen.
Zo werkt het in de praktijk
De Nationale Databank Wegverkeersgegevens (NDW) testte datafusie samen met DITCM op wegen rond Delft. Teams voegden gegevens van rijdende voertuigen samen met metingen van lussen in het wegdek. Zo ontstonden cijfers over snelheid en de hoeveelheid verkeer.
Een review van de Universiteit Twente beschrijft datafusie van satellietbeelden met andere sensoren. Die aanpak kreeg eerst aandacht in de precisielandbouw. Later volgde het in kaart brengen van landgebruik.
Het JDL-model deelt datafusie in niveaus, zodat teams het proces samen kunnen ontwerpen. Het begint bij het klaarmaken van de brongegevens. Daarna volgen onder meer het herkennen van objecten en het beoordelen van een situatie.




