Projektupdates

April 2022

Schüttgutdatensätze stehen nun online zum Download bereit

Große Teile der ihm Rahmen des Projekts mit einer Flächenkamera aufgenommenen Datensätze sind nun frei zugänglich im Internet verfügbar. Auf Zenodo.org  stehen nun sowohl Bilddaten verschiedener Materialien (Kugeln, Zylindern, Quader, Pfefferkörner, Weizen, teilweise sowohl auf Band- und Rutschensortierer aufgenommen) als auch bereits zu vollständigen Tracks assoziierte Messdaten im .csv-Format zum Download bereit.

---------------------------------------------------------------------------------------------------

September 2021

Partikelindividuelle Prädiktionsmodelle mit Mixture of Experts aus Kalman Filtern und neuronalen Netzen

Insbesondere der Umgang mit sich dynamisch ändernden Partikelströmen, wie wechselnden Materialien, Zusammensetzungen und Massenströmen stellt eine Herausforderung in der sensor-basierten Schüttgutsortierung dar. Um auch unter diesen Bedingungen eine robuste, wie auch hochgenaue Sortierung bei gleichzeitiger Entlastung des Anwenders zu ermöglichen, haben wir im Artikel "Mixture of Experts of Neural Networks and Kalman Filters for Optical Belt Sorting" (DOI 10.1109/TII.2021.3114282) in der Zeitschrift IEEE Transactions on Industrial Informatics ein neues Verfahren basierend auf der Modellkombination verschiedener Algorithmen zur Bestimmung des Ausdüsezeitpunktes und der Düsenauswahl vorgestellt. Mixture of Experts ist hierbei ein Modellkombinationsverfahren aus dem Machine Learning, welches automatisch ein oder mehrere für die aktuelle Situation geeignete Modelle, sogenannte Experten, aus einer Bank von vordefinierten Experten auswählt und deren Prädiktionen kombiniert. Im vorgestellten Ansatz werden hierfür hochgenaue, für spezifische Materialien gelernten neuronale Netze mit robusten Ansätzen, wie physikalischen Bewegungsmodellen kombiniert. Die Ergebnisse zeigen sowohl verbesserte Genauigkeiten in bereits bekannten Situationen als auch eine erhöhte Robustheit gegenüber neuen Partikeltypen. Der Ansatz ist so in der Lage, individuell für jedes Partikel die geeignetsten Experten zu identifizieren und kombiniert gewinnbringend den Vorteil daten- und modellbasierter Prädiktionsverfahren. Insbesondere entlastet der Ansatz den Betreiber der Sortieranlage, da nach Definition möglicher Experten für jedes Schüttgut schnell und automatisch – ohne weiteres Zutun des Anwenders – eine Auswahl erfolgt.

---------------------------------------------------------------------------------------------------

September 2020

IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems - MFI 2020

---------------------------------------------------------------------------------------------------

14.-16. September 2020

„Machine Learning basiertes Multiobject-Tracking zur Schüttgutsortierung"

Zur Entwicklung eines Ansatzes, welcher sich selbstständig auf das teils sehr unterschiedliche Bewegungsverhalten verschiedener Materialien anpassen kann, haben wir in einem Beitrag zur IEEE-MFI 2020 einen lernfähigen Algorithmus zum Multiobject-Tracking vorgestellt. Basierend auf rekurrenten neuronalen Netzen (RNNs) kann hiermit das Bewegungsverhalten der zu sortierenden Partikel auf Grundlage eines Lerndatensatzes eingelernt werden. Ein manuelles Modellieren des Bewegungsverhaltens der Partikel entfällt somit. Als Besonderheit im Bereich der RNNs ermöglicht der Ansatz zudem die Vorhersage von Unsicherheiten für die getrackten Partikelpositionen. Es konnte gezeigt werden, dass das Multiobject-Tracking im Vergleich zum Einsatz von RNNs ohne Unsicherheitsschätzung verbessert werden kann und auf demselben Niveau wie bei modellbasierten Verfahren liegt. 
mehr Info zum Beitrag

------------------------------------------------------------------------------------------------

Berlin / April 2019

Innovationstag Mittelstand des BMWi

Rückblick: Das „Zukunftsfestival“ in Berlin demonstrierte erneut den Ideenreichtum kleiner und mittlerer Unternehmen und veranschaulichte die Wirksamkeit der technologieoffenen Innovationsförderung des Bundesministeriums für Wirtschaft und Energie (BMWi).

