Sloopwijzer herkent bouwmaterialen voor hergebruik of recyclage

Gebouwen die afgeschreven zijn, klaar voor renovatie of afbraak, bevatten nog heel wat bruikbare elementen. Vandaag worden die meestal als puin afgevoerd. Iedereen die iets van circulair bouwen kent, weet dat dat anders moet. Daarom zouden we van tevoren moeten kunnen inschatten welke materialen er in een te renoveren of te slopen gebouw aanwezig zijn. De Vlaamse Instelling voor Technologisch Onderzoek (VITO) heeft haar expertise in materiaalbeheer, data-analyse en remote sensing met dat doel samengebracht in een project voor automatische materiaalherkenning: de Sloopwijzer. Die tool maakt, met de hulp van data science en op basis van bestaande beelden van Google Streetview, een analyse van wat er nog bruikbaar of recycleerbaar is of hersteld kan worden.

"De bouwsector en gebouwde omgeving zijn wereldwijd de grootste materiaalverbruikers en vertegenwoordigen het hoogste aandeel van onze Vlaamse afvalproductie”, zegt Yoko Dams, R&D-expert duurzaam materialenbeheer bij VITO. "In het Sloopwijzer-project hebben we gekeken naar hoe we met behulp van data science de transitie van afvalbeheer naar materiaalstockbeheer beter kunnen ondersteunen of zelfs versnellen door van een gebouw een zogenaamde urban mine te maken, klaar om te ontginnen."


Ramen en bouwtypes

VTO startte het demonstratieproject in 2019 op in samenwerking met Immoterrae. "Om te weten wat er aan materiaalstock voorradig is in de bebouwde omgeving, moeten we niet alleen weten waar en wanneer die materialen zullen vrijkomen, we moeten de materialen waarover het gaat, ook precies kunnen oplijsten. In het Sloopwijzer-project hebben we ons toegespitst op ramen en bouwtypologie. Die focus op ramen heeft alles te maken met de brede toepassing ervan in de context van circulaire economie: ramen kunnen hergebruikt worden of gerecycleerd en ze laten ons toe om de energie-efficiëntie van een gebouw in te schatten. De bouwtypologie geeft ons dan weer een beeld van het gebruik van baksteen, verborgen baksteen en het feit of het om een residentieel of een niet-residentieel gebouw gaat. Als we die elementen naast elkaar leggen, krijgen we een beter beeld op de gemiddelde materialen die in dat hele gebouw zijn gebruikt.”

De automatische materiaalherkenning werd toegepast op enkele gebouwen in Leuven. De resultaten daarvan werden via een interactieve kaart ter beschikking gesteld. “We hebben ons eerst toegespitst op de ramen en we behaalden daar een gemiddelde nauwkeurigheid van 85%”, aldus Dams. “Daarnaast 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.”

Aan het einde van de rit werd ook 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 bij ramen prijsbepalend zijn: grootte, type profiel, type raam en type glas …


Veel potentieel

Sloopwijzer heeft volgens VITO de eerste test doorstaan: het is mogelijk om bouwelementen en -materialen te detecteren op straatbeelden van gebouwen in Vlaanderen. Op relatief korte tijd kan het systeem ook ingezet worden op wijk- of stadsniveau. Als de materiaalschatter verder wordt uitgebreid, kunnen meer materialen gedetecteerd en geschat worden.

Meer weten? Lees de blogpost op de website van VITO Remote Sensing.

Deel dit artikel:

Onze partners