Mede onder impuls van de Europese Green Deal staat Vlaanderen de komende jaren voor een ingrijpende renovatieoperatie van zijn (veelal verouderde) gebouwenbestand. Dat betekent dat afgevoerde materialen vanuit de bebouwde omgeving – die nu al verantwoordelijk is voor de omvangrijkste afvalstroom – op grote schaal zullen moeten worden ingezameld, gesorteerd, gerecycleerd en hergebruikt. Om dat zo circulair mogelijk te laten gebeuren, moet echter de lokale materialenstock gekend zijn. De Sloopwijzer-tool van VITO is de eerste die hiervan een meer fijnmazige inschatting maakt, dit op basis van automatische materiaalherkenning.
Materialeninventaris om meer circulair te ondernemen
Welke materialen, en in welke hoeveelheden, gewichten en vormen, gaan er in en uit een afgebakend gebied zoals een wijk, stad of regio? Op basis van bestaande data en een
beetje statistiek kan er een ruwe inschatting gemaakt worden van de stock van deze samenhangende in- en uitstromen. Helaas is de resolutie daarvan vrij laag en gaat dit dus gepaard met vrij grote onzekerheidsmarges. Hierdoor blijft het beeld op de materialenstock troebel.
Maar laat concrete informatie over die materialenstock (of materialeninventaris) net nodig zijn voor sectoren als de afvalverwerking en -recyclage maar ook de bouw en de transportsector om meer circulair te gaan ondernemen. ‘In de transitie naar een circulaire economie moeten bedrijven steeds meer materialen gaan hergebruiken en recycleren’, zegt Yoko Dams van VITO. ‘Daarvoor moeten ze echter wel eerst weten waaraan ze zich kunnen verwachten, zodat ze hun activiteiten daarop kunnen toespitsen.’
Semi-automatische tool
Voor de detectie en inventarisatie van asbest in Vlaanderen bestaat er al een methode. Die werd onder meer ontwikkeld door de unit Remote Sensing van VITO en herkent asbestdaken en andere bouwelementen uit asbest op luchtbeelden. Een vergelijkbare tool voor gevels en meer specifiek raamprofielen staat nu in de steigers. De Sloopwijzer-tool werd ontwikkeld met o.a. de steun van Vlaanderen Circulair, het Vlaams publiek-privaat partnerschap dat als knooppunt en inspirator voor de circulaire economie optreedt. Deze tool functioneert op basis van beelden van gevels van huizen en gebouwen gemaakt vanuit de straat, bijvoorbeeld door Google Street View®. Op die beelden wordt artificiële intelligentie losgelaten om specifieke bouwelementen zoals ramen en raamprofielen, maar ook specifieke materialen te kunnen herkennen.
Markteconomische studies renovaties
De tool, ontwikkeld in samenwerking met Immoterrae in het kader van een pilootproject dat eind vorig jaar afliep, werd toegepast op de stad Leuven en werkt semi-automatisch. Aan het selecteren van de beelden in de toolsoftware komt nog wat mensenwerk te pas, maar daarna verloopt alles automatisch. De einduitvoer van de tool geeft uiteindelijk aan hoeveel van een bepaald bouwelement of materiaal er aanwezig is in een gebouw. Om tot een geaggregeerd resultaat voor een ‘gescand’ gebied te komen en te weten hoe de precieze hoeveelheden bouwelementen en materialen verspreid zijn over het lokale gebouwenbestand, is echter nog extra ontwikkeling nodig. Die informatie kan niet alleen interessant zijn voor de hierboven genoemde bedrijven, maar allicht ook voor beleidsmakers. ‘Zij kunnen er dan bijvoorbeeld markteconomische studies op baseren rond renovaties’, zegt Tanja Van Achteren van VITO.
Tachtig procent betrouwbaar
Het pilootkarakter van de tool houdt in dat de Sloopwijzer nog niet finaal op punt staat – het gaat dan ook om een nieuwe ontwikkeling from scratch. Er is dus zeker nog ruimte voor verbetering. ‘De technische uitdaging is vrij groot. De façade van een huis of gebouw moet bijvoorbeeld goed zichtbaar zijn, en dat is vaak niet het geval door geparkeerde auto’s of bomen’, zegt Van Achteren. ‘Daarnaast is ook het algoritme dat via deep learning wordt getraind op duizenden beelden van bouwelementen en materialen, niet perfect.
We zitten momenteel aan een betrouwbaarheid van tachtig tot negentig procent. Dat wil zeggen dat er nog gemiddeld tien à twintig procent fout wordt gedetecteerd. Dat hoeft geen onoverkomelijk probleem te zijn, maar als gebruiker moet je dit wel weten.’
Straatbeelden
Het gebruik van straatbeelden is dan weer een troef van de Sloopwijzer-tool. Behalve Google Street View® kunnen immers ook camera’s worden ingeschakeld op voertuigen die sowieso frequent door straten passeren, zoals vuilniswagens, postfietsen- en auto’s en het openbaar vervoer.
Op korte termijn wil VITO de Sloopwijzer-tool opschalen naar stadsniveau. De evaluatie van
het afgelopen pilootproject zal daartoe bijdragen. ‘We kunnen nu de obstakels voor de verdere opschaling identificeren’, zegt Dams. ‘Tegelijk willen we de statistische verwerking en interpretatie van de uitvoergegevens verbeteren op wijk- en stadsniveau.’
Partners
De Sloopwijzer-tool werd ontwikkeld door VITO in nauwe samenwerking met partner Immoterrae en stakeholders VCB, Tracimat, FLOOW2 (leverancier Werflink), BOPRO en Stad Leuven.
