Dr.-Ing.

Gruna, Robin

Filters

3 1
Reset filters

Settings
Now showing 1 - 4 of 4
  • Publication
    Simulation study and experimental validation of a neural network-based predictive tracking system for sensor-based sorting
    ( 2023)
    Maier, Georg
    ;
    Reith-Braun, Marcel
    ;
    Bauer, Albert
    ;
    Gruna, Robin
    ;
    Pfaff, Florian
    ;
    Kruggel-Emden, Harald
    ;
    Längle, Thomas
    ;
    Hanebeck, Uwe D.
    ;
    Beyerer, Jürgen
    Sensor-based sorting offers cutting-edge solutions for separating granular materials. The line-scanning sensors currently in use in such systems only produce a single observation of each object and no data on its movement. According to recent studies, using an area-scan camera has the potential to reduce both characterization and separation error in a sorting process. A predictive tracking approach based on Kalman filters makes it possible to estimate the followed paths and parametrize a unique motion model for each object using a multiobject tracking system. While earlier studies concentrated on physically-motivated motion models, it has been demonstrated that novel machine learning techniques produce predictions that are more accurate. In this paper, we describe the creation of a predictive tracking system based on neural networks. The new algorithm is applied to an experimental sorting system and to a numerical model of the sorter. Although the new approach does not yet fully reach the achieved sorting quality of the existing approaches, it allows the use of the general method without requiring expert knowledge or a fundamental understanding of the parameterization of the particle motion model.
  • Publication
    Characterizing material flow in sensor-based sorting systems using an instrumented particle
    ( 2020)
    Maier, Georg
    ;
    Pfaff, Florian
    ;
    Bittner, Andrea
    ;
    Gruna, Robin
    ;
    Längle, Thomas
    ;
    Beyerer, Jürgen
    ;
    Noack, Benjamin
    ;
    Kruggel-Emden, Harald
    ;
    Hanebeck, Uwe D.
    Sensor-based sorting is a well-established single particle separation technology. It has found wide application as a quality assurance and control approach in food processing, mining, and recycling. In order to assure high sorting quality, a high degree of control of the motion of individual particles contained in the material stream is required. Several system designs, which are tailored to a sorting task at hand, exist. However, the suitability of a design for a sorting task is assessed by empirical observation. The required thorough experimentation is very time consuming and labor intensive. In this paper, we propose an instrumented bulk material particle for the characterization of motion behavior of the material stream in sensor-based sorting systems. We present a hardware setup including a 9-axis absolute orientation sensor that is used for data acquisition on an experimental sorting system. The presented results show that further processing of this data yields meaningful features of the motion behavior. As an example, we acquire and process data from an experimental sorting system consisting of several submodules such as vibrating conveyor channels and a chute. It is shown that the data can be used to train a model which enables predicting the submodule of a sorting system from which an unknown data sample originates. To our best knowledge, this is the first time that this IIoT-based approach has been applied for the characterization of material flow properties in sensor-based sorting.
  • Publication
    Motion-based material characterization in sensor-based sorting
    ( 2018)
    Maier, Georg
    ;
    Pfaff, F.
    ;
    Becker, F.
    ;
    Pieper, C.
    ;
    Gruna, Robin
    ;
    Noack, B.
    ;
    Kruggel-Emden, H.
    ;
    Längle, Thomas
    ;
    Hanebeck, U.D.
    ;
    Wirtz, S.
    ;
    Scherer, V.
    ;
    Beyerer, Jürgen
    Für die Sortierung von kohäsiven, granularen Materialien entspricht die sensorgestützte Sortierung dem Stand der Technik. Die Auswahl geeigneter Systemkomponenten, wie etwa Sensorik, Beleuchtung, oder die Realisierung der Datenauswertung, orientiert sich bei der Entwicklung entsprechender Systeme an der konkreten Sortieraufgabe, die es zu lösen gilt. Eine Gemeinsamkeit findet sich im Einsatz scannender Sensoren. Jüngst wurde jedoch der Einsatz von Flächenkameras vorgeschlagen. Durch die Beobachtung von Objekten zu mehreren Zeitpunkten besteht die Möglichkeit, deren Bewegungspfade zu verfolgen. Dies erlaubt eine präzise Schätzung der Position und des Zeitpunkts, zu welchem ein Objekt die Trennstufe des Systems erreicht und hilft somit dabei, den Fehler in der physikalischen Separation zu verringern. In dieser Veröffentlichung wird vorgeschlagen, diese Bewegungsinformation ebenfalls zur Charakterisierung von Materialien zu verwenden. Durch die Ableitung geeigneter Merkmale zeigen wir exemplarisch für eine Klassifikationsaufgabe, dass hierdurch gute Ergebnisse erzielt werden können. Der vorgestellte Ansatz trägt damit zur Verringerung des Erkennungsfehlers in Sortiersystemen bei.
  • Publication
    Real-time motion prediction using the chromatic offset of line scan cameras
    ( 2017)
    Pfaff, F.
    ;
    Maier, Georg
    ;
    Aristov, M.
    ;
    Noack, B.
    ;
    Gruna, Robin
    ;
    Hanebeck, U.
    ;
    Längle, Thomas
    ;
    Beyerer, Jürgen
    ;
    Pieper, C.
    ;
    Kruggel-Emden, H.
    ;
    Wirtz, S.
    ;
    Scherer, V.
    Auf dem heutigen Stand der Technik der optischen Schüttgutsortierung werden Zeilenkameras mit einfachen Annahmen über die Teilchenbewegung kombiniert, um eine Ausschleusung bestimmter Teilchen zu ermöglichen. Kürzlich haben wir einen experimentellen optischen Bandsortierer mit einer Flächenkamera ausgestattet und gezeigt, dass durch das Verfolgen der Teilchen des Schüttguts die Güte der Vorhersagen und somit auch der Ausschleusung verbessert werden kann. In dieser Arbeit nutzen wir den Farbversatz zwischen den Farbkanälen einer Farbzeilenkamera, um in Echtzeit Informationen über die Bewegung der Teilchen abzuleiten. Dieser Ansatz erlaubt es, die Vorhersagen heutiger optischer Bandsortierer zu verbessern, ohne dass deren Hardware dafür angepasst werden muss.