Advancing Efficiency in Mineral Construction Materials Recycling: A Comprehensive Approach Integrating Machine Learning and X-ray Diffraction Analysis
Autor(en): |
Markus Wilhelm
Frank Lotter Christian Scherdel Jan Schmitt |
---|---|
Medium: | Fachartikel |
Sprache(n): | Englisch |
Veröffentlicht in: | Buildings, 1 Februar 2024, n. 2, v. 14 |
Seite(n): | 340 |
DOI: | 10.3390/buildings14020340 |
Abstrakt: |
In the context of environmental protection, the construction industry plays a key role with significant CO2 emissions from mineral-based construction materials. Recycling these materials is crucial, but the presence of hazardous substances, i.e., in older building materials, complicates this effort. To be able to legally introduce substances into a circular economy, reliable predictions within minimal possible time are necessary. This work introduces a machine learning approach for detecting trace quantities (≥0.06 wt%) of minerals, exemplified by siderite in calcium carbonate mixtures. The model, trained on 1680 X-ray powder diffraction datasets, provides dependable and fast predictions, eliminating the need for specialized expertise. While limitations exist in transferability to other mineral traces, the approach offers automation without expertise and a potential for real-world applications with minimal prediction time. |
Copyright: | © 2024 by the authors; licensee MDPI, Basel, Switzerland. |
Lizenz: | Dieses Werk wurde unter der Creative-Commons-Lizenz Namensnennung 4.0 International (CC-BY 4.0) veröffentlicht und darf unter den Lizenzbedinungen vervielfältigt, verbreitet, öffentlich zugänglich gemacht, sowie abgewandelt und bearbeitet werden. Dabei muss der Urheber bzw. Rechteinhaber genannt und die Lizenzbedingungen eingehalten werden. |
2.5 MB
- Über diese
Datenseite - Reference-ID
10760170 - Veröffentlicht am:
15.03.2024 - Geändert am:
25.04.2024