Regenerative Energie
Bildbasierte Sortierung von Wertstoffen liefert einen essenziellen Beitrag zur längeren Nutzung von Sekundärrohstoffen in der Kreislaufwirtschaft. Dazu werden aktuell neue Hochdurchsatzverfahren zur bildbasierten Abfallsortierung unter Nutzung von trainierbaren KIMethoden erforscht und etabliert.
Um geeignete KI-Modelle zur Materialunterscheidung zu erstellen, ist eine ausreichend große und kuratierte Lerndatenmenge notwendig. In diesem Beitrag wird daher der Einsatz von Foundation Models hinsichtlich einer potenziell zeitlich effizienteren Gestaltung des Datenannotationsprozesses zur Erstellung einer Lerndatenmenge vorgestellt und bewertet. Annotierte Daten werden benötigt, um überwachte Lernverfahren aus dem Bereich der KI trainieren und einsetzten zu können. Zwei verschiedene Aufgaben werden betrachtet: die Lokalisierung und die Beschreibung (Klassifikation) von Objekten. Für diese Untersuchung wurden RGB-Bilder verwendet, die mit einer Zeilenkamera über den Fließbändern einer Wertstoffaufbereitungsanlage für Leichtverpackungsstoffströme aufgenommen wurden. In den Bildern werden zunächst die einzelnen Objekte mittels adaptiertem SAM (Segment Anything Model) als Segmente detektiert und extrahiert und anschließend durch ein adaptiertes DINOv2 Foundation Model nach 'transparent' und 'nicht- ransparent' klassifiziert. Die 'nicht-transparenten' Objekte werden mit Schwellenwerten verschiedenen Farben zugeordnet. Basierend auf dieser automatisch annotierten Datengrundlage können im Nachgang KI-Modelle trainiert werden, um zukünftig die Sortiertiefe bei Wertstoffen zu erhöhen. Für die Lokalisierung wurde ein F1-Score von 0,77 und bei der Unterscheidung 'transparenter' Objekte eine Genauigkeit von 93,27% erzielt.
| Copyright: | © Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben |
| Quelle: | Recy & Depotech 2024 (Dezember 2024) |
| Seiten: | 6 |
| Preis: | € 3,00 |
| Autor: | Moritz Ottenweller Michael Kalb Steffen Rüger |
| Diesen Fachartikel kaufen... (nach Kauf erscheint Ihr Warenkorb oben links) | |
| Artikel weiterempfehlen | |
| Artikel nach Login kommentieren | |
Die Agrarumwelt- und Klimaschutzmaßnahmen 'Moorschonende Stauhaltung' und 'Anbau von Paludikulturen' in Mecklenburg-Vorpommern
© Springer Vieweg | Springer Fachmedien Wiesbaden GmbH (8/2025)
Die Agrarumwelt- und Klimaschutzmaßnahmen 'Moorschonende Stauhaltung' und 'Anbau von Paludikulturen' in Mecklenburg-Vorpommern
Das Bundesland Mecklenburg-Vorpommern strebt bis 2040 Klimaneutralität an. Die Entwässerung der Moore verursacht knapp 30 % der landesweiten Treibhausgasemissionen - hier ist dringender Handlungsbedarf. Seit 2023 fördern AUKM-Programme die Anhebung von Wasserständen in landwirtschaftlich genutzten Mooren. Es zeigen sich viele Fortschritte, die aber weiterhin auf Genehmigungs-, Finanzierungs- und Koordinationshürden stoßen.
Paludikultur als Chance für Landwirtschaft, Bioökonomie und Klima
© Springer Vieweg | Springer Fachmedien Wiesbaden GmbH (8/2025)
Wirtschaftliche Perspektiven sind notwendig, um die Landwirtschaft für die Umstellung von entwässerter Moorboden-Bewirtschaftung auf nasse Moornutzung zu gewinnen. Paludikultur-Rohstoffe bieten großes Potenzial für Klima und Bioökonomie. Erste marktfähige Anwendungen zeigen, dass sich etwas bewegt.
Die Revitalisierung von Mooren erfordert ein angepasstes Nährstoffmanagement
© Springer Vieweg | Springer Fachmedien Wiesbaden GmbH (8/2025)
Globale Herausforderungen wie der fortschreitende Verlust der biologischen Vielfalt, die Eutrophierung von Gewässern und die zunehmenden Treibhausgasemissionen erfordern die Wiederherstellung der natürlichen Funktionen von Mooren. Bis jedoch langjährig entwässerte und intensiv genutzte Moore wieder einen naturnahen Zustand erreichen und ihre landschaftsökologischen Funktionen vollständig erfüllen, können Jahrzehnte vergehen. Ein wesentlicher Grund dafür sind die hohen Nährstoffüberschüsse im vererdeten Oberboden.