• English
  • Deutsch
  • Log In
    Password Login
    Research Outputs
    Fundings & Projects
    Researchers
    Institutes
    Statistics
Repository logo
Fraunhofer-Gesellschaft
  1. Home
  2. Fraunhofer-Gesellschaft
  3. Konferenzschrift
  4. Materialklassifikation von schwarzen Kunststoffen mittels aktiver Thermografie
 
  • Details
  • Full
Options
2024
Conference Paper
Title

Materialklassifikation von schwarzen Kunststoffen mittels aktiver Thermografie

Other Title
Materialklassifikation von schwarzen Kunstoffen mittels aktiver Thermografie
Abstract
Nachhaltigkeit ist eines der wichtigsten Ziele der heutigen Gesellschaft, mit erheblichem Einfluss auf wirtschaftliche und politische Entscheidungen. Eine wichtige Initiative in dem europäischen Green Deal, der eine Strategie für Nachhaltigkeit darbietet, ist der Aktionsplan für die Kreislaufwirtschaft (CEAP). Ziel ist es, den ökologischen Fußabdruck der EU zu reduzieren und die Verwendung von Recyclingmaterialien in den nächsten zehn Jahren zu verdoppeln. Konkrete Maßnahmen wurden in verschiedenen Bereichen, wie Elektronik, Verpackungen, Kunststoffe und Textilien eingeleitet. Ein wichtiges Segment einer Kreislaufwirtschaft ist die Sortierung und das Recycling von Materialien. Um die Qualität des Recyclings zu steigern, sind Verbesserungen in der Abfallsammlung und -Sortierung erforderlich. Die derzeit auf dem Markt erhältlichen Sensorsysteme für die Sortierung von Kunststoffen in der Abfallwirtschaft basieren hauptsächlich auf Nah-Infrarot (NIR) und Kurzwellen-Infrarot (SWIR). Die Sortierung schwarzer Kunststoffe, einschließlich solcher aus dem Automobilsektor, bleibt für diese Systeme jedoch eine Herausforderung. Im Rahmen des Fraunhofer-Leitprojektes Waste4Future wurde ein aktives Thermografiesystem entwickelt, um verschiedene Kunststoffmaterialien zu unterscheiden. Dieses System wurde erfolgreich verwendet, um schwarze Kunststoffe auf einem Förderband zu klassifizieren. Die Analyse der Abkühlungskurven der Proben ermöglichte, aufgrund unterschiedlicher Erwärmungs- und Abkühleigenschaften, die Unterscheidung der Materialien. Mit der Verwendung maschineller Lernalgorithmen konnte ein pixelweiser f1-Score von über 97 % unter Verwendung von drei ganzen Proben je Material als Testdaten erzielt werden. Die Erkenntnisse aus der aktiven Thermografie eröffnen vielversprechende Möglichkeiten für die Integration in die aktuelle Sensorik zur Sortierung schwarzer Kunststoffe, ein wichtiger Schritt in Richtung einer nachhaltigeren Kreislaufwirtschaft.
Author(s)
Schmitz, Kevin  orcid-logo
Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP  
Shpakova, Nina
Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP  
Keller, Andreas  
Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP  
Netzelmann, Udo  
Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP  
Mainwork
Zerstörungsfreie Materialprüfung. DGZfP-Jahrestagung 2024  
Conference
Deutsche Gesellschaft für Zerstörungsfreie Prüfung (DGZfP Jahrestagung) 2024  
Open Access
File(s)
Download (786.43 KB)
Rights
CC BY 4.0: Creative Commons Attribution
DOI
10.58286/29497
10.24406/publica-3146
Additional link
Full text
Language
German
Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP  
Keyword(s)
  • recycling

  • Thermographie

  • Maschinelles Lernen

  • Sortierung schwarze Kunststoffe

  • Kreislaufwirtschaft

  • Cookie settings
  • Imprint
  • Privacy policy
  • Api
  • Contact
© 2024