Brandvermeidung in Recyclinganlagen durch sensorgestützte Entfernung von Lithium-Ionen-Akkumulatoren; Teilvorhaben: KI-Algorithmik zur Erkennung der Akkumulatoren

Abstract

In Sortier- und Recyclinganlagen für Elektroaltgeräte und gemischte Abfallströme verursachen fehlentsorgte Lithium-Ionen-Akkumulatoren (LIB) eine stark steigende Zahl an Bränden mit erheblichen Personen-, Sach- und Umweltschäden, während etablierte Detektionsverfahren wie manuelle Sichtkontrolle, Wärmebild oder Metalldetektion LIB nur unzuverlässig erkennen und eine automatisierte, sortenreine Ausschleusung im laufenden Bandbetrieb bislang nicht verfügbar ist. Vor diesem Hintergrund war Ziel des Teilvorhabens der WeSort.AI GmbH im Verbund BREATHE die Entwicklung einer KI-Algorithmik, die LIB in Dual-Energie- Röntgenbildern zuverlässig detektiert, sowie deren Integration in einen funktionsfähigen Demonstrator mit pneumatischer Ausschleusung bei industrienahen Bandgeschwindigkeiten. Hierzu wurden akkuhaltige Abfallströme beschafft, charakterisiert und mittels Dual-Energie-Röntgen aufgenommen, die Bilddatenbasis bereinigt, annotiert und augmentiert sowie mehrere Modellarchitekturen zur Objekterkennung trainiert und vergleichend evaluiert; ergänzend entstand ein Lambert-basiertes Werkzeug zur Erzeugung synthetischer Röntgentrainingsdaten, und die ausgewählten Modelle wurden in einen Technikums- Demonstrator mit pneumatisch unterstützter Ausschleusung integriert und anschließend in einer realen Sortieranlage validiert. Der Demonstrator erreichte im Laborbetrieb bei einer Bandgeschwindigkeit von 3 m/s eine korrekte Aussonderungsquote von über 95 %, die Praxistauglichkeit von Algorithmik und Ausschleusungsmechanik wurde in einer realen Sortieranlage bestätigt. Damit weist das Vorhaben nach, dass sich LIB im laufenden Bandbetrieb sensorgestützt und automatisiert ausschleusen lassen, und schafft die Grundlage für eine industrielle Skalierung. Within the BREATHE joint research project, a sensor-based system for the early detection and automated removal of lithium-ion batteries (LIB) from heterogeneous waste streams was developed in order to substantially reduce the rapidly growing fire hazard in sorting and recycling facilities at its source. The subproject carried out by WeSort.AI GmbH comprised the design, implementation, validation and prototype integration of the AI algorithms for detecting batteries in dual-energy X-ray images, as well as the construction of a functional demonstrator with pneumatically supported ejection. To this end, battery-containing waste streams were procured and characterised, an extensive dual-energy image database was built up, data were cleaned, annotated and augmented, and several model architectures were trained and comparatively evaluated. In addition, a Lambert-based tool for generating synthetic X-ray training data was developed. The demonstrator set up in the pilot facility achieved a correct-ejection success rate of more than 95% in laboratory operation at a belt speed of 3 m/s. Complementary trials in a real sorting plant confirmed the general practical viability. Both internal project milestones were reached on schedule. The project thereby provides a robust basis for subsequent industrial scale-up and market introduction from 2026 onwards, initially via pilot installations and, in the medium term, as an add-on module to the WeSort.AI sorting systems.