Abstract
Forschungs- und Entwicklungsprojekt PROBE soll eine Methode zur Metallgehaltsbestimmung feinkörniger Abfallströme mit Hilfe eines bildauswertenden Verfahrens entwickelt werden. Auf der Basis von RGB-Farbbildern sind Partikel anhand von Farbwerten und Formfaktoren in verschiedene Materialklassen zu klassifizieren und mittels in einer Datenbank hinterlegten Flächengewichten zu massenbezogenen, stofflichen Zusammensetzungen zu aggregieren. Für die Klassifizierung werden zwei verschiedene Machine Learning Ansätze getestet. Das Training der Machine Learning Modelle erfordert gelabelte Trainingsdaten, d.h. einen Datensatz aus Farbbildern der Partikel mit zugehöriger Materialklasse. Dazu werden Referenzmaterialien in mehrere Materialklassen sortiert und partikelweise erfasst (RGB-Farbbild inkl. Partikelgewicht). Erste Untersuchungen zeigen einen starken subjektiven Einfluss des Sortierenden auf das Ergebnis der Handsortierung. Durch ein mehrstufiges Sortierverfahren mit eingebauter Qualitätskontrolle sowie angepasstem Sortierkatalog kann der subjektive Einfluss bei Handsortierungen reduziert und die Erstellung von Trainingsdatensätzen in hoher Qualität ermöglicht werden.