Mobile-Menu

Günstiger sortenrein Sensoren und KI sortieren effizient Holz aus Sperrmüll

Quelle: FNR 3 min Lesedauer

Anbieter zum Thema

Fachagentur Nachwachsende Rohstoffe e.V.

Forscher haben künstliche Intelligenz und Sensorik verquickt, um den Rohstoff Holz aus Sperrmüll leichter, gezielter und günstiger herauszuholen ...

Sperrmüll hat leider das Charakteristikum, dass er aus verschiedensten Mülltypen besteht. Wie man hier aber deutlich erkennen kann, ist Holz durchaus reich vorhanden. Damit der Rohstoff nicht weiter von Hand aussortiert werden muss, haben Forscher sich endlich etwas überlegt ...(Bild: Wertstoff Giller)
Sperrmüll hat leider das Charakteristikum, dass er aus verschiedensten Mülltypen besteht. Wie man hier aber deutlich erkennen kann, ist Holz durchaus reich vorhanden. Damit der Rohstoff nicht weiter von Hand aussortiert werden muss, haben Forscher sich endlich etwas überlegt ...
(Bild: Wertstoff Giller)

In den rund zwei Millionen Tonnen Sperrmüll, die in Deutschland jährlich anfallen, stecken wichtige Rohstoffe, die wiederverwendet werden könnten, wenn sie nur wirtschaftlich genug herausgefiltert werden könnten. Was bei Glas und Verpackungen schon gut automatisiert klappt, ist für Holz noch in den Kinderschuhen und wird manuell besorgt. Rund 25 Prozent davon macht Holz aus. Über das Projekt informiert hier übrigens die Fachagentur für Nachwachsende Rohstoffe (FNR). Ein auf vier verschiedenen Sensortypen und künstlicher Intelligenz basierendes Verfahren hat ein Forschungsverbund unter Koordination des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung IOSB im Vorhaben Askivit nun aber entwickelt, womit das zumindest bei Holz klappt. Der Ansatz erreichte bei praxisnahen Messreihen eine Sortiergenauigkeit von über 95 Prozent, wie die Forscher betonen. Das ist ein Erfolg in Sachen Kreislaufwirtschaft!

Diverse Datenerfassungssysteme waren nötig

Im Rahmen des Projekts entwickelte also ein Forscherteam einen Ansatz für eine sensor- und KI-gestützte, automatische Sperrmüllsortierung. Aber weil Sperrmüll aus sehr unterschiedlichen Materialien besteht und Verdeckungen, Verschmutzungen oder Alterungsprozesse die Erkennung erschweren, kombiniert die Idee die Stärken mehrerer Sensortypen und führt ihre Informationen per KI zusammen, wie die Forscher sagen. Zum Einsatz kamen etwa eine RGB-Kamera (RGB = Rot,Grün,Blau), eine Nahinfrarot-Hyperspektralkamera sowie Thermografie- und Terahertz-Sensorik, wobei die beiden letzteren bisher in der industriellen Abfallsortierung kaum genutzt werden, wie die Forscher anmerken.

Getrennt Daten sammeln, gemeinsam entscheiden!

Die Experten erfassten schließlich mit diesen technischen Hilfen reale Sperrmüllproben, die sie als Trainingsmaterial für KI-Systeme klassifizierten. Die so entstandenen umfangreiche Bilddatensätze stellen, wie betont wird, eine in dieser Form einzigartige, multimodale Datenbasis für die Sperrmüllklassifikation dar. Teile davon stehen anderen Forschern jetzt über die Forschungsdatenplattform Fordatis der Fraunhofer-Gesellschaft sowie über einen „Open Access“-Artikel in Nature Scientific Data zur Verfügung. Die besten Ergebnisse erzielte man, als die einzelnen Sensoren zunächst getrennt Daten erfassten und erst am Ende alles zu einer gemeinsamen Entscheidung zusammengeführt wurde („Late Fusion“-Ansatz). Dabei konnte der Terahertz-Sensor mit seiner hohen Sensitivität für metallische Materialien punkten. Die Gesamtsortiergenauigkeit kam auf 95,6 Prozent.

(ID:50893128)

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung