Energie, Versorgung & Entsorgung

Recycling mit Computer Vision: Wertstoffe erkennen, Fehlwürfe senken

Kameras über dem Förderband liefern heute Bilder genug, um Kunststoffe, Papier oder Metalle automatisch zu unterscheiden. Für Betriebs- und Anlagenverantwortliche aus Sortier- und Recyclingbetrieben erklärt dieses KI-Tagesseminar, wie Bildmodelle Materialien erkennen, wie Trainingsdaten entstehen und woran sich ihre Güte ablesen lässt. Zwei Übungen führen vom Bestimmen von Materialien auf Bandaufnahmen zur eigenen Qualitätskennzahl. Anschließend lässt sich abschätzen, was bildgestützte Sortierung in Ihrer Anlage an Reinheit und Ausbeute bringen kann und welche Schritte bis zur Einführung anstehen.

Für wen

Verantwortliche für Betrieb und Anlagentechnik in Sortier- und Recyclinganlagen, die Materialien per Bildanalyse erkennen lassen wollen.

KI-Tagesseminar · 1 Tag

Wie Bildmodelle Stoffströme unterscheiden und Reinheit wie Ausbeute der Fraktionen heben

Das nehmen Sie mit

  • Einschätzen, für welche Sortierstufen und Abfallarten Vision-KI taugt und mit welcher Genauigkeit zu rechnen ist.
  • Klassifikation und Objekterkennung unterscheiden und beurteilen, welche Bilddaten und Annotation ein Modell braucht.
  • Eine Qualitätskennzahl für eine Fraktion festlegen, mit der sich Fehlwürfe und Ausbeute verfolgen lassen.
  • Ein Fahrplan, der Anbindung an die Sortiertechnik, Wartung und die Einbindung der Mannschaft berücksichtigt.

Ablauf

  1. Teil 1

    Modul 1 – Einstieg: Wie Bild-KI Wertstoffe auf dem Band unterscheidet

    • Vom Kamerabild zur Materialklasse: wie Vision-KI Kunststoffarten, Papier, Metall oder Glas zuordnet
    • Einsatzfelder in der Sortierung, von Leichtverpackungen über Altpapier bis zu Gewerbeabfällen
    • Erreichbare Genauigkeit und Schwachpunkte, etwa bei verschmutzten oder überlappenden Objekten
    • Live-Demo: Objekte auf einem laufenden Förderband werden erfasst und ihrer Materialklasse zugeordnet
    • Standort Ihrer Anlage: in welchen Sortierstufen heute Fehlwürfe entstehen und warum
  2. Teil 2

    Modul 2 – Modelle: Klassifikation, Objekterkennung und Trainingsdaten

    • Klassifikation (welches Material zeigt das Bild) und Objekterkennung (wo liegt welches Teil) im Vergleich
    • Datensätze aus dem eigenen Stoffstrom aufbauen, mit wechselnder Zusammensetzung und Beleuchtung
    • Annotation: Objekte markieren, Materialklassen festlegen und einheitlich beschriften
    • Übung: Sie bestimmen Materialien auf Bandaufnahmen und vergleichen Ihre Zuordnungen in der Gruppe
    • Modellgüte einordnen: Trefferquote und Verwechslungen zwischen ähnlichen Materialklassen lesen
  3. Teil 3

    Modul 3 – Anlagenbetrieb: Erkennung im Takt, Reinheit und Ausbeute

    • Inline-Erkennung bei hoher Bandgeschwindigkeit: Bildrate, Rechenzeit und rechtzeitiges Ausschleusen
    • Fehlwürfe und Reinheit der Fraktionen: wie Qualitätsmängel entstehen und sich nachweisen lassen
    • Kennzahlen für Sortierqualität und Ausbeute festlegen und im laufenden Betrieb erfassen
    • Übung: Sie legen für eine Fraktion Ihrer Anlage eine Qualitätskennzahl samt Messweise fest
    • Ansatzpunkte, um mit genauerer Erkennung mehr verwertbares Material aus dem Stoffstrom zu holen
  4. Teil 4

    Modul 4 – Einführung: Sortiertechnik anbinden, Betrieb sichern, Mannschaft gewinnen

    • Anbindung der Bilderkennung an bestehende Sortiertechnik, etwa Ausblasdüsen oder Sortierroboter
    • Laufender Betrieb und Wartung: Kameras sauber halten, Modelle bei neuer Materialzusammensetzung nachtrainieren
    • Fallstudie: Eine Recyclinganlage stellt ihre Sortierung auf Vision-KI um
    • Schichtpersonal und Instandhaltung früh beteiligen und Vorbehalte gegenüber der Technik aufgreifen
    • Ihr Fahrplan mit den nächsten Schritten zur bildgestützten Sortierung

VoraussetzungenFreude an technischen Zusammenhängen wird erwartet; wer die Abläufe in Sortier- und Recyclinganlagen kennt, kann die Beispiele leichter übertragen.

AbschlussTeilnahmezertifikat und digitales Badge

Thema anfragen