ASKIVIT - Altholzgewinnung aus Sperrmüll durch künstliche Intelligenz und Bildverarbeitung im VIS-, IR- und Terahertz-Bereich

Abstract

In Deutschland fallen jährlich 2 Millionen Tonnen Sperrmüll an, von denen etwa die Hälfte aus Holz besteht. Davon wird nur etwa die Hälfte stofflich verwertet, während der Rest verbrannt wird. Ein Grund dafür ist, dass die Sortierung von Sperrmüll häufig noch händisch erfolgt, was kostenintensiv und ineffizient ist. Das Projekt ASKIVIT hatte daher das Ziel, die Sortierung von Sperrmüll zu automatisieren. Der Ansatz bestand darin, den menschlichen Sortierprozess durch ein System mit Farbkameras und einem Deep-Learning-Algorithmus nachzustellen. Unterstützend wurden weitere Sensorsysteme wie NIR-Spektroskopie, Thermographie und THz-Messtechnik eingesetzt. Diese Sensortechnologien wurden an einem Förderband installiert und zueinander registriert. Verschiedene Probensortimente aus künstlichem sowie realem Sperrmüll wurden auf diese Weise gemeinsam charakterisiert. Die Messergebnisse wurden sowohl übereinandergelegt und gemeinsam ausgewertet (early fusion) als auch jeweils für sich (late fusion). Die Ergebnisse zeigen, dass die unterschiedlichen Sensortechnologien verschiedene Daten liefern, die ergänzend ausgewertet werden können, um die Sortiergenauigkeit zu verbessern. Bei den genannten Sortimentsarten werden Sortiergenauigkeiten im Bereich von 95,6% erreicht, wobei die erzielte Genauigkeit von der Wahl des neuronalen Netzes abhängt. Hiervon hängt auch ab, in welchem Maße die einzelnen Sensortechnologien jeweils zum Gesamtergebnis beitragen. Der nächste Schritt könnte die Integration der einzelnen Sensorsysteme in eine reale Sortieranlage sein, wo die automatischen Sortierentscheidungen mit den menschlichen verglichen werden, um das System weiter zu optimieren und das neuronale Netz weiter zu trainieren.