Sensorgestützte Charakterisierung von Bauschutt bei hohen Belegungsdichten mittels Deep Learning

Die zuverlässige Charakterisierung von Bauschutt bildet die Grundlage zur sensorgestützten Stoffstromüberwachung und Schüttgutsortierung. Ausgehend von Farbaufnahmen von Ziegel- und Kalksandsteinpartikeln werden verschiedene Deep Learning Architekturen zur Objektdetektion (Faster R-CNN, YOLOv3, SSD) hinsichtlich der Eignung für den spezifischen Einsatz in der Bauschuttcharakterisierung untersucht. Im Fokus der Untersuchungen steht die Detektionsleistung bei zunehmender Partikelüberlappung aufgrund verschiedener Belegungsdichten. Für das Training werden synthetisch erzeugte Bilder generiert, um aufwendiges Annotieren zu vermeiden. Der anschließende Transfer und Test auf realen Aufnahmen zeigen die generelle Eignung der Verfahren sowie die Vor- und Nachteile der jeweiligen Architekturen.