Automatisk detektion av anomalier i ledningsnät
Publicerad: 24 november, 2025
Bild: IVL
I ett forskningsprojekt lett av IVL Svenska Miljöinstitutet, finansierat av Svenskt Vatten och Stiftelsen IVL, undersöks möjligheterna att med hjälp av kameror utplacerade i brunnar identifiera förekomst av exempelvis fett, olja och rens. Syftet är att genom att implementera AI och bildanalys för att detektera anomalier i ledningsnät minska behovet av manuella inspektioner och underhåll.
Projektledare är Jacob Andrén, projektledare på IVL Svenska Miljöinstitutet, och han samarbetar med ett antal kommuner för att samla in information och diskutera behov av nya sätt att effektivisera arbetet med ledningsnäten.
- Vi har förstått att man vill komma ifrån schemalagda inspektioner och spolningar av ledningsnät för att i stället arbeta med vad som faktiskt sker i ledningarna. Kameror monterade i nedstigningsbrunnar och en prediktiv AI-driven bildanalys skulle tillåta realtidsövervakning och ge tidig varning vid förändring, vilket har potentialen att förbättra underhållsstrategier och bidra till ökad effektivitet.
Kan ge många fördelar
Inom projektet hoppas de att tekniken i förlängningen kommer bidra till kostnadsbesparingar genom förbättrade möjligheter till ett datadrivet förebyggande underhållsarbete, samt kortare utryckningstider då anomalier i ledningsnätet fångas tidigare.
- Det kan i sin tur leda till effektivare resursanvändning, förbättrad arbetsmiljö och minskad miljöpåverkan, samtidigt som det erbjuder tidiga varningar som kan förebygga större skador i VA-system, berättar Jacob Andrén.
Projektet leds av IVL i samarbete med VA-organisationer i Stockholm, Göteborg, Malmö och Kristianstad och innefattar flera arbetspaket från datainsamling till utveckling och utvärdering av AI-modeller.
- Vi hoppas kunna bidra till kunskapsökning inom VA-branschen via presentation på konferenser, workshops samt erbjuda metoder för effektivare underhållsstrategier.
Fokuserar på fett till att börja med
Projektet inleddes 2024 och förväntas vara klart i slutet av 2026. Efter den inledande fasen av projektet har de beslutat sig för att i första hand fokusera på att identifiera förekomsten av fett i ledningarna.
- Vi har satt ut många kameror i brunnar på olika håll i Malmö och Kristianstad och har genomfört en stor mängd mätningar, de sista mätningarna görs för närvarande.
När mätningarna är avslutade kommer de analysera insamlade data och utifrån det genomföra en strukturerad datainsamling.
- Vi har en stor testanläggning, Sjöstadsverket Water Innovation Centre, SWIC, i Stockholm, som främst genomför forskningsprojekt på vattenrening. Där har vi låtit bygga en testbrunn som möjliggör att återskapa de reella situationer som våra insamlade data visat från Malmö och Kristianstad.
Tränar en AI på insamlade data
Baserat på både de insamlade data från verkliga brunnar samt data insamlad i testbrunnen kommer de sedan att träna en AI att detektera avvikelser i ledningsnätet.
- Det vi vill ta reda på är om en tränad AI utifrån bilder i en brunn kan avgöra om det förekommer fett i vattnet. Den informationen skulle ett VA-bolag sedan kunna använda för att avgöra vilka lämpliga åtgärder som behöver göras, om några, för att undvika problem i senare skeden, förklarar Jacob Andrén.
Om det fungerar är förhoppningen att motsvarande träning av en AI kan göras för att upptäcka exempelvis olja och rens i ledningsnäten.