Black Capital Technology samarbetade med Institut för Fugtteknik för att utforma och bygga MoistLab-plattformen – som omvandlar expertfuktdiagnostik till ett standardiserat, skalbart digitalt system.

Omfattningen inkluderade:

• Plattform och systemarkitektur
• Datapipeline och styrningsmodell
• Integration av multimodala sensordata
• Integration och tolkningslogik för AI-modell
• Automatiserad, standardiserad rapportering
• Interaktivt gränssnitt för diagnostik och insikter
• Stiftelse för framtida 3D / AR-visualisering

Fuktdiagnostik i byggnader har historiskt förlitat sig på rudimentära verktyg och expertbedömningar – vilket ofta leder till feldiagnoser och kostsam sanering.

MoistLab kombinerar multimodala mätningar med AI-baserad tolkning för att leverera noggranna, repeterbara och förklarliga diagnostik.

Plattformen:

• Tar emot viktprocent fuktdens data, termisk avbildning och saltanalyser
• Tillämpar AI-modeller för att klassificera fukttyp och trolig källa
• Genererar automatiskt standardiserade diagnostiska rapporter
• Erbjuder ett interaktivt gränssnitt för att utforska byggnadsinsikter
• Är utformad för att expandera till 3D/AR-visualisering för tydligare kommunikation
• Målet var inte att ersätta experter – utan att förstärka expertbedömningar med datadriven säkerhet.

Processen fokuserade på att anpassa diagnostik på expertnivå med tydlighet för intressenter.

BCT arbetade nära Institut for Fugtteknik (och forskningspartners) för att:

• Definiera en robust datastruktur innan AI appliceras
• Säkerställ spårbarhet från råmätning till slutlig diagnos
• Styr arbetsflöden så att resultat kan litas på av både specialister och icke-experter
• Skapa resultat som ingenjörer, arkitekter och fastighetsägare kan förstå

Detta säkerställde att plattformen kunde gå från forskningsproof-of-concept till en verklig, användbar produkt.

Bildkälla: Alexandra Institutet

Bildkälla: EHHS

MoistLab-plattformen levererar ett paradigmskifte inom diagnostisk kvalitet och konsekvens.

Nyckelresultat: