KI-basierte Trennung (Klassifizierung) von Kunststoffen
Transkipt (gemäß BFSG):
"Hast du dich mal gefragt wie die ganzen Kunststoffe aus unserem Müll getrennt werden? Vielleicht hast du auch schon mal die dreieckigen Symbole mit einer Zifferin der Mitte bemerkt. Diese zeigen an, um welche Kunststoffgruppe es sichbei der Verpackung handelt.
Die Erkennung des Kunststoffs anhand seiner optischen Eigenschaften ist eine perfekte Aufgabe für künstliche Intelligenz. Achte auf den Bildschirm in der Mitte! Wenn wir die Messung auslösen, wird dort das Ergebnis angezeigt. In unserem Beispiel die Nummer 5, also Polypropylen oder kurz PP.
Manchmal besteht eine Verpackung auch aus unterschiedlichen Kunststoffe, wie dieser Behälter von Duschgel. Schauen wir uns die verschiedenen Teile genauer an. Wenn wir den durchsichtigen, unteren Teil über den Sensor halten, ermittelt die KI anhand des optischen Spektrums die Gruppe 1, also PET. Wenn wir aber den Deckel über den Sensor halten, sehen wir wieder PP als Ergebnis - genauso wie auf der Verpackung gekennzeichnet.
Die KI-Software läuft übrigens nur auf dem kleinen Mikrocontroller am oberen Bildrand. Dies ist ein perfektes Beispiel für einen effizienten, ressourcensparenden und lokalen Einsatz von KI.
Warum aber sollten wir Kunststoffe automatisiert erkennen und klassifizieren? Dafür gibt es viele gute Gründe. Weltweit ist nur ein kleiner Teil des Plastikmülls mit den entsprechenden Hinweisen ausgezeichnet. Außerhalb Europas benötigt es viel Erfahrung und Know-How die Kunststoffe sortenrein zu trennen. Und genau das ist dort oft nur schwer zu finden.
Das Bild zeigt Frauen auf der Deponie in Ouagadougou in Burkina Faso, die dort die Kunststoffe manuell trennen. Wir glauben, dass moderne KI ganau hier wirklich helfen kann, die Sammelleistung und damit das Einkommen der Frauen zu steigern. und gleichzeitig die Umwelt zu schonen."
MEHR INFORMATIONEN
Hintergrund
Mit diesem Projekt verfolgen wir mehrere Ziele, nämlich
- Wir wollen demonstrieren, dass KI zur Klassifizierung nicht immer riesige Ressourcen benötigt. Auch beim Einsatz von KI sorgt gute Planung für effiziente und ressourcensparende Lösungen!
In diesem Fall haben wir 36 Parameter (Messwerte aus dem Sensor), die selbst der schwache Prozessor des Mikrocontrollers anhand des trainierten Modells schnell einer Kunststoffgruppe zuordnen kann. Trainiert wird übrigens auf einem PC mit Grafikkarte, aber auch dies dauert bei mehreren 1.000 Testdatensätzen nur wenige Minuten.
- Die Problematik der Mülltrennung ist real, tatsächlich diskutieren wir es im Rahmen unserer Zusammenarbeit mit der Stadt Ouagadougou immer wieder. Wir sehen hier riesiges Potenzial - für die Menschen, die dringend nach einem Einkommen suchen, aber auch für die Umwelt. Sortenrein getrennte Kunststoffe werden in Zukunft immer wertvoller werden, und hoffentlich auch bald in den Ländern des globalen Südens selbst wiederverwendet werden.
- Last, but not Least: Wir sind der Überzeugung, dass Innovation der Schlüssel zu einer besseren Zukunft der Länder des globalen Südens ist. Wir stellen das Know-How des Prototypen für Unternehmer in diesen Ländern zur Verfügung, die daraus lokale Lösungen erstellen, die die lokalen Besonderheiten berücksichtigen.
Komponenten des Prototyps:
- SparkFun Triad Spectroscopy Sensor (NIR, VIS, UV) AS7265x:
Bei dem Sensor handelt es sich um ein Spektralphotometer mit insgesamt 18 Frequenzbändern im nahen Infrarot- (NIR), sichtbaren (VIS) und ultravioletten (UV) Spektrum. Der Sensor kostet etwa 80 Euro und verfügt über eigene, schaltbare Lichtquellen, so dass Messungen mit und ohne Beleuchtung möglich sind.
- Espressif ESP32 S3 WROOM Mikrocontroller:
Dies ist ein weit verbreiteter Mikrocontroller mit einem 32bit Dual-Core Prozessor mit 240MHz Taktfrequenz und 8MB RAM. Damit liegt die Performance um mindestens eine Größenordnung unter der eines üblichen PC für Standardaufgaben. Trotzdem ist die Performance ausreichend um die Kategorisierung anhand des trainierte Modells auszuführen. Preis ca. 15 Euro. - 1,3" OLED I2C 128 x 64 Pixel Display (AZ-Delivery):
Standard-Display für DIY Projekte auf Basis Arduino / ESP32. Preis ca. 10 Euro.
KONTAKT
AKTUELLES
