EP4695032A1 - Sortiergerät, sortioerverfahren, sowie computerprogramm - Google Patents

Sortiergerät, sortioerverfahren, sowie computerprogramm

Info

Publication number
EP4695032A1
EP4695032A1 EP24719531.6A EP24719531A EP4695032A1 EP 4695032 A1 EP4695032 A1 EP 4695032A1 EP 24719531 A EP24719531 A EP 24719531A EP 4695032 A1 EP4695032 A1 EP 4695032A1
Authority
EP
European Patent Office
Prior art keywords
feature
sorting device
sorting
battery
material flow
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP24719531.6A
Other languages
English (en)
French (fr)
Inventor
Johannes LEISNER
Alexander Ennen
Nathanael LAIER
Johannes LAIER
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WesortAi GmbH
Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Original Assignee
WesortAi GmbH
Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by WesortAi GmbH, Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV filed Critical WesortAi GmbH
Publication of EP4695032A1 publication Critical patent/EP4695032A1/de
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/3416—Sorting according to other particular properties according to radiation transmissivity, e.g. for light, x-rays, particle radiation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
    • G01N23/083—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
    • G01N23/12—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the material being a flowing fluid or a flowing granular solid
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0054—Sorting of waste or refuse
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/20—Sources of radiation
    • G01N2223/206—Sources of radiation sources operating at different energy levels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/84—Recycling of batteries or fuel cells

Definitions

  • Embodiments of the present invention relate to a sorting device or a sorting system with a single or multi-energy X-ray system as well as to a corresponding method for recycling and computer program.
  • Preferred embodiments relate to a system describing the combination of multi-energy X-ray technology and deep learning-based image analysis in order to detect lithium ion accumulators in material flows.
  • LIBs Lithium-ion batteries
  • the LIBs are damaged in the mechanical processing steps of the sorting plant (e.g. bag openers or shredders) and can ignite as a result. Fires caused by LIBs are difficult to extinguish because a large amount of energy is released and the LIB decomposes, producing oxygen that accelerates the fire or reignites extinguished fires.
  • detecting LIB in recycling streams is anything but trivial.
  • the material is often 20-30 cm high on the conveyor belts, and on the other hand, LIB is often built into electronic devices and thus cannot be detected freely in the material stream. This circumstance completely rules out optical detection systems (cameras, etc.). Mechanical separation processes such as wind sifting can separate heavy objects from light ones, but cannot reliably detect or remove LIB.
  • the invention to be registered here solves the previously impossible problem of detecting LIB in complex material streams.
  • Sorting systems use thermography cameras and extinguishing devices to detect and extinguish heat in the material streams. Such systems cost up to 5 million euros for individual sorting systems.
  • the problem here is the detection rate of the cameras when the material on the conveyor belts is very thick, and the fact that the resulting extinguishing water has to be collected and disposed of separately.
  • At the end of the sorting systems there are often manual sorting steps in which workers grab objects from the material stream as it passes by on a conveyor belt. At this point, in most cases, it is However, it is far too late to react to ignited or igniting LIBs. Therefore, there is a need for an improved approach.
  • the object of the present invention is to create a concept that improves the recycling of special components, such as batteries or lithium-ion batteries.
  • the processor is designed to recognize one or more regions in a respective one of the radiographic images that have a battery, in particular a lithium-ion battery, or a battery cell, in particular a lithium-ion battery cell, using a Kl algorithm or a Kl algorithm trained in advance or during operation.
  • the recognition takes place on the basis of a first feature that is derived from the first information and/or a second feature that is derived from the second structural information.
  • the training can also be carried out in combination with the first information, i.e. labeled training data containing the first and second structural information are included. These are then examined by the Kl algorithm with regard to first and second features. Preferably, large amounts of training data are used in order to train the Kl algorithm in advance or during operation. According to embodiments, it would also be conceivable to that the large amounts of data are collected during operation and labeled afterwards.
  • the X-ray system is arranged in the material flow before the sorting means.
  • the position it should be noted that the position and the relative position in the material flow is calculated and passed on along the movement of the material flow, i.e. depending on the direction of movement and speed of movement of the material flow.
  • the material flow can be multi-layered, whereby the component/battery/battery cell to be recycled does not necessarily have to be on the top layer, but can also be arranged between two layers.
  • M1 a first feature derived from the first information
  • M2 second feature
  • Fig. 2 is a schematic representation of a flow chart to illustrate the recycling process according to embodiments
  • Fig. 3 is a schematic representation of a component to be recycled (battery) to explain first and second features or first and second (structural) information that are used in embodiments.
  • Fig. 1 shows a sorting system 10 (generally a sorting device) with a conveying means 12 and an X-ray system, here a multi-energy X-ray system 20.
  • a sorting system 10 comprises, for example, a radiation source 22 and a radiation detector 24.
  • the sorting system 10 comprises a processor 28. This is, for example, informationally coupled to the (multi-energy) X-ray system and receives radiographic images from the X-ray detector 24.
  • the sorting system 10 can also have sorting means 30.
  • the multi-energy X-ray system 20 uses the radiation source 22 to irradiate the material flow 14 and thus also the object 16 to be recycled. For this purpose, for example, two or more radiation energies E1 and E2 are used, which are then emitted by the X-ray system after irradiating the material flow 14 or the object 16 to be recycled.
  • detector 24 The X-ray detector 24 outputs the radiographic images associated with the energies E1 and E2, for example to the processor.
  • the radiographic images can be present as a multi-energy radiographic image or generally as a radiographic image.
  • Radiographic images have the advantage that information such as a density of the object to be radiographed and thus also of the material flow 14 or the object 16 to be recycled as well as an atomic number of the material flow 14 or the object 16 to be recycled can be determined.
  • the density and/or the atomic number is considered to be the first information.
  • batteries such as lithium-ion batteries (cf. object 16 to be recycled)
  • This first information 11 is determined by the processor 28 or taken from the respective radiographic image. Since the entire material flow 14 including the object 16 to be recycled is irradiated, each radiographic image can be assigned this information 11 to different areas, e.g.
  • the processor 28 is also designed to determine I2.
  • I2 represents structural information, such as the geometry of an object 16 in the material flow 14 or the location or position.
  • the processor 28 is designed to recognize/mark a connected area in each radiographic image, e.g. consisting of several pixels, and to analyze this area with regard to position, location, size, geometry.
  • the geometry of the object 16 to be recycled or the battery can be recognized. Batteries often have a cylindrical shape.
  • the processor 28 can recognize and mark such typical geometries.
  • a first feature M1 is derived from the information 11 relating to the density or atomic number, while a second feature M2 is derived from the information 12 relating to the geometry or generally the structural information.
  • the two features M1, M2 can each have different characteristics, whereby the combination of the characteristics enables recognition according to embodiments.
  • Recognition takes place according to a Kl algorithm or a trained algorithm.
  • the algorithm is implemented on the processor 28 and trained using learning data either in advance or during operation.
  • the processor 28 can access a database, e.g. one in an internal Memory or an external storage (server) stored database.
  • An external database offers the advantage that the large data base for training the Kl algorithm can be increased by several interconnected Kl algorithms or similar sorting systems.
  • the method 100 comprises the three basic steps 110, 120 and 130.
  • An optional step 140 can then be provided.
  • the material flow 14, which includes, for example, the lithium-ion battery 16 is conveyed through the sorting system 10 by means of the conveying means 12.
  • step 120 the material flow is irradiated using two different energies in order to obtain the irradiation images.
  • steps 110 and 120 are repeated continuously according to embodiments, namely for ever new material flow sections, so that ever new multi-energy X-ray images are taken of further or shifted sections.
  • step 130 either the one multi-energy X-ray image or the plurality of multi-energy X-ray images associated with several samples can be analyzed.
  • This step is provided with the reference number 130 and includes the recognition using a KI algorithm of one or more areas that have a component to be recycled, such as a battery, lithium-ion battery or battery cell/lithium-ion battery cell.
  • the recognition 130 takes place, as already explained above, on the basis of the first or second feature M1/M2.
  • the first and second features can be used in combination.
  • the combination means that both features are equivalent, i.e. evaluated together.
  • an evaluation according to the first feature and a confirmation by the second feature or an evaluation according to the second feature and a confirmation by the first feature would also be conceivable.
  • further features can also be added in accordance with further embodiments.
  • Detected objects to be recycled such as lithium-ion batteries
  • information is output to the effect that there is a high probability that a corresponding feature to be recycled, such as a lithium-ion battery, is present.
  • the position of the object 16 in the material flow 14 can also be specified, whereby, based on the material flow movement 12b, the position can also include information regarding the speed, direction of movement, etc.
  • step 140 the detected object 16 is sorted out accordingly, i.e. separated from the remaining material flow 14, e.g. by a pneumatic device or a gripper arm.
  • these sorting means are provided with the reference number 30.
  • the system 10 from Fig. 1 uses multi-energy X-ray technology 20 to irradiate a waste stream 14 on, for example, a conveyor belt 12 and thus detect LIBs 16 in the material stream 14 even with a high material thickness and in different devices.
  • a machine learning (ML)-based approach is used. This uses at least the first feature M1 and second structural feature M2 or the corresponding sub-features for this.
  • the algorithm is trained with a large number of learning data. This step is optional and is provided with the reference number 135 in Fig. 2.
  • a large number of multi-energy X-ray images are assigned to different material streams or different Material streams with objects to be detected, such as LIBs, are provided and labeled in advance or afterwards.
  • the first feature M1 is determined on the basis of the first information, while the feature M2 is determined on the basis of the second structural information. As already mentioned above, several pieces of information can be used for each feature M1 and M2. It would also be conceivable for each feature to be broken down into sub-features.
  • the ML processor or processor 28 trained with ML classifies the devices 16 found into classes (such as power banks, cell phones, etc.) according to further embodiments. This means that a differentiation can also be made between individual objects 16 detected in this way.
  • the algorithm can also be designed in such a way that different objects are recognized and kept apart. This is also done by combining the information from the multi-energy X-ray image (X-ray data based on density and atomic number) with that of the object recognition (shape, attenuation, information about e.g. installed electronics, etc.).
  • the multi-energy X-ray imaging technology is installed as far forward as possible in the direction of material flow (cf. 12b) in the sorting system in order to detect dangerous elements, such as LIBs, as early as possible.
  • the feature is always compared with a typical "target value", i.e. the probability that a correspondingly sought-after object, such as a LIB, is present is given when the atomic number or density is extremely high.
  • Embodiments of the present invention are used primarily in the recycling industry.
  • Various material flows in the industry can be addressed. These include, for example, the material flow of lightweight packaging (LVP), waste electrical and electronic equipment (WEEE), industrial or municipal waste.
  • LVP lightweight packaging
  • WEEE waste electrical and electronic equipment
  • aspects have been described in the context of a device, it is to be understood that these aspects also represent a description of the corresponding method, so that a block or component of a device can also be understood as a corresponding method step or as a feature of a method step. Analogously, aspects described in the context of or as a method step also represent a description of a corresponding block or detail or feature of a corresponding device.
  • Some or all of the method steps can be performed by a hardware apparatus (or using a hardware apparatus), such as a microprocessor, a programmable computer, or an electronic circuit. In some embodiments, some or more of the key method steps can be performed by such an apparatus.
  • Some embodiments according to the invention thus comprise a data carrier having electronically readable control signals capable of interacting with a programmable computer system such that one of the methods described herein is carried out.
  • an embodiment of the method according to the invention is thus a computer program that has a program code for carrying out one of the methods described herein when the computer program runs on a computer.
  • a further embodiment of the methods according to the invention is thus a data carrier (or a digital storage medium or a computer-readable medium) on which the computer program for carrying out one of the methods described herein is recorded.
  • a further embodiment of the method according to the invention is thus a data stream or a sequence of signals which represents or represents the computer program for carrying out one of the methods described herein.
  • the data stream or the sequence of signals can, for example, be configured to be transferred via a data communication connection, for example via the Internet.
  • a further embodiment comprises a processing device, for example a computer or a programmable logic device, which is configured or adapted to carry out one of the methods described herein.
  • a processing device for example a computer or a programmable logic device, which is configured or adapted to carry out one of the methods described herein.
  • a further embodiment comprises a computer on which the computer program for carrying out one of the methods described herein is installed.
  • a further embodiment according to the invention comprises a device or a system which is designed to transmit a computer program for carrying out at least one of the methods described herein to a receiver.
  • the transmission can be carried out electronically or optically, for example.
  • the receiver can for example, a computer, a mobile device, a storage device or a similar device.
  • the device or system may, for example, comprise a file server for transmitting the computer program to the recipient.
  • a programmable logic device e.g., a field programmable gate array, an FPGA
  • a field programmable gate array may cooperate with a microprocessor to perform any of the methods described herein.
  • the methods are performed by any hardware device. This may be general-purpose hardware such as a computer processor (CPU) or hardware specific to the method such as an ASIC.

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Sorting Of Articles (AREA)
  • Image Analysis (AREA)

Abstract

Sortiergerät (10) mit folgenden Merkmalen: Beförderungsmitteln (12) zur Beförderung eines Materialstroms (14) durch das Sortiergerät (10); einem Mehrenergieröntgensystem (20), das ausgebildet ist, den Materialstrom (14) unter Verwendung von zumindest zwei unterschiedlichen Energien zu durchstrahlen und basierend auf der Durchstrahlung Durchstrahlungsbilder zu erfassen, wobei jedes Durchstrahlungsbild je Bereich eine erste Information bezüglich einer Dichte und/oder einer Kernladungszahl sowie eine zweite strukturelle Information umfasst; einem Prozessor (28), der ausgebildet ist, unter Verwendung eines KI-Algorithmus in einem jeweiligen der Durchstrahlungsbilder ein oder mehrere Bereiche zu erkennen, die eine zu recycelnde Komponente (16) oder eine Batterie, insbesondere eine Lithiumionenbatterie, oder eine Batteriezelle, insbesondere eine Lithiumionenbatteriezelle, aufweist; wobei die Erkennung auf Basis eines ersten Merkmals (M1), das von der ersten Information abgeleitet ist, und eines zweiten Merkmals (M2), das von der zweiten strukturellen Information abgeleitet ist, erfolgt.

Description

SORTIERGERÄT, SORTIOERVERFAHREN, SOWIE COMPUTERPROGRAMM
Ausführungsbeispiele der vorliegenden Erfindung beziehen sich auf ein Sortiergerät bzw. eine Sortieranlage mit einem Ein- oder Mehrenergieröntgensystem sowie auf ein entsprechendes Verfahren zum Recycling und Computerprogramm. Bevorzugte Ausführungsbeispiele beziehen sich auf ein System beschreibend die Kombination aus Mehrenergieröntgentechnik und auf Deep-Learning-basierender Bildauswertung, um Litihiumionenakkumu- latoren in Materialströmen zu detektieren.
Lithiumionenakkumulatoren (Lithium-Ionen-Batteries - LIB) führen in Sortieranlagen zu Bränden und enormen wirtschaftlichen Schäden. Die LIB werden in den mechanischen Aufbereitungsschritten der Sortieranlage (z. B. Sackaufreißern oder Schreddern) beschädigt und können in dessen Folge entzünden. Die durch LIB entstandene Brände sind nur schwer zu löschen, da eine hohe Energiemenge freigesetzt und bei Zersetzungsprozess der LIB Sauerstoff entsteht, der den Brand beschleunigt bzw. gelöschte Brände neu entfacht.
Die Detektion der LIB in Recyclingströmen (z. B. gelber Sack, Wertstofftonne, Papier etc.) ist jedoch alles andere als trivial. Zum einen liegt das Material oft 20-30 cm hoch auf den Förderbändern zum anderen sind die LIB oftmals in elektronischen Geräten verbaut und somit nicht frei auf dem Materialstrom zu detektieren. Dieser Umstand schließt optische Detektionssysteme (Kameras etc.) komplett aus. Mechanische Trennverfahren wie die Windsichtung können zwar schwere von leichten Objekten trennen, aber nicht mit Sicherheit LIB detektieren oder ausschleusen. Die hier anzumeldende Erfindung löst die bisher nicht durchzuführende Detektion der LIB in komplexen Materialströmen.
Das Problem wird bisher nicht an der Ursache, sondern an seinen Symptomen bekämpft. Sortieranlagen verwenden Thermographie-Kameras und Löschvorrichtungen, um Erwärmungen in den Materialströmen zu detektieren und zu löschen. Solche Systeme kosten für einzelne Sortieranlagen bis zu 5 Millionen Euro. Problematisch dabei ist zum einen die Detektionsrate der Kameras bei hohen Materialdicken auf den Transportbändern sowie die Tatsache, dass das entstehende Löschwasser gesondert gesammelt und entsorgen werden muss. Uns ist keine andere Methode bzw. kein anderes Produkt bekannt, das ähnlich zu unserem Vorschlag arbeitet. Am Ende der Sortieranlagen befinden sich oft manuelle Sortierschritte, bei denen Arbeiterinnen Gegenstände aus dem Materialstrom greifen, während diese auf einem Förderband vorbeifahren. An dieser Stelle ist es in den meisten Fällen jedoch viel zu spät, um noch auf gezündete oder gerade zündende LIB zu reagieren. Deshalb besteht der Bedarf nach einem verbesserten Ansatz.
Aufgabe der vorliegenden Erfindung ist es, ein Konzept zu schaffen, das das Recycling bei speziellen Komponenten, wie z. B. Batterien oder Lithiumionenbatterien, verbessert.
Die Aufgabe wird durch den Gegenstand der unabhängigen Patentansprüche gelöst.
Ausführungsbeispiele der vorliegenden Erfindung schaffen ein Sortiergerät mit Beförderungsmitteln, einem Ein- oder Mehrenergieröntgensystem sowie einem Prozessor. Die Beförderungsmittel sind ausgebildet, um einen Materialstrom durch das Sortiergerät zu befördern, können beispielsweise aus Förderband implementiert sein. Auf dem Förderband wird dann der zu recycelnde Materialstrom, z. B. Müll oder Müll aus dem gelben Sack, befördert. Dieser Materialstrom kann auch besonders zu recycelnde Komponenten, wie z. B. Batterien oder Akkus oder Lithiumionenbatterien, beinhalten. Das Ein- oder Mehrenergieröntgensystem ist ausgebildet, den Materialstrom unter Verwendung von zumindest eine Energie oder zwei unterschiedlichen Energien zu durchstrahlen und basierend auf der Durchstrahlung Durchstrahlungsbilder zu erfassen, wobei jedes der Durchstrahlungsbilder je Bereich eine erste Information bezüglich einer Dichte und/oder einer Kernladungszahl sowie eine zweite strukturelle Information umfasst. Die strukturelle Information kann entsprechend Ausführungsbeispielen eine Information bezüglich einer Lage der ein oder mehreren Bereiche der zu recycelnden Komponente/Elektronik/Batterie oder Batteriezelle oder bezüglich einer Lage eine Elektronik oder eine Verkabelung umfassen. Additiv oder alternativ kann die zweite strukturelle Information eine Information bezüglich einer Geometrie der ein oder mehreren Bereiche der zu recycelnden Komponente oder Batterie oder Batteriezelle umfassen. Der Prozessor ist ausgebildet, unter Verwendung eines Kl-Algorithmus bzw. im Vorfeld oder in Betrieb trainierten Kl-Algorithmus in einem jeweiligen der Durchstrahlungsbilder ein oder mehrere Bereiche zu erkennen, die eine Batterie, insbesondere eine Lithiumionen- batterie, oder eine Batteriezelle, insbesondere eine Lithiumionenbatteriezelle, aufweisen. Das Erkennen erfolgt auf Basis eines ersten Merkmals, das von der ersten Information abgeleitet ist, und/oder eines zweiten Merkmals, das von der zweiten strukturellen Information abgeleitet ist.
Ausführungsbeispielen der vorliegenden Erfindung liegt die Erkenntnis zugrunde, dass durch die Kombination von Mehrenergiedurchstrahlungsbilder, die es erlauben, dass durchstrahlte Materialien hinsichtlich seiner Dichte und Kernladungszahl bewertet werden, sowie strukturelle Informationen aus den Röntgenbildern (z. B. Form, Abschwächung, Information über z. B. verbaute Elektronik, ...), ein künstliches neuronales Netz (KNN) gespeist werden kann, um so eine frühzeitige Erkennung von zu recycelnden Komponenten zu ermöglichen. Beispielsweise kann das neuronale Netzwerk darauf trainiert sein, Geräte wie z. B. LIB (Lithiumionenbatterie) bzw. einzelne LIB (-Zellen) in diesen, ausgewerteten Projektionen zu erkennen. Hieraus besteht der Vorteil, dass die Bandgefahr, welche von den LIB ausgeht, bereits zu Beginn des Recyclingprozesses illuminiert werden kann. Bei hoher Detektionsgüte kann davon ausgegangen werden, dass die Brandgefahr durch LIB signifikant gesenkt wird oder fast vollständig illuminiert werden kann. Im Gegensatz zu anderen Detektionsmethoden, welche eine Mono-Lage des Materialstroms erfordern würden (wie z. B. optische Systeme), ist dies mit dem erläuterten Ansatz nicht nötig. In den meisten Sortieranlagen wäre es schwer möglich, insbesondere am Anfang des Materialstroms, eine Mono-Lage im Materialstrom zu erzeugen. Ausführungsbeispiele der Erfindung schaffen somit erhöhte Brandsicherheit, wobei die Kosten für die Röntgendetektionssysteme deutlich niedriger wären als aktuelle Anlagen zur Branddetektion und Brandlöschung.
Entsprechend Ausführungsbeispielen ist der Prozessor ausgebildet, ein oder mehrere Kandidatenbereiche für die zu recycelnde Komponente oder für die Batterie oder die Batteriezelle anhand des ersten Merkmals zu identifizieren und anhand des zweiten Merkmals die Kandidatenbereiche als die ein oder mehreren Bereiche zu identifizieren. Entsprechend einem weiteren Ausführungsbeispiel wäre es denkbar, dass die ein oder mehreren Kandidatenbereiche für die zu recycelnden Komponente, die Batterie oder die Batteriezelle anhand des zweiten Merkmals identifiziert werden und anhand des ersten Merkmals die Kandidatenbereiche als die ein oder mehreren Bereiche identifiziert werden. Entsprechend einer weiteren Variante kann der Prozessor auch ausgebildet sein, die ein oder mehreren Bereiche auf Basis einer Kombination des ersten und des zweiten Merkmals zu identifizieren.
Entsprechend einem Ausführungsbeispiel ist der Prozessor ausgebildet, eine Position der ein oder mehreren Bereiche und/oder eine Information über die Position oder relativen Position im Materialstrom der ein oder mehreren Bereiche zu ermitteln und diese beispielsweise an die Sortieranlage weiterzugeben. Das Sortiergerät kann entsprechend Ausführungsbeispielen eine Steuerung aufweisen, die ausgebildet ist, die Sortiermittel zu steuern. Entsprechend bevorzugten Ausführungsbeispielen erfolgt das Steuern der Sortiermittel derart, dass diese aktiviert werden, wenn der Prozessor die ein oder mehreren Bereiche identifiziert hat. Entsprechend einer weiter bevorzugten Variante ist die Steuerung ausgebildet, die Sortiermittel zu steuern und anhand der vormals ermittelten Position oder der ermittelten relativen Position die zu recycelnde Komponente/die Batterie/die Batteriezelle mittels der Sortiermittel auszusortieren. Hierbei können die Sortiermittel anhand der Position der ein oder mehreren Bereiche und/oder eine Information über die Position oder relative Position im Materialstrom der ein oder mehreren Bereiche positioniert werden.
Entsprechend Ausführungsbeispielen weisen die Sortiermittel eine Pneumatik, ein Pneumatikschnellschaltventil, eine angetriebene Klappe, ein Reversierband oder ein Robotergreifarm auf.
Entsprechend Ausführungsbeispielen ist das Röntgensystem ausgebildet, die zweite strukturelle Information dadurch zu ermitteln, dass ein homogener Bereich bzw. quasi homogener Bereich zuordenbar zu einer zu recycelnden Komponente/Batterie oder Batteriezelle in Bezug auf seine Geometrie analysiert wird. Hierbei wird die Geometrie erkannt. Zylinderförmige Geometrien sind typisch für Batteriezellen. Auch wäre es denkbar, dass bei der Erkennung auch Zusatzkomponenten, wie z. B. eine Verkabelung oder eine Elektronik, erkannt wird. Verkabelungen weisen ein hohes Aspektverhältnis auf und haben häufig eine zumindest teilweise unregelmäßige Biegung. Eine Elektronik ist durch einen Träger, wie z. B. eine Leiterplatte oder elektrische Komponenten, wie z. B. Kondensatoren, ICs und/oder Widerstände gekennzeichnet. Diese Zusatzkomponenten wie die Verkabelung oder die Elektronik in Kombination mit runden, zylinderförmigen, eckigen Zellen kann die zweite strukturelle Information darstellen. Im einfachsten Fall kann die zweite strukturelle Information eine Information über das eingeschlossene Volumen oder die Geometrie zuordenbar zu einer zu recycelnden Komponente aufweisen. Hierbei kann entsprechend Ausführungsbeispielen eine Musterdetektion erfolgen, die auf mehrere exemplarische/ähnliche Muster in einer Datenbank zugreift und Ähnlichkeiten zu typischen Mustern erkennt. Diese Datenbank ist entsprechend bevorzugten Ausführungsbeispielen durch Kl trainiert. Mittels Benutzereingabe werden relevante Objekte gelabelt und die entsprechenden Trainingsdaten dem Kl-Algorithmus zugeführt, um dieselben zu trainieren.
Entsprechend Ausführungsbeispielen kann das T raining auch in Kombination mit der ersten Information erfolgen, d. h. also, dass gelabelte Trainingsdaten umfassend die erste und die zweite strukturelle Information enthalten sind. Diese werden dann vom Kl-Algorithmus hinsichtlich erster und zweiter Merkmale untersucht. Bevorzugterweise werden große Mengen von Trainingsdaten verwendet, um so im Vorfeld oder im laufenden Betrieb den Kl- Algorithmus zu trainieren. Entsprechend Ausführungsbeispielen wäre es auch denkbar, dass die großen Mengen an Daten im laufenden Betrieb gesammelt und im Nachhinein gelabelt werden.
Entsprechend Ausführungsbeispielen ist das Röntgensystem im Materialfluss vor den Sortiermitteln angeordnet. Bezüglich der Position sei angemerkt, dass die Position und die relative Position im Materialstrom entlang der Bewegung des Materialstroms, d. h. also abhängig von der Bewegungsrichtung und Bewegungsgeschwindigkeit des Materialstroms, berechnet und weitergegeben wird. Der Materialstrom kann entsprechend Ausführungsbeispielen mehrlagig sein, wobei die zu recycelnde Komponente/Batterie/Batteriezelle nicht zwingend auf der obersten Unterlage vorliegen muss, sondern auch zwischen zwei Lagen angeordnet sein kann.
Ein weiteres Ausführungsbeispiel schafft ein Verfahren zum Recyceln mit folgenden Schritten:
Befördern des Materialstroms durch ein Sortiergerät mittels Beförderungsmitteln;
Durchstrahlen des Materialstroms mit zumindest ein oder zwei unterschiedlichen Energien und Erfassen basierend auf der Durchstrahlung von Durchstrahlungsbildern, wobei jedes Durchstrahlungsbild je Bereich eine erste Information bezüglich einer Dichte und/oder einer Kernladungszahl sowie eine zweite strukturelle Information umfasst;
Erkennen unter Verwendung eines Kl-Algorithmus in einem jeweiligen der Durchstrahlungsbilder eines oder mehrerer Bereiche, die eine zu recycelnde Komponente oder eine Batterie, insbesondere eine Lithiumionenbatterie, oder eine Batteriezelle, wie zum Beispiel eine Lithiumionenbatteriezelle, aufweist, wobei die Erkennung auf Basis eines ersten Merkmals (M1), das von der ersten Information abgeleitet ist, und/oder eines zweiten Merkmals (M2), das von der zweiten strukturellen Information abgeleitet ist, erfolgt.
Entsprechend Ausführungsbeispielen kann das Verfahren computerimplementiert sein. Ausführungsbeispiele der vorliegenden Erfindung werden anhand der beiliegenden Zeichnungen erläutert. Es zeigen: Fig. 1 eine schematische Darstellung einer Sortieranlage gemäß einem Basisausführungsbeispiel;
Fig. 2 eine schematische Darstellung eines Flussdiagramms zur Illustration des Recyclingverfahrens gemäß Ausführungsbeispielen;
Fig. 3 eine schematische Darstellung einer zu recycelnden Komponente (Batterie), um erste und zweite Merkmale bzw. erste und zweite (strukturelle) Informationen zu erläutern, die bei Ausführungsbeispielen zur Anwendung kommen.
Bevor nachfolgend Ausführungsbeispiele der vorliegenden Erfindung anhand der beiliegenden Zeichnungen erläutert werden, sei darauf hingewiesen, dass gleichwirkende Elemente und Strukturen mit den gleichen Bezugszeichen versehen sind, so dass die Beschreibung derer aufeinander anwendbar bzw. austauschbar ist.
Fig. 1 zeigt eine Sortieranlage 10 (allgemein Sortiergerät) mit einem Beförderungsmittel 12 sowie einem Röntgensystem, hierMehrenergieröntgensystem 20. Dieses umfasst beispielsweise eine Strahlenquelle 22 sowie einen Strahlendetektor 24. Darüber hinaus umfasst die Sortieranlage 10 einen Prozessor 28. Dieser ist beispielsweise mit dem /Mehr- energie-)Röntgensystem informatorisch gekoppelt und erhält Durchstrahlungsbilder von dem Röntgendetektor 24. Entsprechend optionalen Ausführungsbeispielen kann die Sortieranlage 10 auch noch Sortiermittel 30 aufweisen.
Die Beförderungsmittel 12, die hier beispielsweise als Förderband ausgeführt sind, transportieren einen Materialstrom 14 entlang einer Bewegungsrichtung 12b. In dem Materialstrom 14 kann beispielsweise ein zu detektierendes Objekt, wie z. B. eine Batterie oder Lithiumionenbatterie 16, enthalten sein. Die Sortieranlage 10 ist ausgebildet, das zu detek- tierende Objekt 16 zu identifizieren und entsprechend optionalen Ausführungsbeispielen mittels den Sortiermitteln 30 auszusortieren. Nachfolgend wird die Identifikation des Objekts 16 gemäß dem Basisausführungsbeispiel erläutert.
Das Mehrenergieröntgensystem 20 durchstrahlt mittels der Durchstrahlungsquelle 22 den Materialstrom 14 und damit auch das zu recycelnde Objekt 16. Hierzu werden beispielsweise zwei oder mehr Durchstrahlungsenergien E1 und E2 verwendet, die dann nach Durchstrahlung des Materialstroms 14 bzw. des zu recycelnden Objekts 16 vom Röntgen- detektor 24 detektiert werden. Der Röntgendetektor 24 gibt die Durchstrahlungsbilder zugeordnet zu den Energien E1 und E2 z. B. an den Prozessor aus. Die Durchstrahlungsbilder können entsprechend einer bevorzugten Variante als Mehrenergiedurchstrahlungsbildbzw. allgemein als Durchstrahlungsbild vorliegen. Durchstrahlungsbilder haben den Vorteil, dass Information, wie z. B. eine Dichte des zu durchstrahlenden Objekts und damit auch des Materialstroms 14 bzw. des zu recycelnden Objekts 16 sowie auch eine Kernladungszahl des Materialstroms 14 bzw. des zu recycelnden Objekts 16, bestimmbar ist. Die Dichte und/oder die Kernladungszahl wird als erste Information betrachtet. An dieser Stelle sei angemerkt, dass Batterien, wie z. B. Lithiumionenbatterien (vgl. zu recycelndes Objekt 16), häufig eine bestimmte Dichte und/oder eine bestimmte Kernladungszahl aufgrund ihrer Materialität aufweisen. Diese erste Information 11 wird durch den Prozessor 28 bestimmt bzw. aus dem jeweiligen Durchstrahlungsbild entnommen. Da der gesamte Materialstrom 14 inklusive dem zu recycelnden Objekt 16 durchstrahlt werden, kann jedes Durchstrahlungsbild diese Information 11 zugeordnet zu unterschiedlichen Bereichen, z. B. zugeordnet zu unterschiedlichen Pixeln oder zugeordnet zu unterschiedlich geclusterten Pixeln, entnommen werden. Neben der Bestimmung von 11 ist der Prozessor 28 auch zur Bestimmung von I2 ausgebildet. I2 stellt eine strukturelle Information dar, wie z. B. die Geometrie eines Objekts 16 in dem Materialstrom 14 oder die Lage oder Position. Hierzu ist der Prozessor 28 ausgebildet, in jedem Durchstrahlungsbild einen zusammenhängenden Bereich, z. B. bestehend aus mehreren Pixeln, zu erkennen/zu markieren und diesen Bereich hinsichtlich Position, Lage, Größe, Geometrie zu analysieren. Beispielsweise kann die Geometrie des zu recycelnden Objekts 16 bzw. der Batterie erkannt werden. Batterien haben häufig eine Zylinderform. Der Prozessor 28 kann solche typischen Geometrien erkennen und markieren.
Aus der Information 11 bezüglich der Dichte bzw. Kernladungszahl wird ein erstes Merkmal M1 abgeleitet, während aus der Information I2 bezüglich der Geometrie oder allgemein der strukturellen Information ein zweites Merkmal M2 abgeleitet wird. Diese zwei Merkmale in Kombination lassen einen Rückschluss auf das Objekt 16, oder im speziellen auf das Vorhandensein oder Nichtvorhandensein eines gesuchten Objektes 16, wie z. B. einer Batterie, einer Lithiumionenbatterie oder Batteriezelle bzw. Lithiumionenbatteriezelle, zu. Die zwei Merkmale M1 , M2 können jeweils unterschiedliche Ausprägungen haben, wobei die Kombination der Ausprägung entsprechend Ausführungsbeispielen das Erkennen ermöglicht. Die Erkennung erfolgt entsprechend einem Kl-Algorithmus bzw. einem trainierten Algorithmus. Der Algorithmus ist auf dem Prozessor 28 implementiert und mittels Lerndaten entweder im Vorfeld oder im laufenden Betrieb trainiert. Insofern kann entsprechend Ausführungsbeispielen der Prozessor 28 Zugriff auf eine Datenbank, z. B. eine in einem internen Speicher oder einem externen Speicher (Server) gespeicherte Datenbank, haben. Eine externe Datenbank bietet den Vorteil, dass die große Datenbasis für das Training des Kl- Algorithmus durch mehrere zusammengeschaltete Kl-Algorithmen bzw. ähnliche Sortieranlagen vergrößert werden kann.
Nachfolgend wird Bezug nehmend auf Fig. 2 das entsprechende Verfahren zum Steuern der Sortieranlage erläutert, wobei auch auf optionale Schritte eingegangen wird.
Das Verfahren 100 umfasst die drei Basisschritte 110, 120 und 130. Danach kann ein optionaler Schritt 140 vorgesehen sein. Bei dem Schritt 140 wird der Materialstrom 14, der z. B. den Lithiumionenakku 16 umfasst, durch die Sortieranlage 10 mittels dem Beförderungsmittel 12 befördert.
Im nachfolgenden Schritt 120 erfolgt eine Durchstrahlung des Materialstroms und zwar mit zwei unterschiedlichen Energien, um die Durchstrahlungsbilder zu erhalten. Diese zwei Schritte 110 und 120 werden entsprechend Ausführungsbeispielen kontinuierlich wiederholt, nämlich für immer neue Materialstromabschnitte, so dass immer neue Mehrenergieröntgenbilder von weiteren bzw. verschobenen Abschnitten genommen werden. Im nachfolgenden Schritt 130 kann entweder die eine Mehrenergieröntgenaufnahme oder die Mehrzahl an Mehrenergieröntgenaufnahmen zugehörig zu mehreren Samples analysiert werden. Dieser Schritt ist mit dem Bezugszeichen 130 versehen und umfasst das Erkennen unter Verwendung eines Kl-Algorithmus von ein oder mehreren Bereichen, die eine zu recycelnde Komponente, wie z. B. eine Batterie, Lithiumionenbatterie oder Batteriezelle/Lithi- umionenbatteriezelle, aufweisen. Das Erkennen 130 erfolgt, wie oben bereits erläutert, auf Basis des ersten oder zweiten Merkmals M1/M2. Hierbei kann das erste und zweite Merkmal in Kombination verwendet werden. Die Kombination heißt, dass beide Merkmale gleichwertig sind, d. h. gemeinsam ausgewertet werden. Alternativ wäre auch eine Auswertung nach dem ersten Merkmal und eine Bestätigung durch das zweite Merkmal oder eine Auswertung nach dem zweiten Merkmal und eine Bestätigung durch das erste Merkmal denkbar. Entsprechend weiteren Ausführungsbeispielen können natürlich auch weitere Merkmale ergänzt werden.
Entsprechend Ausführungsbeispielen wird jedes Merkmal durch ein oder mehrere Parameter charakterisiert. Beim ersten Merkmal wäre das die Kernladungszahl bzw. die Dichte. Lithiumionenbatterien haben eine spezifische Kernladungszahl bzw. range, in welcher sich die Kernladungszahl bewegt. Diese kann beispielsweise sein: z.B. 3 oder zwischen 1 und 30. Ebenso kann die Dichte auch exemplarisch im Bereich von 0,1 bis 5g/cm3 oder 0,5 g/cm3 bis 12 g/cm3 sein.
Für das zweite Merkmal M2 gibt es auch Parameter, anhand dieser dieses beschrieben werden kann. Beispielsweise kann es einen Geometrieparameter umfassen, der die Form charakterisiert oder auch Geometrieparameter, wie z. B. einen Parameter, der das Volumen charakterisiert. Dieses zweite strukturelle Merkmal M2 kann auch eine Information dahingehend umfassen, ob die zu recycelnde Komponente mit weiteren Komponenten, wie z. B. einer Elektronik, verbunden ist. Sowohl beim ersten als auch beim zweiten Merkmal M1/M2 ist jeweils eine Kombination aus Untermerkmalen (beim ersten Merkmal Kernladungszahl + Dichte, beim zweiten Merkmal beispielsweise Volumen + Formfaktor und/oder + weitere Komponenten erkannt) möglich. Anhand der Merkmalskombination oder Merkmalskombination der Untermerkmale erfolgt dann das Erkennen.
Erkannte zu recycelnde Objekte, wie z. B. Lithiumionenbatterien, werden markiert, d. h. also, dass Information ausgegeben wird, dahingehend, dass mit einer hohen Wahrscheinlichkeit ein entsprechendes zu recycelndes Merkmal, wie z. B. eine Lithiumionenbatterie, vorliegt. Auch kann zusätzlich die Position des Objekts 16 im Materialstrom 14 mitangegeben werden, wobei ausgehend von der Materialstrombewegung 12b die Position auch eine Information bezüglich der Geschwindigkeit, Bewegungsrichtung, etc. umfassen kann.
In dem nächsten optionalen Schritt 140 wird diese Information verwendet. In dem Schritt 140 wird das erkannte Objekt 16 entsprechend aussortiert, d. h. vom restlichen Materialstrom 14 getrennt, z. B. durch eine pneumatische Vorrichtung oder einen Greifarm. In Fig. 1 sind diese Sortiermittel mit dem Bezugszeichen 30 versehen.
Zusammenfassend heißt es also, dass das System 10 aus Fig. 1 Mehrenergieröntgentechnik 20 nutzt, um einen Abfallstrom 14 auf z. B. einem Förderband 12 zu durchstrahlen und somit selbst bei hoher Materialdicke und in unterschiedlichen Geräten LIBs 16 im Materialstrom 14 zu detektieren. Um die Identifikation der LIBs 16 (freiliegend oder innerhalb von Geräten) durchzuführen, wird ein Maschinen-Learning (ML)-basierter Ansatz verwendet. Dieser nutzt das zumindest erste Merkmal M1 und zweite strukturelle Merkmal M2 bzw. die entsprechenden Untermerkmale hierzu. Dazu ist der Algorithmus bzw. wird der Algorithmus mit einer Vielzahl an Lerndaten trainiert. Dieser Schritt ist optional und mit dem Bezugszeichen 135 in Fig. 2 versehen. Beim Trainieren werden eine Vielzahl von Mehrenergieröntgenaufnahmen zugeordnet zu unterschiedlichen Materialströmen bzw. unterschiedlichen Materialströmen mit zu detektierenden Objekten, wie z. B. LIBs, bereitgestellt und im Vorfeld oder im Nachgang gelabelt.
Somit ist eine Klassifizierung der einzelnen unterschiedlichen Materialien im Materialstrom 14 und damit auch eine Erkennung der LIBs 16 bzw. allgemein der zu detektierenden Objekte 16 anhand der Merkmale M1 und M2 möglich. Das erste Merkmal M1 wird auf Basis der ersten Information bestimmt, während das Merkmal M2 auf Basis der zweiten strukturellen Information bestimmt wird. Wie bereits oben erwähnt, können bei jedem Merkmal M1 und M2 auch mehrere Informationen verwendet werden. Auch wäre es denkbar, dass jedes Merkmal in Untermerkmalen aufgegliedert wird.
Entsprechend Ausführungsbeispielen klassifiziert der ML-Prozessor bzw. mit ML trainierte Prozessor 28 die gefundenen Geräte 16 in Klassen (wie z. B. Powerbanks, Handys, etc.) entsprechend weiteren Ausführungsbeispielen. Das heißt also, dass auch eine Differenzierung zwischen einzelnen so detektierten Objekten 16 erfolgen kann. Insofern kann der Algorithmus auch derart ausgelegt sein, dass unterschiedliche Objekte erkannt und auseinandergehalten werden. Das erfolgt ebenso durch die Verbindung der Information aus der Mehrenergieröntgenaufnahme (Röntgendaten basierend auf Dichte und Kernladungszahl) mit der der Objekterkennung (Form, Abschwächung, Information über z. B. verbaute Elektronik, etc.).
An dieser Stelle sei angemerkt, dass entsprechend Ausführungsbeispielen die Mehrenergieröntgenaufnahmetechnik möglichst weit vorne in Materialflussrichtung gesehen (vgl. 12b) in der Sortieranlage verbaut ist, um möglichst frühzeitig gefährliche Elemente, wie z. B. LIBs, zu erkennen.
Bezug nehmend auf Fig. 3 werden nun Merkmalskombinationen anhand eines Diagramms erläutert. Fig. 3 zeigt ein zweidimensionales Diagramm mit den Merkmalen M1 und M2. Umso höher der Wert ist, umso höher ist der Erfüllungsgrad des jeweiligen Merkmals. Beispielsweise deutet ein hoher M1-Wert darauf hin, dass die Kernladungszahl und/oder die Dichte nahe einer typischen Dichte/typischen Kernladungszahl für zu suchende Objekte, wie z. B. LIBs, ist. Mit dem Merkmal M2 wird die Kombination aus unterschiedlichen Formfaktoren bestimmt. Beispielsweise gibt ein hoher M2-Wert an, dass die Größe sich im Bereich des entsprechenden gesuchten Wertes befindet, d. h. beispielsweise, dass das erkannte Objekt ein entsprechendes Volumen hat, das einem Volumen eines gesuchten Objekts, wie z. B. einem LIB, entspricht, also nicht signifikant größer oder signifikant kleiner ist. Das Diagramm ist in drei Teile untergliedert, wobei der Diagrammteil A angibt, dass höchstwahrscheinlich keine LIB in dem untersuchten Bereich vorliegt, und der Diagrammteil B eine mittlere Wahrscheinlichkeit angibt. Im Bereich C ist die Wahrscheinlichkeit, dass ein LIB in dem untersuchten Bereich gefunden wurde, hoch. Entsprechend weiteren Ausführungsbeispielen können die einzelnen Merkmale, wie z. B. das zweite strukturelle Merkmal M2, auch aufgegliedert sein, so dass sich dann beispielsweise ein mehrdimensionaler Merkmalsraum, z. B. dreidimensional, etc. ergibt.
