Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

THz imaging for recycling of black plastics

THz-Bildgebung für das Recycling schwarzer Kunststoffe
 
: Küter, A.; Reible, S.; Geibig, T.; Nüßler, D.; Pohl, N.

:

Technisches Messen : TM 85 (2018), No.3, pp.191-201
ISSN: 0340-837X
ISSN: 0171-8096 (Print)
ISSN: 2196-7113 (Online)
English, German
Journal Article
Fraunhofer FHR ()

Abstract
This paper presents the development of a novel line-camera device in the lower THz-domain which is capable of measuring minute differences in broadband spectral fingerprints of non-conducting materials. The primary focus is sorting black plastics in industrial recycling contexts, where large scale sorting of different types of black plastics remains a challenge. The system operates between 84 GHz and 96 GHz. As the relevant plastics exhibit no specific absorption lines in this frequency range, a broadband approach is necessary to accumulate slight differences in dielectric properties. Using this technique, enough entropy can be gathered that a machine learning algorithm can be trained to differentiate between different materials. This has to work even in the presence of contaminants such as flame retardants, color pigments and dirt. Preliminary results suggest that the THz sensor system is capable of achieving these goals.

 

In diesem Paper wird die Entwicklung einer neuartigen Zeilenkamera für den niedrigen Terahertz-Bereich vorgestellt, mit der es möglich ist, minimale Unterschiede in breitbandigen Spektralsignaturen nichtleitender Stoffe zu messen. Der primäre Fokus liegt in der Anwendung in industrialisierten Recyclingprozessen für schwarze Kunststoffe, in denen das großskalige sortenreine Trennen verschiedener Kunststoffgruppen eine Herausforderung darstellt. Das System arbeitet im Frequenzbereich zwischen 84 GHz und 96 GHz. Da industriell relevante Kunststoffsorten in diesem Spektralbereich keine signifikanten Absorptionslinien aufweisen, müssen über breitbandige Ansätze kleinste Unterschiede in den dielektrischen Eigenschaften der Materialien zusammengeführt werden. Über das komplette betrachtete Band kannn so hinreichende Entropie für das Anlernen eines Machine-Learning-Klassifikators gesammelt werden. Dieser muss weiterhin trotz möglicher Verunreinigungen durch Flammhemmer, Farbpigmente und weitere Schmutzpartikel zuverlässige Ergebnisse liefern können. Bereits erzielte Erfolge deuten darauf hin, dass das THz-Sensorsystem diese Ziele erreichen kann.

: http://publica.fraunhofer.de/documents/N-524813.html