KI‐gestützte Klassifikation von Gipsgesteinen auf Basis der hyperspektralen Bildgebung im SWIR

Der effiziente Einsatz begrenzter Ressourcen spielt eine immer wichtigere Rolle, wenn es um das nachhaltige Wirtschaften geht. Mit der Beendigung der Kohlever‐stromung bis zum Jahr 2038 und dem damit verbundenen Wegfall von REA‐Gips, verliert die Gipsindustrie eine wesentliche Quelle für ihre Produkte. Dieser Wegfall kann nicht annähernd mittels Gipsrecycling kompensiert werden. Ein vermehrter Abbau von Naturgips und –anhydrit ist in Bezug auf den Naturschutz kritisch zu hinterfragen. Diese Arbeit setzt sich daher insbesondere mit der Klassifikation von bisher ungenutzten Gipsgesteinen (Übergangsgesteine) auseinander, welche ohnehin beim Abbau von Naturgips anfallen. Als Methode der Wahl wird auf die hyperspektrale Bildgebung zurückgegriffen, mit dessen Hilfe es möglich ist räumliche und spektrale Informationen zu gewinnen und diese mit Verfahren des maschinellen Lernens zu kombinieren. Die bisherigen Ergebnisse von mehr als 99 % Erkennungsrate machen zuversichtlich, dass diese Methode sich durchaus eignet. Optimierungsbedarf besteht dagegen in der Erkennung der Mineralphasen im Übergangsgestein selbst.