Wie bereits oben erwähnt, wird bei dem Merkmal immer ein Vergleich mit einem typischen „Zielwert“ gemacht, d. h. also, dass die Wahrscheinlichkeit, dass ein entsprechend gesuchtes Objekt, wie z. B. eine LIB, vorliegt, dann gegeben ist, wenn die Kernladungszahl oder Dichte extrem hoch ist.
An dieser Stelle sei angemerkt, dass entsprechend Ausführungsbeispielen die Mehrenergieröntgenaufnahme nicht nur durch eine eindimensionale Durchleuchtung, d. h. also nicht nur in einer Durchleuchtungsrichtung, sondern auch durch eine mehrdimensionale Durchleuchtungsrichtung, entsprechend einem CT, realisiert sein kann.
Nachfolgend wird ein bevorzugtes Ausführungsbeispiel in Gänze erläutert:
An geeigneter Stelle in der Sortieranlage (möglichst frühzeitig) wird ein Mehrenergieröntgensystem installiert. Dieses durchstrahlt den Materialstrom auf dem Förderband und generiert Durchstrahlungsbilder. Diese Durchstrahlungsbilder erlauben es, das durchstrahlte Material hinsichtlich seiner Dichte und Kernladungszahl zu bewerten sowie strukturelle Informationen aus den Röntgenbildern (Form, Abschwächung, Information über z. B. verbaute Elektronik, ...) in ein künstliches neuronales Netzwerk (KNN) zu speisen. Dieses neuronale Netzwerk ist darauf trainiert, Geräte mit LIB bzw. einzelne LIB in diesen, ausgewerteten Projektionen zu identifizieren. Somit können die LIB sehr früh im Recyclingprozess detektiert, gefunden und aus dem Materialstrom ausgebracht werden. Zur Ausbringung können dabei unterschiedliche Methoden (z. B. Pneumatik-Schnellschaltventile, angetriebene Klappen, Reversierband, (Robotik)-Greifer etc.) verwendet werden.
Ausführungsbeispiele der vorliegenden Erfindung werden vor allem in der Recyclingindustrie verwendet. Dabei können verschiedene Materialströme in der Branche adressiert werden. Darunter fallen z. B. der Materialstrom der Leichtverpackung (LVP), Elektroaltgeräte (WEEE), Industrie- oder Siedlungsabfälle. Zudem wäre es möglich, das Patent auch auf andere anliegende Anwendungsfälle wie z. B. die Detektion von LIB in Papiermüll zu transponieren. Dies betrifft nicht nur Sortieranlagen, sondern z. B. auch Aufbereitungsanlagen für Papier, Zwischenlager oder Anlagen zur Ballenpressung.
Obwohl manche Aspekte im Zusammenhang mit einer Vorrichtung beschrieben wurden, versteht es sich, dass diese Aspekte auch eine Beschreibung des entsprechenden Verfahrens darstellen, sodass ein Block oder ein Bauelement einer Vorrichtung auch als ein entsprechender Verfahrensschritt oder als ein Merkmal eines Verfahrensschrittes zu verstehen ist. Analog dazu stellen Aspekte, die im Zusammenhang mit einem oder als ein Verfahrensschritt beschrieben wurden, auch eine Beschreibung eines entsprechenden Blocks oder Details oder Merkmals einer entsprechenden Vorrichtung dar. Einige oder alle der Verfahrensschritte können durch einen Hardware-Apparat (oder unter Verwendung eine Hardware-Apparats), wie zum Beispiel einen Mikroprozessor, einen programmierbaren Computer oder eine elektronische Schaltung. Bei einigen Ausführungsbeispielen können einige oder mehrere der wichtigsten Verfahrensschritte durch einen solchen Apparat ausgeführt werden.
Je nach bestimmten Implementierungsanforderungen können Ausführungsbeispiele der Erfindung in Hardware oder in Software implementiert sein. Die Implementierung kann unter Verwendung eines digitalen Speichermediums, beispielsweise einer Floppy-Disk, einer DVD, einer Blu-ray Disc, einer CD, eines ROM, eines PROM, eines EPROM, eines EEPROM oder eines FLASH-Speichers, einer Festplatte oder eines anderen magnetischen oder optischen Speichers durchgeführt werden, auf dem elektronisch lesbare Steuersignale gespeichert sind, die mit einem programmierbaren Computersystem derart Zusammenwirken können oder Zusammenwirken, dass das jeweilige Verfahren durchgeführt wird. Deshalb kann das digitale Speichermedium computerlesbar sein.
Manche Ausführungsbeispiele gemäß der Erfindung umfassen also einen Datenträger, der elektronisch lesbare Steuersignale aufweist, die in der Lage sind, mit einem programmierbaren Computersystem derart zusammenzuwirken, dass eines der hierin beschriebenen Verfahren durchgeführt wird.
Allgemein können Ausführungsbeispiele der vorliegenden Erfindung als Computerprogrammprodukt mit einem Programmcode implementiert sein, wobei der Programmcode dahin gehend wirksam ist, eines der Verfahren durchzuführen, wenn das Computerprogrammprodukt auf einem Computer abläuft. Der Programmcode kann beispielsweise auch auf einem maschinenlesbaren Träger gespeichert sein.
Andere Ausführungsbeispiele umfassen das Computerprogramm zum Durchführen eines der hierin beschriebenen Verfahren, wobei das Computerprogramm auf einem maschinenlesbaren Träger gespeichert ist. Mit anderen Worten ist ein Ausführungsbeispiel des erfindungsgemäßen Verfahrens somit ein Computerprogramm, das einen Programmcode zum Durchführen eines der hierin beschriebenen Verfahren aufweist, wenn das Computerprogramm auf einem Computer abläuft.
Ein weiteres Ausführungsbeispiel der erfindungsgemäßen Verfahren ist somit ein Datenträger (oder ein digitales Speichermedium oder ein computerlesbares Medium), auf dem das Computerprogramm zum Durchführen eines der hierin beschriebenen Verfahren aufgezeichnet ist.
Ein weiteres Ausführungsbeispiel des erfindungsgemäßen Verfahrens ist somit ein Datenstrom oder eine Sequenz von Signalen, der bzw. die das Computerprogramm zum Durchführen eines der hierin beschriebenen Verfahren darstellt bzw. darstellen. Der Datenstrom oder die Sequenz von Signalen kann bzw. können beispielsweise dahin gehend konfiguriert sein, über eine Datenkommunikationsverbindung, beispielsweise über das Internet, transferiert zu werden.
Ein weiteres Ausführungsbeispiel umfasst eine Verarbeitungseinrichtung, beispielsweise einen Computer oder ein programmierbares Logikbauelement, die dahin gehend konfiguriert oder angepasst ist, eines der hierin beschriebenen Verfahren durchzuführen.
Ein weiteres Ausführungsbeispiel umfasst einen Computer, auf dem das Computerprogramm zum Durchführen eines der hierin beschriebenen Verfahren installiert ist.
Ein weiteres Ausführungsbeispiel gemäß der Erfindung umfasst eine Vorrichtung oder ein System, die bzw. das ausgelegt ist, um ein Computerprogramm zur Durchführung zumindest eines der hierin beschriebenen Verfahren zu einem Empfänger zu übertragen. Die Übertragung kann beispielsweise elektronisch oder optisch erfolgen. Der Empfänger kann beispielsweise ein Computer, ein Mobilgerät, ein Speichergerät oder eine ähnliche Vorrichtung sein. Die Vorrichtung oder das System kann beispielsweise einen Datei-Server zur Übertragung des Computerprogramms zu dem Empfänger umfassen.
Bei manchen Ausführungsbeispielen kann ein programmierbares Logikbauelement (beispielsweise ein feldprogrammierbares Gatterarray, ein FPGA) dazu verwendet werden, manche oder alle Funktionalitäten der hierin beschriebenen Verfahren durchzuführen. Bei manchen Ausführungsbeispielen kann ein feldprogrammierbares Gatterarray mit einem Mikroprozessor Zusammenwirken, um eines der hierin beschriebenen Verfahren durchzuführen. Allgemein werden die Verfahren bei einigen Ausführungsbeispielen seitens einer beliebigen Hardwarevorrichtung durchgeführt. Diese kann eine universell einsetzbare Hardware wie ein Computerprozessor (CPU) sein oder für das Verfahren spezifische Hardware, wie beispielsweise ein ASIC.
Die oben beschriebenen Ausführungsbeispiele stellen lediglich eine Veranschaulichung der Prinzipien der vorliegenden Erfindung dar. Es versteht sich, dass Modifikationen und Variationen der hierin beschriebenen Anordnungen und Einzelheiten anderen Fachleuten einleuchten werden. Deshalb ist beabsichtigt, dass die Erfindung lediglich durch den Schutzumfang der nachstehenden Patentansprüche und nicht durch die spezifischen Einzelheiten, die anhand der Beschreibung und der Erläuterung der Ausführungsbeispiele hierin präsentiert wurden, beschränkt sei.

