KI – die Zukunft der Sortierung von Schüttgütern

Kurzbeschreibung des Projekts

In unserer innovativen Forschung zur optischen Sortierung trifft fortschrittliche Technologie auf praktische Anwendung. Unsere Forschung und Entwicklung fokussiert sich auf die Optimierung von Sortiersystemen durch den Einsatz von Künstlicher Intelligenz (KI). Dazu nutzen wir aktuellste KI-Methoden, wie Convolutional Neural Networks (CNNs) und Transformer, welche herkömmliche Bildverarbeitungsalgorithmen übertreffen. Diese KI-Methoden zeigen ein bemerkenswertes Potenzial, insbesondere bei Materialien mit komplexen visuellen Eigenschaften und hohen Belegungsdichten. Sie schließen die Lücke für Materialien, die mit dem geschulten Auge unterscheidbar sind, aber keine einfache Unterscheidung anhand der Farbe oder Form zulassen. Dabei arbeiten sie wesentlich schneller und teilweise sogar genauer als ein händischer Sortierer.

Projektziele

Traditionell basierten sensorbasierte Sortiertechniken auf Farb- und Formanalysen oder einfachen statistischen Modellen.  KI-Methoden revolutionieren dieses Feld und bieten signifikante Verbesserungen in der Objektklassifizierung und -erkennung. Studien zur  KI-basierten Bildauswertung zeigen bereits seit einigen Jahren das Potenzial für die sensorgestützte Sortierung, doch es fehlt an der praktischen Umsetzung. Unsere Forschung & Entwicklung geht neue Wege durch die Integration aktuellster KI-Methoden in praxistaugliche Sortieranlagen. Die KI lokalisiert und klassifiziert Objekte in den Kamerabildern. Anschließend werden kurz nach der Sichtlinie der Kamera pneumatische Ventile gezielt angesteuert, um ungewünschte Objekte aus dem Materialstrom auszusortieren. Durch eine effiziente Implementierung und Hochleistungs-Grafikkarten ist das Sortiersystem auf Echtzeitbetrieb ausgelegt – ganz ohne Cloud-Computing. Selbst bei hohem Materialdurchsatz und Bandgeschwindigkeiten von über 3 m/s wird eine Reaktionszeit von unter 30 ms erreicht.

Anwendungsfelder und Evaluation

Die Effektivität unseres Ansatzes wurde bereits anhand zweier anspruchsvoller Sortieraufgaben demonstriert: der Sortierung von Mineralien mit hohem Staubgehalt und der Erkennung von Fremdkörpern in Lebensmitteln. Diese Anwendungen zeigen die Vielseitigkeit und Robustheit unseres KI-basierten Sortiersystems. Die Technologie kann nicht nur für Anwendungen wie der Qualitätssicherung von Lebensmitteln eingesetzt werden, sondern auch für die Materialaufbereitung im Abfallrecycling oder der Mineralveredelung. Wir laden Sie ein, unsere umfassende Studie zu erkunden, welche die Echtzeitfähigkeit von aktuellsten KI-Methoden in der sensorbasierten Sortierung evaluiert und die Sortierqualität in praktischen Anwendungen bewertet. Entdecken Sie, wie unsere Arbeit die Lücke zwischen theoretischer Forschung und praktischer Umsetzung schließt und einen neuen Standard in der optischen Sortiertechnologie setzt. Lesen Sie dazu unsere Veröffentlichung, den Download finden Sie unten links auf der Website.

Aufbau des KI-gestützten Sortiersystems

Sortiersystem zum Sortieren von Bauschutt mit den Komponenten: (1) Vibrationszuführung (2) Förderband (3) Kamerabox (4) Kameralinie (5) Beleuchtung (6) pneumatische Ventile.

Vorhersage der KI für Fremdkörper in Tee

Das CNN trifft eine Vorhersage der Materialien. Trotz ähnlicher Farbverteilungen können die Fremdkörper zuverlässig von dem Tee unterschieden werden.

KI-gestützte Sortierung im Recycling

Im Bereich Recycling wird die KI-gestützte Sortierung zur Materialaufbereitung eingesetzt. In dem vorliegenden Bild werden Beton, Poren-Beton und Ziegelsteine getrennt.

Vorhersage der KI für Bauschuttaufnahmen

In Bauschuttaufnahmen erschwert eine hohe Staubdichte die korrekte Funktionsweise konventioneller Algorithmen. Das CNN klassifiziert zuverlässig die Vordergrundobjekte und separiert sie von dem Bildhintergrund.

KI-gestützte Sortierung in der Lebensmittelindustrie

In der Lebensmittelqualitätssicherung werden Fremdkörper von dem Gutmaterial getrennt, um dessen Reinheit zu steigern, wie hier in der Teesortierung. Dies gelingt mithilfe der Kombination von Farbkamera, KI zur Datenauswertung und Druckluftdüsen zur Ausschleusung der Fremdkörper.

Vorhersage der KI für Holzwerkstoffe

Für hochwertige Holzwerkstoffe aus Altholz ist die Faserlänge entscheidend und hängt stark von der ursprünglichen Holz- bzw. Holzwerkstoffart ab. Daher wird zwischen verschiedenen Holzwerkstoffen und Vollholz sortiert. Die KI erkennt anhand von Oberflächen- und Strukturmerkmalen, um welchen Holzwerkstoff es sich handelt.