En ny AI-løsning, udviklet af Institut for Fugtteknik i samarbejde med Alexandra Instituttet, kombinerer avancerede målinger og datadrevet analyse til at automatisere og forbedre diagnosticeringen af fugt i bygninger.

Over 15 millioner europæiske husstande (ca. 17 pct.) har fugtproblemer, og tallet forventes at stige på grund af øget nedbør og aldrende kloaksystemer. Derfor er behovet for en standardiseret metode til fugtdiagnose også stort, da nuværende simple måleinstrumenter og subjektive vurderinger medfører risiko for fejldiagnoser og øgede omkostninger for bygningsejer.

Institut for Fugtteknik har derfor udviklet en ny AI-baseret metode, som kombinerer flere måleinstrumenter og data for at skabe en hurtigere og mere præcis diagnosticering. I denne proces har Alexandra Instituttet kunne bidrage med værdifuld AI-ekspertise.

“Hidtil har fugtbekæmpelse bestået af en simpel fugtmåler, som man sætter på væggen, men man bruger ikke data til at komme meget videre ift. at bestemme fugtårsagen. Gennem vores arbejde har vi fundet ud af, hvilke tre måleinstrumenter, der er de bedste, og via den forskning, der er tilgængelig, kan vi komme frem til et mere præcist resultat”, siger Søren Als, CEO og co-founder af Institut for Fugtteknik og fortsætter:

”Inspirationen kom fra kræftforskning, hvor man tager flere typer af prøver/markører, og hvis alle markører peger i samme retning, så er der overvejende sandsynlighed for, at det er det, du fejler,” forklarer Søren Als.

Kan AI hjælpe med analyse?

Den eksisterende løsning består af en sensor til at måle vægtprocent, et termisk kamera til at måle, hvor der er varme og kulde i en væg samt analyse af salte og sporstoffer. Udfordringen ligger dog i de komplekse fortolkninger af resultaterne.

“Vi har derfor spurgt os selv: Kunne vi ikke bruge AI til at lave fortolkningsdelen efter udtagning af prøver? Det har vi løst ved at lægge vores metode ind i en AI-model, og når man har taget de tre målinger, så genererer modellen automatisk en rapport, der giver en langt større træfsikkerhed,” forklarer Søren Als.

For at øge præcisionen endnu mere har Institut for Fugtteknik i samarbejde med Black Capital Technology og Alexandra Instituttet undersøgt, hvilke algoritmer og statistikker man kan bruge. Det er sket gennem et AI Boost-projekt via Erhvervshus Hovedstaden.

Kan detektere fugttyper

Her har Alexandra Instituttet hjulpet med tre pakker. I de første to pakker har man bl.a. kigget på de fugtdata, som man kan trække ud af en væg, og undersøgt, hvordan man kan bruge det i en algoritme, der kan diagnosticere, hvilken type fugt det drejer sig om.

“Vi har arbejdet med at kombinere sensorbaserede fugtmålinger, clustering-analyser og maskinlæring for at kunne diagnosticere fugt i bygninger mere præcist – både i forhold til omfang og kilde,” forklarer Alexandre Alapetite, Principal Software Solutions Architect i Alexandra Instituttets AI lab.

I den sidste pakke har man udviklet en 3D-/AR-baseret platform, der kan støtte nye og knap så erfarne medarbejdere i deres arbejde med at diagnosticere fugt. Målet er at skabe et 3D-model, hvor brugeren og bygherre kan navigere rundt i en bygning og få en bedre forståelse af, hvordan man håndterer komplekse fugtproblemer.

Ifølge Søren Als betyder arbejdet, at Institut for Fugtteknik har fået forfinet og optimeret deres data på en måde, som de ikke selv var i stand til.

“Vores mål er nu at gå fra at være en rådgivningsvirksomhed til at blive en techvirksomhed. Når vi har et færdigt it-system, kan vi gå ud og certificere andre partnere, som så kan gå ud og lave de her målinger,” forklarer han.

Læs mere her

Foto: Alexandra Instituttet