Deep Learning basiertes Sortieren von Aluminiumschrott auf Grundlage von Röntgentransmissionsdaten
Eine gesicherte Verfügbarkeit an Rohstoffen für die Industrie und die zunehmende Verknappung an Rohmaterialien bestärken die Ziele der Kreislaufwirtschaft und rücken den Einsatz von Sekundärrohstoffen stärker in den Fokus. Ein Teil der Kreislaufwirtschaft ist die Recyclingindustrie, durch die es möglich wird, effizient und nachhaltig die enthaltenen Materialien in Altgeräten zur Wiederverwertung aufzubereiten und die Verfügbarkeit von Sekundärrohstoffen zu sichern.
In dieser Arbeit wird ein Deep Learning basiertes Sortiersystem vorgestellt, mit dem es möglich ist, relevante Merkmale für die Sortierentscheidungen von Grund auf aus den erfassten Daten zu erlernen. Wir orientieren uns an einer anwendernahen Fragestellung im Kontextdes Recyclings: Die Sortierung von End-of-Life Aluminiumschrott in eine hochwertige reine Aluminiumfraktion und in eine minderwertige Restfraktion. Wir verwenden Röntgentransmissionsdaten, die von zerkleinerten Haushaltsaltgeräten stammen. Für die Modellevaluierung verwenden wir ein auf die Datenlage zugeschnittenes Verfahren und eine im Recyclingkontext stehende Metrik. Unsere Arbeit zeigt vielversprechende Ergebnisse für die automatische Aluminiumsortierungmittels Deep Learning, wir erreichen einen Fβ von 91,74 % und eine resultierende Präzision von 93,08 %. Neben einer ausreichend starken Modell-Performanz hängt der endgültige Einsatz solcher Deep Learning Ansätze von dem Vertrauen in solche Modelle ab. Wir setzen daher moderne erklärbare KI-Methoden ein, um diese Black-Box-Modelle zu öffnen und Einblicke in die Art und Weise zu geben, wie das Modell seine Vorhersagen über verschiedene Inputdaten hinweg trifft.
| Copyright: | © Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben | |
| Source: | Recy & Depotech 2022 (November 2022) | |
| Pages: | 6 | |
| Price inc. VAT: | € 3,00 | |
| Autor: | Steffen Rüger  J. Goschenhofer A. Nath Dr. Markus Firsching A. Ennen | |
| Send Article | Add to shopping cart
| Comment article |
These articles might be interesting:
Anwendung von FOST zur Annotierung von Metallverbundabfällen
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
In diesem Paper wird ein halbautomatischer Video-Annotation-Ansatz vorgestellt, der den Annotierungsaufwand im Bereich des maschinellen Sehens erheblich reduziert. Das entwickelte Tool, genannt „Fast Object Segmentation and Tracking Tool“ (FOST), wurde speziell für das KIRAMET-Projekt zur Segmentierung und Verfolgung von Metallverbundabfällen entwickelt.
Metal recovery over the product life cycle
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
The voestalpine Group's High Performance Metals Division is globally known for producing high-quality steels using well defined combinations of alloy elements and sophisticated production techniques. What makes these steels special is the set of exceptional properties such as resistance to corrosion and heat, high purity, and extreme durability that makes our products suitable for diverse applications, from aviation to construction of turbine blades and high pressure die casting tools.
Chancen und Risiken bei der Verwertung von Tunnelausbruchmaterial
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
In den letzten Jahren sind in Österreich die umfangreichsten Tunnelbauvorhaben in Arbeit. Tunnelausbruchmaterial (TUA) ist Aushubmaterial zuzuordnen und somit als Abfall zu betrachten.
Das Nachhaltigkeits- und Kreislaufwirtschaftspotential der Zementindustrie
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
Die Zementindustrie ist ein essenzieller Teil der globalen Bauwirtschaft und trägt maßgeblich zur Entwicklung der Infrastruktur bei. Allerdings steht die Branche aufgrund ihrer hohen CO2-Emissionen vor erheblichen Herausforderungen.
Mobilität und Immobilisierung von Schwermetallen in MVA-Rostaschen
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
Die Freisetzung von Schwermetallen stellt ein wesentliches Hindernis für das Recycling von MVA-Rostaschen dar. Während für Stahlwerksschlacken bereits auslaugungskontrollierende Mechanismen identifiziert und thermochemische Konditionierungsverfahren erprobt wurden, gibt es für MVA-Rostaschen noch kaum Ansätze zu einer gezielten Konditionierung. Da im Unterschied zum metallurgischen Prozess keine Homogenisierung im schmelzflüssigen Zustand erfolgt, wird für MVA- Rostaschen der Ansatz einer nachträglichen Zugabe von Additiven erprobt. Dazu wurden zuerst die mineralischen Fraktionen ausgewählter MVAs beprobt und bzgl. Mineralogie und Auslaugbarkeit charakterisiert.
