Från visuell besiktning till mätbar fasadnedbrytning

Hur snabbt försämras en tegelfasad, och var sker nedbrytningen först? Med hjälp av drönare och bildanalys går det att följa frostskadors utveckling över tid på ett objektivt och repeterbart sätt. I artikeln visas hur metoden tillämpats på en fasad i Göteborg och hur resultaten kan användas i underhållsplaneringen.

Från ögonmått till mätbar förändring

Varje vinter tränger vatten in i fasader, fryser och bryter långsamt ner materialet inifrån. Men hur snabbt sker denna nedbrytning, och var på fasaden? Och hur vet vi när det är dags att ingripa?

Traditionella fasadbesiktningar ger i regel ögonblicksbilder: en samlad bedömning av tillståndet vid ett givet tillfälle. I denna studie används i stället drönare och bildanalys för att följa skadeutvecklingen över tid. Genom upprepade mätningar kan förändringstakt, rumsliga mönster och osäkerheter analyseras på ett objektivt sätt.

I detta projekt som finansieras av Formas (2019-01402) har vi tagit fram en metodik för att förutse var skador mest troligt inträffar på en fasad [1]. Denna användes sedan på ett flerbostadshus i Göteborg. Där uppmättes en ökning av andel skadad fasad med cirka 8 % på 18 månader, efter endast en vinter med frostsprängning. Exemplet illustrerar hur datadriven fasadövervakning kan bli ett praktiskt beslutsstöd för underhåll och renovering.

Utmaningen med verkliga fasader

I laboratoriemiljö är det möjligt att simulera frostcykler och uppskatta när ett tegelmaterial riskerar att brytas ned. Verkliga fasader beter sig dock sällan som laboratorieprover. De utsätts för mycket ojämna klimatpåverkningar, inte bara mellan olika väderstreck, utan även inom samma fasad.

Vissa partier skyddas av takutsprång och balkonger, medan andra exponeras för slagregn och vind. Resultatet blir att nedbrytningen startar och utvecklas olika snabbt på olika delar av fasaden.

Att förstå var, när och hur snabbt skador uppstår är avgörande för att undvika åtgärder som sätts in för sent, eller för tidigt. I dag baseras många underhållsbeslut på förenklade modeller (till exempel byggnadens ålder) och visuella inspektioner, som allt oftare kompletteras med drönarbilder.

Genom att kombinera drönarteknik med datorseende finns möjlighet att göra snabba och objektiva skadebedömningar. Ofta stannar dock analysen vid att identifiera förekomst av skador vid en enda datapunkt. Frågan är hur dessa skador utvecklas över tid: sprider de sig, och i vilken takt? Hur ser de ut efter ett år, fem år eller tio år? När behöver de repareras?

I denna studie tas ett steg mot att besvara dessa frågor genom att utveckla en metod för rumslig spårning av fasadskador, baserad på upprepade drönarundersökningar med relativt enkel och kostnadseffektiv utrustning.

Fasaden i Flatås – ett verkligt fall

Studien genomfördes på ett cirka 60 år gammalt flerbostadshus i Flatås i Göteborg. Byggnaden har en tegelfasad av gult, strängpressat tegel på underlag av lättbetong. Fasaden börjar cirka 2,8 meter över mark och skyddas delvis av ett taksprång på ungefär 700 mm.

Efter decennier av väderexponering och begränsat underhåll uppvisar fasaden omfattande frostrelaterade skador i form av ytavflagning (spjälkning). Skadegraden varierar kraftigt över fasaden, bland annat beroende på taksprång och omkringliggande byggnader. Denna variation gör fasaden särskilt lämpad för att studera hur lokala förhållanden påverkar nedbrytningen.

Drönarbaserad övervakning och bildanalys

Under våren 2024 genomfördes drönarundersökningar av flera byggnader i Flatås inom ramen för det Formas-finansierade forskningsprojektet om maskininlärning för prediktion av fasadnedbrytning. Bilderna sammanfogades till så kallade ortomosaiker, geometriskt korrigerade fasadbilder, och skadat tegel och murbruk identifierades med algoritmer för datorseende.

År 2025 upprepades analysen för en av fasaderna, med fokus på att uppskatta förändringar efter 18 månaders klimatpåverkan [2]. Eftersom den första flygningen inte planerats för upprepade mätningar uppstod mindre geometriska avvikelser mellan bildmaterialet från de två åren. För att möjliggöra jämförelse utvecklades därför en metod för efterbearbetning.

Arbetsgången var i huvudsak följande:

Ortomosaikerna från båda åren delades in i samma antal fasadsektioner (totalt 104 stycken, cirka 1 m² vardera).
Varje sektion analyserades med en djupinlärningsbaserad algoritm (YOLOv4) som identifierar skadat tegel.
Identifierade skadeområden matchades mellan åren baserat på överlapp och inbördes avstånd.
En kompletterande algoritm (Gaussian Mixture Model) användes för att identifiera skadade pixlar baserat på färg och struktur.

Med kännedom om bildens upplösning och fasadens mått beräknades den skadade ytan i kvadratcentimeter.