Intelligente Sortierung von Mauerwerkbruch mit Hilfe von maschinellen Lernmodellen

Gegenstand der vorliegenden Untersuchungen ist die optische Unterscheidbarkeit verschiedener Ziegelarten mit Partikelgrößen < 8 mm, welche im Mauerwerkbruch enthalten sein können, mithilfe von Computer Vision und künstlicher Intelligenz. Dafür wurde ein Bilddatensatz von verschiedenen neuen und recycelten Ziegelarten mit Hilfe eines RGB‐Kamerabasierten Bilderfassungssystems erstellt. Die Bilddaten wurden nach entsprechender Vorverarbeitung hinsichtlich signifikanter Merkmale ausgewertet, um anschließend mit verschiedenen Klassifikationsmodellen des maschinellen Lernens eine optimale Erkennungsroutine ermitteln zu können. Die erzielten Erkennungsraten zeigen, dass sowohl die klassischen Klassifikatoren als auch ein Faltungsneuronales Netzwerk hervorragende Ergebnisse erzielen können.