---------------------------------------------------------------------------------------------------

Berlin / 9. Mai 2019

GVT - Projekt des Jahres 2019

„Verbesserung optischer Schüttgutsortierung durch simulationsgestützte Entwicklung von Trackingverfahren"

IGF 18798 N
Dieses Projekt stellen wir auf dem Innovationstag vor. Drei Projektpartner sind beteiligt: Ruhr-Universität Bochum, Institut für Energietechnik, Lehrstuhl für Energieanlagen und Energieprozesstechnik, das Karlsruher Institut für Technologie (KIT), Institut für Anthropomatik und Robotik, Lehrstuhl für Intelligente Sensor-Aktor-Systeme und das Fraunhofer Institut für Optronik, Systemtechnik und Bildauswertung (IOSB).

---------------------------------------------------------------------------------------------------

Mai 2018

Schlussbericht für das Projekt "Inside Schüttgut"

Ende Februar 2018 wurde das Forschungsprojekt Inside Schüttgut erfolgreich abgeschlossen. Neben der Beschreibung einzelner Highlights hier auf der Homepage entstand nun ein Schlussbericht, in welchem sich viele Informationen über die im Rahmen des Projekts geleisteten Arbeiten und die erzielten Ergebnisse wiederfinden. Die derzeitige Fassung des Schlussberichts kann hier heruntergeladen werden. 

---------------------------------------------------------------------------------------------------

März 2018

Vortrag auf der Sensor-Based Sorting & Control 2018

Unser Projekt war auf der SBSC 2018 in Aachen mit einem Vortrag vertreten. Hierbei wurden diverse Highlights des Projekts vorgestellt und in einem Artikel übersichtlich zusammengefasst.
Der Artikel kann hier eingesehen werden.

---------------------------------------------------------------------------------------------------

November 2017

Echtzeitfähiges Multiobject-Tracking für die optische Schüttgutsortierung

Für die gleichzeitige Verfolgung der Trajektorie von tausenden Objekten werden effiziente Lösungen zum Tracking benötigt. In dem Artikel Real-time multitarget tracking for sensor-based sorting: A new implementation of the auction algorithm for graphics processing units (DOI 10.1007/s11554-017-0735-y) im Journal of Real-Time Image Processing stellen wir einen neuen Ansatz zur schnellen Lösung des Assoziationsproblems, dem potentiellen Bottleneck bzgl. der Laufzeit, vor. Der geschickte Einsatz einer geeigneten Datenstruktur ermöglicht es uns, das Problem unter Verwendung des Auction Algorithmus besonders effizient auf einer GPU zu lösen. Der Artikel wurde Open Access veröffentlicht und ist somit für jeden zugänglich.

---------------------------------------------------------------------------------------------------

November 2017

Verwendung von Orientierungsschätzungen beim Multiobject-Tracking

Bei dem aktuellen Stand der Technik sind die einzelnen Schüttgutteilchen im Allgemeinen nicht visuell direkt voneinander zu unterscheiden. Das Tracking, das wir in diesem Projekt nutzen, erlaubt es jedoch, durch Modelle, Annahmen und Algorithmen aus den Messungen abzuleiten, von welchem Teilchen diese stammen. Hierbei gibt es jedoch eine Fehlerrate. Diese Fehlerrate kann reduziert werden, indem man ein weiteres Merkmal hinzunimmt, das mittels derzeitigen Bildverarbeitungsalgorithmen bereits extrahiert werden kann. Bei der International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI) 2017 in Daegu, Südkorea, haben wir einen Beitrag vorgestellt, der zeigt, dass durch die Hinzunahme die Orientierung der Teilchen die Fehlerrate reduziert werden kann. Diese Fehlerrate zu reduzieren, resuliert in Realsystemen in eine Erhöhung der Sortiergüte.

---------------------------------------------------------------------------------------------------

September 2017

Vortrag auf der PARTICLES 2017

Die numerische Approximation des Ausblasprozesses ist durch eine DEM-CFD Kopplung erfolgt. Damit existiert nun erstmals ein komplett numerisches Modell des Sortierers. Erste Ergebnisse und wichtige Abgleiche zwischen Simulationen und Experimenten wurden auf der PARTICLES 2017 in Hannover vorgestellt. Der Konferenzband ist online auf der Website verfügbar! 

