Künstliche Intelligenz bei Brantner-Projekt “Hawkeye”

Künstliche Intelligenz bei Brantner-Projekt “Hawkeye”

Für eine funktionierende Kreislaufwirtschaft ist das zuverlässige Sortieren von größter Bedeutung. Deshalb hat es sich BRANTNER zur Aufgabe gemacht, die Sortierprozesse von Kunststoffflaschen zu optimieren. Das Projekt „Hawkeye“ von BRANTNER setzt dabei auf modernste Technik und verbindet Komponenten von künstlicher Intelligenz und maschinellem Lernen. So arbeitet BRANTNER an verbesserten Analysen der Stoffströme und geht einen wichtigen Schritt in Richtung Nachhaltigkeit.

Um die Erkennung (Zusammensetzung und Anzahl) und den Sortierprozess von Kunststoffflaschen in der Kunststoff-Recycling Anlage in Wölbling zu optimieren, hat BRANTNER einen Prozess zur Stofferkennung entwickelt, welcher Komponenten einer künstlichen Intelligenz und des maschinellen Lernens (ML) benutzt. Neben diversen anderen maschinellen Erkennungssystemen soll die bestehende Anlage um eine optische Komponente erweitert werden.
Begonnen hat das Projekt mit zwei modernen Smart-Phones und mit einer eigens erstellten APP zur Bilderfassung, welche in der Lernphase über einem sortenreinen Sortierband montiert wurden (blaue PET Flaschen).

Um mit einem “untrainierten” System künstlicher Intelligenz gute und verwertbare Ergebnisse zu erzielen, erfolgen die ersten Lernschritte manuell: Aus vorhandenem Bildmaterial des Stoffstroms werden Objekte als Rechtecke markiert und mit einem Tag versehen. Damit bekommt die KI die Referenz für relevante Objekte bzw. deren Merkmale.

Wesentliche Parameter für die Dauer des Lernprozesses sind die Anzahl und Qualität der Bilder sowie die Detailschärfe, die differenzierte Erfassung und die Auflösung der auf den Bildern enthaltenen Objekte.
Mit einer wesentlich reduzierten Bildauflösung ist mit der Performance eines aktuellen Durchschnitts-PCs ein Lernprozess mit ca. 10 Bilder pro Stunde möglich.
Die Steigerungsrate der Erkennung durch diesen Anlern- bzw. Tagging-Prozess ist signifikant:

 

• mit 30 getaggten Bildern: 40% Erkennungsrate der blauen Flaschen in einem beliebigen Zustand

• mit 100 getaggten Bildern: 91% Erkennungsrate der blauen Flasche in beliebigem Zustand, wie auch hier im Video zu sehen:

In der dritten und letzten Projektphase soll mit dem Aufbau eines Kunststoffflaschen-Identifikations-Datawarehouse begonnen werden.

Dieses Datawarehouse soll unter anderem aus dem Bildmaterial (Rohmaterial), den Metadaten (Tag-Informationen) und auch aus den Ergebnissen des Lernprozesses selbst bestehen und kontinuierlich ausgebaut werden.

Ziel des Projektes „Hawkeye“ ist es, die Sortiertiefe zu erhöhen, noch bessere Analysen der Stoffströme durchführen zu können und Know-how für zukünftige Sortieranlagen zu generieren.

 

Weitere Informationen zu künstlicher Intelligenz und Nachhaltigkeit bei Brantner finden Sie hier