ENGINEERINGNET.BE - Gebouwen die klaar zijn voor renovatie of afbraak bevatten nog veel bruikbare elementen. Nu belanden die meestal onder de sloophamer en worden ze als puin afgevoerd.
Maar wat als we van tevoren konden inschatten welke materialen er in een te slopen gebouw aanwezig zijn? En deze zouden bekijken als een ‘urban mine’, klaar om te ontginnen?
"In het Sloopwijzer project hebben we gekeken naar hoe we met behulp van data science deze transitie van afvalbeheer naar materiaalstockbeheer beter kunnen ondersteunen of zelfs versnellen," stelt Yoko Dams, R&D expert duurzaam materialenbeheer bij VITO.
Om te weten wat er aan materiaalstock voorradig is in de bebouwde omgeving, is het nodig om te weten waar en wanneer die materialen vrijkomen en deze op te lijsten.
Daartoe hebben VITO en Immoterrae in 2019 een demonstratieproject opgestart. De automatische materiaalherkenning werd toegepast op enkele gebouwen in Leuven.
De resultaten daarvan zijn via een interactieve kaart beschikbaar gesteld. “We hebben ons eerst toegespitst op de ramen en haalden daar een gemiddelde nauwkeurigheid van 85%”, zegt Dams.
“Ook hebben we drie AI-modellen ingezet voor gebouwtypologieherkenning. Die hebben we getraind op basis van een dataset van honderden gevels in een aantal Vlaamse steden. Het resultaat is een accuraatheid van 90% voor alle modellen en een score van 95% voor baksteen.”
Verder is een schatting gemaakt van de restwaarde van de ramen op basis van de vraagprijzen van gebruikte ramen op online handelsplatformen. Daarbij werd rekening gehouden met alle eigenschappen die prijsbepalend zijn: grootte, type profiel, type raam en type glas.
De Sloopwijzer heeft inmiddels de eerste test doorstaan. Het is mogelijk om bouwelementen en - materialen te detecteren op straatbeelden van gebouwen in Vlaanderen. Op relatief korte tijd is dit systeem ook inzetbaar op wijk- of stadsniveau.
Als de materiaalschatter verder wordt uitgebreid kunnen meer materialen gedetecteerd en geschat worden. Dit project is gesubsidieerd door OVAM.
