Kaskadierte Anwendung von Foundation Models als Verfahren zur Beschreibung von Leichtverpackungsstoffströmen im Recycling
Bildbasierte Sortierung von Wertstoffen liefert einen essenziellen Beitrag zur längeren Nutzung von Sekundärrohstoffen in der Kreislaufwirtschaft. Dazu werden aktuell neue Hochdurchsatzverfahren zur bildbasierten Abfallsortierung unter Nutzung von trainierbaren KIMethoden erforscht und etabliert.
Um geeignete KI-Modelle zur Materialunterscheidung zu erstellen, ist eine ausreichend große und kuratierte Lerndatenmenge notwendig. In diesem Beitrag wird daher der Einsatz von Foundation Models hinsichtlich einer potenziell zeitlich effizienteren Gestaltung des Datenannotationsprozesses zur Erstellung einer Lerndatenmenge vorgestellt und bewertet. Annotierte Daten werden benötigt, um überwachte Lernverfahren aus dem Bereich der KI trainieren und einsetzten zu können. Zwei verschiedene Aufgaben werden betrachtet: die Lokalisierung und die Beschreibung (Klassifikation) von Objekten. Für diese Untersuchung wurden RGB-Bilder verwendet, die mit einer Zeilenkamera über den Fließbändern einer Wertstoffaufbereitungsanlage für Leichtverpackungsstoffströme aufgenommen wurden. In den Bildern werden zunächst die einzelnen Objekte mittels adaptiertem SAM (Segment Anything Model) als Segmente detektiert und extrahiert und anschließend durch ein adaptiertes DINOv2 Foundation Model nach „transparent“ und „nicht- ransparent“ klassifiziert. Die „nicht-transparenten“ Objekte werden mit Schwellenwerten verschiedenen Farben zugeordnet. Basierend auf dieser automatisch annotierten Datengrundlage können im Nachgang KI-Modelle trainiert werden, um zukünftig die Sortiertiefe bei Wertstoffen zu erhöhen. Für die Lokalisierung wurde ein F1-Score von 0,77 und bei der Unterscheidung „transparenter“ Objekte eine Genauigkeit von 93,27% erzielt.
| Copyright: | © Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben | |
| Quelle: | Recy & Depotech 2024 (Dezember 2024) | |
| Seiten: | 6 | |
| Preis inkl. MwSt.: | € 3,00 | |
| Autor: | Moritz Ottenweller  Michael Kalb Steffen Rüger | |
| Artikel weiterleiten | In den Warenkorb legen
| Artikel kommentieren |
Diese Fachartikel könnten Sie auch interessieren:
circPLAST-mr - Das österreichische Leitprojekt zum mechanischen Recycling von Kunststoffen
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
Es wird ein Überblick über das Leitprojekt circPLAST-mr, das österreichische Leitprojekt zum mechanischen Recycling von Kunststoffen, gegeben, in dem alle relevanten Prozessschritte untersucht werden. Hervorzuheben sind die prozessschrittübergreifenden Arbeitspakete, in denen die Digitalisierung entlang der Prozesskette sowie die LCA-orientierte Prozessgestaltung untersucht werden.
Comparative Analysis of Transfer and Continual Learning for Vision-Based Particle Classification in Plastics Sorting for Recycling
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
In this study, we evaluate the effectiveness of transfer and continual learning techniques for vision-based trash particle detection and classification in plastics recycling. This task poses unique challenges for vision-based methods due to the great variety of particles in recycling material flows, their variability over time, and the lack of real recycling industrial datasets available for research.
Berücksichtigung von Eigenschaftsprofilen bei der Aufbereitung von Leichtverpackungen aus Polypropylen
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
Die breite Anwendung von mechanisch recycelten Kunststoffen wird unter anderem durch den Verlust der ursprünglichen Eigenschaften während der Lebensphase und des Recyclingprozesses limitiert. Daraus resultiert ein geringes Substitutionspotential des Rezyklats gegenüber Neuware, welches wiederum die ökonomische und ökologische Attraktivität von Rezyklaten reduziert.
Metallrecycling bei EoL-LED-Stableuchten mithilfe von chlorhaltigen Abfällen
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (12/2024)
Durch die thermochemische Verwertung von chlorhaltigen Kunststoffabfällen wird nicht nur eine Schadstoffentfrachtung, sondern auch die zusätzliche Rückgewinnung von kritischen Metallen ermöglicht.
Influence of pre-screening before ballistic separation on NIR-sorting quality of plastic rich 3D-fractions out of MCW
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (11/2020)
The exploitation of plastics gains more importance over time. In this con-text, material recycling is especially focused on packaging plastics. A further waste stream that contains a significant amount of plastics is mixed commercial solid waste. To assess the potential of plastics for recycling and energy recovery from these waste stream large-scale experiments were conducted. The potential of mechanical pre-processing with the aim of generating a 3D-plastics pre-concentrate was assessed. The focus of these investigations was put on the relevance of the screening stage and its influence on down-stream material processing via ballistic separation and sensor-based sorting. Results demonstrate not only that the screening of the waste leads to enrichment of plastics in coarse particle size ranges (especially > 80 mm) and transfer of contaminants, organics and minerals to fine fractions (especially < 10 mm), but also that sensor-based sorting performance can be significantly enhanced due to cleaning effects on plastics, induced by the material circulation and friction in a drum screen.