Claims

Patentansprüche
1. Sortiergerät (10) mit folgenden Merkmalen:
Beförderungsmitteln (12) zur Beförderung eines Materialstroms (14) durch das Sortiergerät (10); einem Ein- oder Mehrenergieröntgensystem (20), das ausgebildet ist, den Materialstrom (14) unter Verwendung von zumindest einer Energie oder zumindest zwei unterschiedlichen Energien zu durchstrahlen und basierend auf der Durchstrahlung Durchstrahlungsbilder zu erfassen, wobei jedes Durchstrahlungsbild je Bereich eine erste Information bezüglich einer Dichte und/oder einer Kernladungszahl sowie eine zweite strukturelle Information umfasst; einem Prozessor (28), der ausgebildet ist, unter Verwendung eines Kl-Algorithmus in einem jeweiligen der Durchstrahlungsbilder ein oder mehrere Bereiche zu erkennen, die eine zu recycelnde Komponente (16) oder Elektronik oder eine Batterie, insbesondere eine Lithiumionenbatterie, oder eine Batteriezelle, insbesondere eine Lithiumionenbatteriezelle, aufweist; wobei die Erkennung auf Basis eines ersten Merkmals (M1), das von der ersten Information abgeleitet ist, und/oder eines zweiten Merkmals (M2), das von der zweiten strukturellen Information abgeleitet ist, erfolgt.
2. Sortiergerät (10) gemäß Anspruch 1 , Sortiergerät (10) gemäß Anspruch 1 , wobei die Erkennung auf Basis des ersten Merkmals (M1) in Kombination mit dem zweiten Merkmal (M2) erfolgt.
3. Sortiergerät (10) gemäß einem der vorherigen Ansprüche, wobei die zweite strukturelle Information eine Information bezüglich einer Lage der ein oder mehreren Bereiche der zu recycelnde Komponente (16) oder der Batterie oder der Batteriezelle bezüglich einer Lage einer Elektronik oder einer Verkabelung umfasst; und/oder wobei die zweite strukturelle Information eine Information bezüglich einer Geometrie der ein oder mehreren Bereiche der zu recycelnde Komponente (16) oder der Batterie oder der Batteriezelle umfasst.
4. Sortiergerät (10) gemäß einem der vorherigen Ansprüche, wobei der Prozessor (28) ausgebildet ist, ein oder mehrere Kandidatenbereiche für die zu recycelnde Komponente (16) oder die Batterie oder die Batteriezelle anhand des ersten Merkmals (M1) zu identifizieren und anhand des zweiten Merkmals (M2) die Kandidatenbereiche als die ein oder mehreren Bereiche zu identifizieren.
5. Sortiergerät (10), wobei der Prozessor (28) ausgebildet ist, ein oder mehrere Kandidatenbereiche für die zu recycelnde Komponente (16) oder die Batterie oder die Batteriezelle anhand des zweiten Merkmals (M2) zu identifizieren und anhand des ersten Merkmals (M1) die Kandidatenbereich als die ein oder mehreren Bereiche zu identifizieren.
6. Sortiergerät (10) gemäß einem der vorherigen Ansprüche, wobei der Prozessor (28) ausgebildet ist, die ein oder mehreren Bereiche auf Basis einer Kombination des ersten und des zweiten Merkmals (M2) zu identifizieren.
7. Sortiergerät (10) gemäß einem der vorherigen Ansprüche, wobei der Prozessor (28) ausgebildet ist, eine Position der ein oder mehreren Bereiche und/oder eine Information über die Position oder relative Position im Materialstrom (14) der ein oder mehreren Bereiche zu ermitteln.
8. Sortiergerät (10) gemäß einem der vorherigen Ansprüche, die ferner eine Steuerung aufweist, die ausgebildet ist, Sortiermittel zu steuern.
9. Sortiergerät (10) gemäß Anspruch 8, wobei die Steuerung ausgebildet ist, die Sortiermittel zu aktivieren, wenn der Prozessor (28) die ein oder mehreren Bereiche identifiziert hat.
10. Sortiergerät (10) gemäß Anspruch 8, die ferner eine Steuerung aufweist, die ausgebildet ist, Sortiermittel zu steuern und anhand der ermittelten Position oder ermittelten relativen Position die zu recycelnde Komponente (16) oder die Batterie oder die Batteriezelle mittels der Sortiermittel auszusortieren und/oder die Sortiermittel anhand einer Position der ein oder mehreren Bereiche und/oder einer Information über die Position oder relative Position im Materialstrom (14) der ein oder mehreren Bereiche zu positionieren.
11. Sortiergerät (10) gemäß einem der Ansprüche 8, 9 und 10, wobei die Sortiermittel eine Pneumatik, ein Pneumatikschnellschaltventil, eine angetriebene Klappe, ein Reversierband und/oder einen Robotergreifarm aufweisen.
12. Sortiergerät (10) gemäß einem der Ansprüche 8, 9, 10 oder 11 , wobei das Ein- oder Mehrenergieröntgensystem (20) in Materialflussrichtung vor den Sortiermitteln angeordnet ist.
13. Sortiergerät (10) gemäß einem der Ansprüche 7 bis 12, wobei der Prozessor (28) ausgebildet ist, die Position oder relative Position im Materialstrom (14) entlang der Bewegung des Materialstroms (14) zu berechnen.
14. Sortiergerät (10) gemäß einem der vorherigen Ansprüche, wobei der Materialstrom (14) mehrlagig ist; und/oder wobei die zu recycelnde Komponente (16) oder die Batterie oder die Batteriezelle zwischen zwei Lagen angeordnet ist.
15. Verfahren (100) zum Recycling mit folgenden Schritten:
Befördern (110) des Materialstroms (14) durch ein Sortiergerät (10) mittels Beförderungsmitteln (12);
Durchstrahlen (120) des Materialstroms (14) mit zumindest zwei unterschiedlichen Energien und Erfassen basierend auf der Durchstrahlung von Durchstrahlungsbildern, wobei jedes Durchstrahlungsbild je Bereich eine erste Information bezüglich einer Dichte und/oder einer Kernladungszahl sowie eine zweite strukturelle Information umfasst;
Erkennen (130) unter Verwendung eines Kl-Algorithmus in einem jeweiligen der Durchstrahlungsbilder ein oder mehrerer Bereiche, die eine zu recycelnde Komponente (16) oder Elektronik oder eine Batterie, insbesondere eine Lithiumionenbatte- rie, oder eine Batteriezelle, wie zum Beispiel eine Lithiumionenbatteriezelle, aufweisen, wobei die Erkennung auf Basis eines ersten Merkmals (M1), das von der ersten Information abgeleitet ist, und/oder eines zweiten Merkmals (M2), das von der zweiten strukturellen Information abgeleitet ist, erfolgt.
16. Computerprogramm zur Durchführung der Verfahrensschritte gemäß dem Verfahren nach Anspruch 15.
EP24719531.6A 2023-04-14 2024-04-15 Sortiergerät, sortioerverfahren, sowie computerprogramm Pending EP4695032A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP23168070.3A EP4446020A1 (de) 2023-04-14 2023-04-14 Sortiergerät, sortierverfahren, sowie computerprogramm
PCT/EP2024/060171 WO2024213789A1 (de) 2023-04-14 2024-04-15 Sortiergerät, sortioerverfahren, sowie computerprogramm

