Denna rapport är resultatet av ett examensarbete som utförts isamarbete med byggföretaget K360 i Uppsala. De arbetar medkakling av badrum i renovering och nybyggnation. En fallstudiehar besvarat forskningsfrågan “Hur kan byggföretag i Sverigegenom materialval och arbetssätt i samband med kakling avbadrum, minska sina koldioxidutsläpp och sin användning avfarliga ämnen?”. Materialen avser avjämningsmassa, fästmassa ochkakel. Litteraturstudierna bygger på rapporter och skrifter frånstatliga institutioner, kommuner, företag och tidningsartiklar. Dettycks saknas forskning om avjämning och fästmassa. Litteraturenberör klimatneutral betong, farliga ämnen, avfallshantering ochföretagskultur och visar följande. Cementen i betong ger högakoldioxidutsläpp. I klimatneutral betong har delar av cementenbytts ut mot bl.a. flygaska. Den gör att betongen eller avjämningentorkar långsamt. Cementindustrin forskar på metoder för attminska sina koldioxidutsläpp. En annan studie bygger på en teoriatt normaltorkande avjämning möjliggör klimatneutraltbetongbjälklag då den fungerar som fukt- och alkalispärr. Denempiriska studien beräknas färdig 2021. Farliga ämnen skaminskas och mycket farliga ämnen ska fasas ut. Dessa ärcancerframkallande, hormonstörande, svårnedbrytbara, kraftigtallergiframkallande och förändrande av arvsmassa ellerfortplantning. Försiktighetsprincipen bör tillämpas då det saknasforskning om många ämnens miljöpåverkan i kombination medandra. I cementbaserade fästmassor och avjämningsmassor kan detfinnas plasttillsatser som medför giftiga biocider. Det finnsnaturliga alternativ. Avfall bör i första hand minimeras, sedanåteranvändas, materialåtervinnas, energiutvinnas och sistdeponeras. I K360s miljöpolicy står att de värnar ommedarbetarnas delaktighet. Litteraturen stödjer delaktighet ochyrkesstolthet som drivkraft till ett företags kvalitetsutveckling därmiljö är en del. Beslut ska baseras på fakta som kräverkommunikation men K360 saknar idag forum för miljö- ochklimatfrågor. Sju kvalitativa intervjuer har genomförts medplattsättare och projektledare. Alla intervjuade anser att miljö- ochklimatfrågor är viktigt. Samtliga plattsättare strävar efter attminska spillet genom planering och beräkning av materialåtgång.Detta blir lättare med mer erfarenhet. För att effektivt kunnaanvända kakelplattorna krävs tid för planering och logiskttänkande. Tidsbrist, standarden för att kapa kakelplattor, mått ochutformning av badrummen utgör hinder för att förebygga spill.Möjligheterna för detsamma är att i projekteringsstadiet anpassatidsplan, badrummets mått och kakel. Allt material återvinns närmöjlighet ges. Beställarens krav och pris styr materialvalet. Andrafaktorer är låg vikt och att det fungerar med befintliga material.Plattsättare och projektledare uttrycker tilltro till att materialet ärkontrollerat för farliga ämnen. Överlag saknar de kunskap ommaterialens innehåll och möjligheten att påverka materialvaletupplevs vara litet. En produktjämförelse jämför fästmassornaCentro FK# 1000 som K360 använder mycket och Haga 325 Bio-Platten- und Fliesenkleber. Produkterna är likvärdiga ochcementbaserade. Centros innehåller plasttillsatser medan Hagasbara naturliga tillsatser. Diskussionen tar upp om ett riktatlitteratursökande kan ha lett till att källor missats och att källorfrån företag kan vara vinklat. Hänvisningar från kommunen ochoberoende källor stärker informationen. Vidare diskuteras omtilliten hos informanterna till materialkontrollerna är frånsägandeav ansvar men flera uttalanden pekar på starkt ansvarskännande.Slutsatsen från produktjämförelsen är att ett byte från Centro tillHaga skulle minska potentiellt farliga ämnen. Andra slutsatsersom dras är att det saknas klimatneutral avjämningsmassa påmarknaden men det kan komma att visa sig att normaltorkandeavjämning är att föredra. Företaget saknar idag forum för internkommunikation om miljöfrågor vilket gör att information fastnarhos enskilda individer. Rapporten rekommenderar K360 att avsättaresurser för att uppdatera sig om materialinnehåll ochmiljöutveckling, skapa forum och vägar för intern kunskaps- ocherfarenhetsöverföring, sprida information om material ocharbetssätt till beställare och producenter av material, fortsätta medcementbaserad avjämning och byta mot klimatneutral cement iframtiden.

