SCOPE sorting system – Machbarkeitsstudien & Erfolgsgeschichten

Gefahrenstofferkennung

Batterien, Laptop-Akkus, Feuerlöscher oder Pouch-Zellen können gewaltigen Schaden in Recyclinganlagen verursachen. An diesem Projekt haben wir mit RGB-Kameras analysiert, ob wir die Gefahrenquellen erkennen können.

Silikonkartuschen

Ein Kunde sagte uns mal: „Wenn unser Abnehmer bei der Warenannahme Silikonkartuschen im Ballen entdeckt, sendet er uns den gesamten LKW zurück.“ Bei dieser Machbarkeitsstudie konnten wir sehr eindeutig nachweisen, dass unser KI-Ansatz für die Erkennung optimal ist.

Sortierung von PE-Folien

In der Sortierung und Verwertung von Folien steckt enormes wirtschaftliches Potential. Bei diesem Projekt kann der Kunde bis zu 30 % aus seinem Stoffstrom herausfiltern, was einem geschätzten Mehrwert von 1,2 Mio. €/Jahr entsprechen würde.

Wachsendes Zukunftsproblem

Jedes Jahr steigen mehr Haushalte auf die Nutzung von LEDs um. Wir forschen bereits heute daran, wie man LEDs, Gasentladungs- und Halogenlampen sortiert.

PET-Schalen

Mit aktuell 96 % erkennen wir PET-Schalen, welche wir anschließend als Mono- oder Multilayerfraktion klassifizieren. Wir nutzen alle Objekteigenschaften, die wir im Bild wahrnehmen können. Dies betrifft üblicherweise 3-5 % des Stoffstroms und bietet enorme Potenziale.

Wenn KI lesen könnte …

… wäre sie in der Lage dazu, diese Batterie-Aufschrift zu verstehen. In einer Fallstudie konnten wir belegen, dass unsere KI den Text entnehmen kann und daher diese Lithium-Ionen-Batterie sortieren könnte. Die Textlesefähigkeit (englisch: “OCR”) ermöglicht langfristig, Inhaltsstoffe, Barcodes oder Herstellerinformationen aus Bildern zu entnehmen, wodurch völlig neue Stoffströme entstehen.