Sensorgestützte Charakterisierung von Bauschutt bei hohen Belegungsdichten mittels Deep Learning
Der Bausektor gehört zu den ressourcenintensivsten Wirtschaftssektoren. Der Bestand an Gebäuden und Infrastrukturen ist mit rund 28 Milliarden Tonnen (Stand 2010) inzwischen ein bedeutendes, menschengemachtes Rohstofflager, das nach Nutzungsende wieder dem Recycling zugeführt werden kann (Umweltbundesamt 2021). Bauabfälle fallen dann als Bauschutt, Straßenaufbruch, Boden und Steine sowie als Baustellenabfälle an.
Die zuverlässige Charakterisierung von Bauschutt bildet die Grundlage zur sensorgestützten Stoffstromüberwachung und Schüttgutsortierung. Ausgehend von Farbaufnahmen von Ziegel- und Kalksandsteinpartikeln werden verschiedene Deep Learning Architekturen zur Objektdetektion (Faster R-CNN, YOLOv3, SSD) hinsichtlich der Eignung für den spezifischen Einsatz in der Bauschuttcharakterisierung untersucht. Im Fokus der Untersuchungen steht die Detektionsleistung bei zunehmender Partikelüberlappung aufgrund verschiedener Belegungsdichten. Für das Training werden synthetisch erzeugte Bilder generiert, um aufwendiges Annotieren zu vermeiden. Der anschließende Transfer und Test auf realen Aufnahmen zeigen die generelle Eignung der Verfahren sowie die Vor- und Nachteile der jeweiligen Architekturen.
| Copyright: | © Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben | |
| Source: | Recy & Depotech 2022 (November 2022) | |
| Pages: | 6 | |
| Price inc. VAT: | € 3,00 | |
| Autor: | Felix Kronenwett  G. Maier Robin Gruna Dr. Volker Thome Prof. Dr.-Ing. Thomas Längle | |
| Send Article | Add to shopping cart
| Comment article |
These articles might be interesting:
Nebenprodukteigenschaft von Ausbauasphalt
© Lexxion Verlagsgesellschaft mbH (4/2025)
Die Einstufung von Ausbauasphalt als Abfall oder Nebenprodukt hat erhebliche praktische und rechtliche Konsequenzen für die Bauwirtschaft und die Kreislaufwirtschaft im Straßenbau. Während eine Einstufung als Abfall umfangreiche rechtliche Anforderungen an die Entsorgung und Verwertung nach sich zieht, ermöglicht die Einordnung als Nebenprodukt eine unmittelbare Wiederverwendung ohne abfallrechtliche Restriktionen.
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.
Zementhaltige Suspensionen: Recyclen statt deponieren – aber wie?
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
Bei vielen geotechnischen Verfahren werden Zementsuspensionen eingesetzt, die auch systembedingt als Abfall anfallen. Diese werden üblicherweise deponiert, wenn eine direkte Verwendung als Nebenprodukt wie zum Beispiel als Verfüllmaterial nicht möglich ist.
Recycling von metallurgischem Staub unter Anwendung von biologischer Laugung und Bioelektrochemische Metallrückgewinnung
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
Während der Stahlproduktion fallen große Mengen an Stahlwerksstäuben an, die wertvolle Metalle wie Zink (Zn) und Eisen (Fe) enthalten und ein erhebliches Recyclingpotenzial bieten. Innerhalb der EU sind 2019 etwa 52 Millionen Tonnen Stahlnebenprodukte angefallen, der größte Teil davon als Schlacke (Rieger et al., 2021).
Value Chain Optimization for Metal Recycling Processes through Probabilistic Modeling
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
Optimizing the value chain in metal recycling processes presents significant challenges due to the complex nature of defining processes and the limited availability of sensor technologies capable of continuous monitoring (Golev & Corder 2016). Metal recycling remains at the forefront of industries advancing through expert knowledge and process simulation (Reuter et al. 2013).
