On-line analysis for the classification of metal and plastic scrap using Laser-induced breakdown spectroscopy and machine learning algorithms

Several approaches to machine learning algorithms for the analysis of LIBS data collected from scrap pieces on conveyor belt have been tested. The methods include decision tree, artificial neural networks, and principal component analysis based techniques.

The performance of each algorithm in terms of classification accuracy and robustness is presented. Methods for data-preprocessing have also been tested which includes the normalization and selection of spectral features.



Copyright: © ANTS - Institut für anthropogene Stoffkreisläufe an der RWTH Aachen
Quelle: SBSC 2018 (März 2018)
Seiten: 4
Preis inkl. MwSt.: € 0,00
Autor: Jonas Petersson
Baptiste Ottino
Arne Bengtson
Bertrand Noharet
Tania Irebo Schwartz

Artikel weiterleiten Artikel kostenfrei anzeigen Artikel kommentieren


Diese Fachartikel könnten Sie auch interessieren:

Prüfung und Testierung der Recyclingfähigkeit – Anforderungs- und Bewertungskatalog
© Witzenhausen-Institut für Abfall, Umwelt und Energie GmbH (10/2021)
Recyclingfähigkeit bedeutet Konformität der Verpackungsgestaltung zu den Erfordernissen einer tatsächlichen Kreislaufführung der Verpackungswerkstoffe und wird somit durch Möglichkeiten und Grenzen praktisch ausgeführter Recyclingpfade vorherbestimmt. Das Institut cyclos-HTP (CHI) hat unter diesen Prämissen und unter Anwendung der relevanten Normen bereits 2011 einen zwischenzeitlich weithin etablierten Prüfstandard zur Bemessung der Recyclingfähigkeit entwickelt, der es ermöglicht, eine quantitative (graduelle) Klassifizierung vorzunehmen. Der Messstandard wird im Vortrag in Grundzügen erläutert.

Vegetable oil extraction of petroleum hydrocarbons from soil and subsequent separation via non-woven fabrics
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (11/2020)
The current combination, though, of using microemulsions of plant oil in water to extract mineral hydrocarbons in-situ from the soil and to separate that contaminated oil phase from water via non-wovens is novel and in preliminary experiments was shown be to very promising in terms of costs and performance.

Reifegradanalyse zum Einsatz von Datenanalytik in der sensorgestützten Sortierung
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (11/2020)
Sensorgestützte Sortierung und Robotersortierung sind Schlüsseltechnologien in der erweiterten Wertschöpfungskette unserer Produkte, da der Sortierprozess einen starken Einfluss auf die Recyclingquoten in der EU-Gesetzgebung hat. Aus diesem Grund werden technologische Entwicklungen und Möglichkeiten zur Verbesserung dieser Prozesse mit einem interviewbasierten Fragebogen bewertet.

Mechanische Abfallbehandlungsanlage der Zukunft
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (11/2020)
Um die Digitalisierung in den Abfallbehandlungsanlagen vorantreiben zu können, muss zunächst ein tieferes Verständnis über das Verhalten von Abfallbehandlungsmaschinen als auch über das zu verarbeitende Material erlangt werden. Die Kenntnis wie sich Maschinen und Stoffströme gegenseitig beeinflussen, ist eine notwendige Voraussetzung zur sensorischen Überwachung dieser, und in weiterer Folge zur dynamischen Steuerung dieser Abfallbehandlungsanlagen.

Von der Stoffflussanalyse zur Handlungsempfehlung
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (11/2020)
Die Methode der Stoffflussanalyse hat sich in den letzten Jahren stetig weiterentwickelt. Maßgeschneiderte Software erlaubt nunmehr einerseits die sehr detaillierte Modellierung realer Systeme und andererseits den Einsatz mathematisch-statistischer Methoden zur Behandlung der Datenunsicherheit.

Name:

Passwort:

 Angemeldet bleiben

Passwort vergessen?