Publications (1)

Publication Number Publication Date
EP4695032A1 true EP4695032A1 (de) 2026-02-18

Family

ID=86051929

Family Applications (2)

Application Number Title Priority Date Filing Date
EP23168070.3A Withdrawn EP4446020A1 (de) 2023-04-14 2023-04-14 Sortiergerät, sortierverfahren, sowie computerprogramm
EP24719531.6A Pending EP4695032A1 (de) 2023-04-14 2024-04-15 Sortiergerät, sortioerverfahren, sowie computerprogramm

Family Applications Before (1)

Application Number Title Priority Date Filing Date
EP23168070.3A Withdrawn EP4446020A1 (de) 2023-04-14 2023-04-14 Sortiergerät, sortierverfahren, sowie computerprogramm

Country Status (6)

Country Link
US (1) US20260034566A1 (de)
EP (2) EP4446020A1 (de)
JP (1) JP2026514129A (de)
KR (1) KR20260002930A (de)
AU (1) AU2024256016A1 (de)
WO (1) WO2024213789A1 (de)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105445290A (zh) * 2014-09-02 2016-03-30 同方威视技术股份有限公司 X射线产品质量在线检测装置
US10710119B2 (en) * 2016-07-18 2020-07-14 UHV Technologies, Inc. Material sorting using a vision system
US11660642B1 (en) * 2020-11-02 2023-05-30 Linev Systems Us, Inc. Method and apparatus for automatic sorting of unmarked power cells

Also Published As

Publication number Publication date
US20260034566A1 (en) 2026-02-05
KR20260002930A (ko) 2026-01-06
WO2024213789A1 (de) 2024-10-17
AU2024256016A1 (en) 2025-10-30
JP2026514129A (ja) 2026-05-01
EP4446020A1 (de) 2024-10-16

Similar Documents

Publication Publication Date Title
EP3797337B1 (de) Verfahren zum hantieren eines werkstücks mit hilfe eines entnahmewerkzeugs und maschine zur durchführung des verfahrens
EP3393687B2 (de) Verfahren und vorrichtung für das recycling von metallschrotten
DE102012107278A1 (de) Verfahren und Vorrichtung zur Überwachung einer Fleischverarbeitungsmaschine
EP3842788B1 (de) Nah-infrarot-spektralsensor zur objekterkennung mittels maschinenlernverfahren, und entsprechendes verfahren
DE19610093A1 (de) Verfahren zum Sortieren von Altbatterien und/oder Altakkumulatoren sowie Vorrichtung zur Durchführung des Verfahrens
DE102021204040A1 (de) Verfahren, Vorrichtung und Computerprogramm zur Erstellung von Trainingsdaten im Fahrzeug
WO2015074985A1 (de) Verfahren zum zuordnen von objekten zu objektklassen und vorrichtung zum sortieren von objekten
EP3468727B1 (de) Sortiervorrichtung sowie entsprechendes sortierverfahren
DE102011015849A1 (de) Vorrichtung und Verfahren zur automatischen Überwachung einer Vorrichtung zur Verarbeitung von Fleischprodukten
EP1421999A2 (de) Verfahren zum Identifizieren, Klassifizieren und Sortieren von Gegenständen, Objekten und Materialien, sowie ein Erkennungssystem zur Durchführung dieses Verfahrens
EP2490044A2 (de) Untersuchungsvorrichtung zur Untersuchung eines als Person und/oder Behälter ausgebildeten Untersuchungsgegenstands
EP4446020A1 (de) Sortiergerät, sortierverfahren, sowie computerprogramm
DE102023119849A1 (de) Mikroskopiesystem und Verfahren zum Entfernen von Bildartefakten
DE102022124338A1 (de) Prozessorschaltung und Verfahren zum Überwachen eines Fügeprozesses von Werkstücken in einem Fügeautomaten sowie Fügeautomat
DE102022107831A1 (de) Neuronale Netzwerkarchitektur für die automatisierte Teileprüfung
DE102024121825A1 (de) Verfahren für ein Erzeugen von Sortierdaten für ein nachfolgendes Sortieren von einem Materialgemenge
DE102021210572B4 (de) Vorrichtung und Verfahren zum Prüfen eines Prüflings
AT528655B1 (de) Verfahren und Vorrichtung zur Klassifizierung von Abfall
DE102023202195A1 (de) Erkennungsverfahren für eine erkennung von alarmobjekten in gepäckstücken
AT511399B1 (de) Verfahren zur automatisierten klassifikation von einschlüssen
EP4571676A1 (de) Computerimplementiertes verfahren und überwachungssystem zur bestimmung eines zustands einer handhabungsvorrichtung, verfahren zum trainieren oder umtrainieren eines ersten und/oder eines zweiten lernenden algorithmus, computerprogramm
AT526401A1 (de) Verfahren zum Sortieren von Sortiergut
DE102024110348A1 (de) Maschinenlernfähiges Modell zur Steuerung eines verteilenden Transports eines Wertstoffgemischs
EP4390804A1 (de) Verfahren zum analysieren von störungen bei einem betrieb eines handhabungssystems, verfahren zum trainieren oder umtrainieren eines klassifikators, computerprogramm und system zum analysieren von störungen
DE102023135118A1 (de) Verfahren und Vorrichtung zum legierungsabhängigen Sortieren von Sortiergut

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20251113

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR