Authentifikation

MetalClass: MetalClass - KI-basierte Echtzeit-Klassifikation metallischer Sekundärrohstoffe mittels PGNAA

01.01.2021 bis 01.12.2023

Das Recycling der in Europa verfügbaren Schrotte als Sekundärrohstoff ist die sicherste, nachhaltigste, ökologischste und ökonomischste Form der Rohstoffversorgung. Obwohl Metalle im Prinzip unendlich oft recycelt werden können, ist ein Wiedereinschmelzen ohne Qualitätsverlust und die Erhöhung der Sekundärrohstoffanteile nur möglich, wenn die Zusammensetzung vor dem Wiedereinschmelzen erfasst wird und Störstoffe aus dem Recyclingkreislauf entfernt werden. Derzeit geschieht die Bewertung von Schrotten durch Proben, die als repräsentativ angesehen werden.  Wäre es möglich, die Elementzusammensetzung von Schrotten zerstörungsfrei in Echtzeit zu erfassen, so könnten Eingangsströme des Recyclingprozesses erstmals optimal gesteuert werden.

Aufgrund der hohen und heterogenen Massenströme in der Kupfer- und Aluminiumproduktion besteht ein großes Interesse der Klassifizierung der Recyclingmaterialien in Echtzeit, um diese nach bestehenden Normen und Regelwerken zu kategorisieren. Nach dem Stand der Technik gibt es derzeit keine messtechnische Lösung für die Kupfer- oder Aluminiumproduktion.

Mit dem Projekt verfolgen wir das Ziel, ein Messverfahren für die zerstörungsfreie Echtzeit-Klassifizierung von Kupfer- oder Aluminiumschrotten auf Grundlage der PGNAA zu entwickeln. Kernstück der Innovation ist die Entwicklung neuartiger KI-Auswertealgorithmen, welche die Messdaten nicht reduziert auf einzelne Peaks betrachten, sondern die Gesamtheit der Zähldaten nutzen.

Das Projekt wird gefördert durch:
Bundesministerium für Bildung und Forschung (BMBF)
Projektträger: Das Deutsche Zentrum für Luft- und Raumfahrt e.V. (DLR)
Förderkennzeichen: 01IS20082B
Förderlinien: KMU-innovativ: Informations- und Kommunikationstechnologie (IKT), KMU-innovativ: IKT - Software Engineering
Projektbeteiligte / Ansprechpartner: Helmand Shayan, M. Sc.
Projektmitarbeitende: Helmand Shayan, M. Sc.
Studienarbeit
Ensemble Neural Network for Evaluation of Classification Algorithms
01.06.2022 bis 27.07.2022
Gefördert durch
Projektträger