---------------------------------------------------------------------------------------------------

März 2017

Vortrag auf der OCM 2017

Im Rahmen des Inside Schüttgut Projekts werden u. a. Multiobject Tracking Verfahren für die optische Sortierung von Schüttgütern umgesetzt. Neben einer Erhöhung der Präzision bei der Trennung des Materials können durch die Verfolgung der Trajektorien einzelner im Materialstrom enthaltener Objekte Informationen über deren Bewegungsverhalten abgeleitet werden. Auf der International Conference on Optical Characterization of Materials (OCM-2017) haben wir erste Ergebnisse zu dieser Thematik vorgestellt (Improving material characterization in sensor-based sorting by utilizing motion information). Besonders erfreulich: unser Beitrag wurde mit dem Best Paper Award ausgezeichnet!

Update Oktober 2017: Eine erweiterte Fassung des Beitrags ist nun online in der Zeitschrift tm technisches messen erschienen!

---------------------------------------------------------------------------------------------------

Februar 2017

Inside Schüttgut auf der MFI in Baden-Baden

Unser Projekt war mit zwei Beiträgen sowie einem Messestand auf der International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI) 2016 in Baden-Baden vertreten.

Bei der Verwendung von Multitarget Tracking Systemen mit harten Assoziationsentscheidungen für jeden Zeitschritt stellt das Lösen des resultierenden Assoziationsproblems unter festen Echtzeitbedingungen eine große Herausforderung dar. Im Rahmen Konferenz haben wir ein System vorgestellt, welches, je nach geschätzter Schwere des Problems, dynamisch eine Lösungsstrategie aus einem Pool von zur Verfügung stehenden Strategien auswählt (Fast Multitarget Tracking via Strategy Switching for Sensor-Based Sorting, DOI 10.1109/MFI.2016.7849538). Somit kann im Falle von hohen Lastsituationen auf potentiell qualitativ schlechtere Ergebnisse, welche jedoch schneller berechnet werden können, zurückgegriffen werden.

Eine Kernfrage des Forschungsprojekts lautet, in welchem Ausmaß sich der Fehler der physikalischen Trennung bei optischen Schüttgutsortierern durch den Einsatz von Multitarget Tracking Verfahren verringern lässt. Erste Untersuchungen hierzu auf Basis von Simulationsdaten haben wir ebenfalls im Rahmen der Konferenzvorgestellt
(Simulation-Based Evaluation of Predictive Tracking for Sorting Bulk Materials, DOI 10.1109/MFI.2016.7849539).

Dezember 2016

Numerische Simulation von optischen Schüttgutsortiersystemen:
DEM & CFD

Einen tiefen Einblick in die Discrete Element Method (DEM) Simulation sowie die Kopplung mit Computational Fluid Dynamics (CFD) bietet unser neuer Artikel (Numerical modeling of an automated optical belt sorter using the Discrete Element Method, DOI 10.1016/j.powtec.2016.07.018) in dem Elsevier Journal Powder Technology. Zudem präsentieren wir erste Experimente zum Abgleich zwischen Experimenten an optischen Sortiersystemen und der Simulation (Numerical Investigation of Optical Sorting Using the Discrete Element Method, DOI 10.1007/978-981-10-1926-5_115). Mit entsprechenden Ergebnissen waren wir ebenfalls auf der 7th International Conference on Discrete Element Methods vertreten, welche bei der Dalian University of Technology, China, stattfand.

---------------------------------------------------------------------------------------------------

Februar 2016

Prädiktives Tracking auf Basis von Simulations- und Experimentaldaten

Prädiktives Multiobject-Tracking für die optische Schüttgutsortierung: Im Rahmen des Projekts werden Verfahren sowohl auf Basis von experimentell gewonnen Daten, als auch mit Hilfe von Daten, wie sie aus einer DEM Simulation gewonnen werden, evaluiert. Dieses Konzept sowie erste Ergebnisse wurden nun in der Fachzeitschrift tm – Technisches Messen veröffentlicht (Improving Optical Sorting of Bulk Materials using Sophisticated Motion Models, DOI 10.1515/teme-2015-0108).

---------------------------------------------------------------------------------------------------

Oktober 2015

Prädiktives Tracking für die optische Schüttgutsortierung

Zum Start des InsideSchüttgut-Projekts haben wir das Konzept von prädiktivem Tracking in der optischen Schüttgutsortierung im Rahmen der International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI) 2015 in San Diago vorgestellt (TrackSort: Predictive Tracking for Sorting Uncooperative Bulk Materials, DOI 10.1109/MFI.2015.7295737)