Trashandlitter discarded on the street is a large environmental issue in Sweden and across the globe. In Swedish cities alone it is estimated that 1.8 billion articles of trash are thrown to the street each year, constituting around 3 kilotons of waste. One avenue to combat this societal and environmental problem is to use robotics and AI. A robot could learn to detect trash in the wild and collect it in order to clean the environment. A key component of such a robot would be its computer vision system which allows it to detect litter and trash. Such systems are not trivially designed or implemented and have only recently reached high enough performance in order to work in industrial contexts. This master thesis focuses on creating and analysing such an algorithm by gathering data for use in a machine learning model, developing an object detection pipeline and evaluating the performance of that pipeline based on varying its components. Specifically, methods using hyperparameter optimisation, psuedolabeling and the preprocessing methods tiling and illumination normalisation were implemented and analysed. This thesis shows that it is possible to create an object detection algorithm with high performance using currently available state-of-the-art methods. Within the analysed context, hyperparameter optimisation did not significantly improve performance and psuedolabeling could only briefly be analysed but showed promising results. Tiling greatly increased mean average precision (mAP) for the detection of small objects, such as cigarette butts, but decreased the mAP for large objects and illumination normalisation improved mAPforimagesthat were brightly lit. Both preprocessing methods reduced the frames per second that a full detector could run at whilst psuedolabeling and hyperparameter optimisation greatly increased training times. / Skräp som slängs på marken har en stor miljöpåverkan i Sverige och runtom i världen. Enbart i Svenska städer uppskattas det att 1,8 miljarder bitar skräp slängs på gatan varje år, bestående av cirka 3 kiloton avfall. Ett sätt att lösa detta samhälleliga och miljömässiga problem är att använda robotik och AI. En robot skulle kunna lära siga att detektera skräp i utomhusmiljöer och samla in den för att på så sätt rengöra våra städer och vår natur. En nyckelkomponent av en sådan robot skulle vara dess system för datorseende som tillåter den att se och hitta skräp. Sådana system är inte triviala att designa eller implementera och har bara nyligen påvisat tillräckligt hög prestanda för att kunna användas i kommersiella sammanhang. Detta masterexamensarbete fokuserar på att skapa och analysera en sådan algoritm genom att insamla data för att använda i en maskininlärningsmodell, utveckla en objektdetekterings pipeline och utvärdera prestandan när dess komponenter modifieras. Specifikt analyseras metoderna pseudomarkering, hyperparameter optimering samt förprocesseringsmetoderna kakling och ljusintensitetsnormalisering. Examensarbetet visar att det är möjligt att skapa en objektdetekteringsalgoritm med hög prestanda med hjälp av den senaste tekniken på området. Inom det undersökta sammanhanget gav hyperparameter optimering inte någon större förbättring av prestandan och pseudomarkering kunde enbart ytligt analyseras men uppvisade preliminärt lovande resultat. Kakling förbättrade resultatet för detektering av små objekt, som cigarettfimpar, men minskade prestandan för större objekt och ljusintensitetsnormalisering förbättrade prestandan för bilder som var starkt belysta. Båda förprocesseringsmetoderna minskade bildhastigheten som en detektor skulle kunna köra i och psuedomarkering samt hyperparameter optimering ökade träningstiden kraftigt.