AI-baserad segementering av fasader för att optimera renovering i en större skala
Artikel i övrig tidskrift, 2021

Hur kan vi på ett automatiskt sätt skapa mer detaljerade 3D modeller av byggnader i digitala tvillingar och förbättra indata för att beräkna energibesparingspotentialer i befintliga byggnader? I en pilotstudie har vi undersökt hur maskininlärning kan användas för att extrahera information om fönstersättning och storlek i befintliga byggnader. Vi har utvecklat en modell som har “tränats” att känna igen och segmenterar fönster från bilder med byggnadsfasader och på så sätt skapa digitala och mer detaljerade data för befintliga byggnader. Vårt långsiktiga mål är att utveckla en helautomatisk metod för analyser av renoveringspotentialer för byggnader och fastighetsportföljer.

Författare

Sanjay Somanath

Chalmers, Arkitektur och samhällsbyggnadsteknik, Byggnadsteknologi

Yinan Yu

Chalmers, Data- och informationsteknik, Funktionell programmering

Nils Nordmark

Göteborgs universitet

Mola Ayenew

Göteborgs universitet

Liane Thuvander

Chalmers, Arkitektur och samhällsbyggnadsteknik, Arkitekturens teori och metod

Alexander Hollberg

Chalmers, Arkitektur och samhällsbyggnadsteknik, Byggnadsteknologi

Bygg och teknik

0281-658X (ISSN)

Vol. 2021 2 26-29

Digital Twin Cities Centre

VINNOVA (2019-00041), 2020-02-29 -- 2024-12-31.

Ämneskategorier

Miljöanalys och bygginformationsteknik

Husbyggnad

Datorsystem

Mer information

Senast uppdaterat

2022-03-01