Data og AI-modeller skal gøre det mere præcist at detektere fugt i bygninger

Mere end 15 millioner europæiske husstande, svarende til cirka 17 procent, er i dag påvirket af fugtproblemer. Med stigende nedbørsmængder og aldrende kloaksystemer vil det tal kun stige. 

Der findes desværre ikke i dag en fælles standardmetode til at diagnosticere fugt i bygninger. Det foregår typisk manuelt og med simple måleinstrumenter samt baserer sig på subjektive vurderinger og erfaring, hvilket øger risikoen for fejldiagnose og dermed fejlbehandlinger af fugten og øgede omkostninger for bygningsejeren.

Institut for Fugtteknik står bag udvikling af en ny og innovativ metode med brug af flere måleinstrumenter samt en AI-baseret løsning til rådgivere, hvor bl.a. data fra sensorer og salte, skal være med til at sikre en hurtigere og mere ensartet diagnose af fugt i bygninger, forklarer Søren Als, CEO og co-founder af Institut for Fugtteknik. 

"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. 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.”

AI hjælper med fortolkningen

Løsningen 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.

Men deres erfaring er, at når andre faggrupper som fx bygningskonstruktører skal bruge deres metode, så er de typisk skarpe til at bruge måleinstrumenterne. Men de har ofte svært ved at skrive en rapport efterfølgende, da der er en masse variable, som man skal holde op mod hinanden.

“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 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. Målet for Søren Als og hans kollegaer er nu at lave et it-system, som kan bruges af alt fra bygningsejere, ingeniører og arkitekter. 

“Vores mål er 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.

Han er ikke i tvivl om, at potentialet er stort. Særligt fordi måden, man har løst fugtanalyser indtil nu, har været meget basal. Alene i Danmark er der cirka 400.000 ejendomme med fugtproblemer, og i EU er der cirka 15 millioner. 

“Siden man startede med at foretage målinger af nedbør i 1901, så er juli måned de sidste tre år røget ind på top ti, og den udvikling fortsætter. Det bliver to til tre gange værre de næste 10 til 20 år, så hvis du ikke har styr på fugt, så får du kæmpe problemer, og derfor leder man som ejer af en ejendom også efter løsninger, som er både omkostningseffektive og bæredygtige,” forklarer han.

Fakta

Den største trussel mod bygningsarven er vand- og fugtproblemer, hvilket allerede rammer cirka 400.000 danske boliger. Det tal vil kun stige i takt med klimaforandringer og stigende nedbør samt en aldrende boligmasse.

I dag baseres fugtanalyser ofte på enkeltmålinger og erfaring, hvilket giver ineffektive løsninger. Institut for Fugtteknik har udviklet en AI-baseret metode, der kombinerer vægtprocent-måling, termografi og analyse af salte. Metoden kan med høj præcision identificere fire fugttyper og har på baggrund af 600 undersøgelser vist sig at øge træfsikkerheden med over 80 procent.

Alexandra Instituttet har i et AI-Boost-projekt hjulpet Institut for Fugtteknik med tre pakker: 

I den første har man kigget på de termiske data, som man kan trække ud af en væg, og set på, hvordan man kan bruge dem til at identificere fugt. 

I den anden har man undersøgt, hvilke data man kan bruge i en maskinlæringsalgoritme til at klassificere fugttyper. 

Som det sidste har man udviklet en 3D-/AR-platform, hvor brugeren kan navigere rundt i en bygning og dermed nemmere få en forståelse af fugtproblemer.