Technologische Ansätze zur Batterieerkennung im Projekt BattOut
Nach den bisherigen Updates zum aktuellen Stand des Projektes BattOut soll es in diesem Teil der Beitragsreihe um Einblicke in die Technologieentwicklung gehen. Dabei wird die technologische Herausforderung beschrieben und es wird auf die gewählten Ansätze zur Bewältigung der Problemstellung eingegangen.
BattOut ist nicht das erste Projekt, das sich mit der Frage der Erkennung batteriehaltiger Elektroaltgeräte beschäftigt. Sowohl in der wissenschaftlichen Literatur als auch auf dem Markt lassen sich Systeme finden, die die Grundproblematik der Batterieerkennung lösen wollen. Allerdings unterscheiden sich diese Ansätze zum einen in ihrem Einsatzgebiet – oftmals in geschlossenen Sortieranlagen –; beispielhaft dafür ist z.B. die Firma WeSort.ai oder das EU-Projekt GRINNER. Zum anderen nutzen diese Systeme – von sehr vereinzelten Konzepten in der Literatur abgesehen – Röntgentransmission, um die Batterien in den Geräten direkt mittels ihrer Strukturmerkmale auf den Röntgenbildern zu detektieren.
Im Kontrast dazu konzentriert sich BattOut auf den Einsatzort Wertstoffhof. Das System soll das Personal entlasten, zu den baulichen Gegebenheiten inklusive Wetterbeständigkeit passen und möglichst kostengünstig sein. Um die regulatorischen Anforderungen an die Konstruktion und den Betrieb des Systems gering zu halten, wird in BattOut auf Röntgentechnik verzichtet. Stattdessen soll primär Kameratechnik zum Einsatz kommen. Daraus ergibt sich die Schwierigkeit, dass die Batterien nicht mehr direkt erkannt werden können, sondern nur indirekt über äußere Merkmale des Gerätes detektiert werden müssen. Um trotzdem eine hohe Detektionsgenauigkeit zu erreichen, werden unterschiedliche Ansätze kombiniert:
Das Erkennungssystem wird Teil eines Automaten, der auf dem Wertstoffhof aufgestellt wird. Dieser ist zum Schutz vor Beschädigungen und Umwelteinflüssen in einem abschließbaren Container untergebracht. Ein Förderband transportiert die Geräte zunächst einzeln in das Sensorsystem. Hier werden anschließend von allen Seiten Bilder des Gerätes aufgenommen und seine geometrische Form mithilfe von Tiefenbildkameras erfasst. Mit einer Waage kann zudem auch das Gewicht bestimmt werden. Aus den Kamerabildern werden automatisch Detailaufnahmen von 1D- und 2D- Codes – wie Barcodes oder QR-Codes – sowie von den Typenschildern extrahiert. Die gesammelten Daten werden anschließend an die Erkennungssoftware weitergeleitet.
Bei der Erkennungssoftware werden derzeit noch unterschiedliche Ansätze getestet. Wie oben dargelegt, soll die Kombination verschiedener Ansätze Fehler reduzieren. Die gewählten Ansätze lassen sich grob in drei Gruppen unterteilen: 1) Domänenwissen, 2) (interne) Datenbank und 3) Textverarbeitung/Internetsuche.
1) Unter Domänenwissen werden Ansätze zusammengefasst, die vereinfacht ausgedrückt den Entscheidungsprozess eines Mitarbeiters auf einem Wertstoffhof simulieren. Die Entscheidungen werden nicht gelernt, sondern erfolgen anhand von mit Experten erarbeiteten Regeln. Beispielweise kann der Algorithmus basierend auf den Bildern den Gerätetyp bestimmen und mithilfe des Regelsatzes ermitteln, ob eine Batterie enthalten ist. Abbildung 2 zeigt ein Beispiel, denn auf diese Weise könnte ein erkanntes Gerät als Smartphone eingestuft und somit als batteriehaltig bewertet werden:
2) Eine Datenbank ermöglicht es, bereits klassifizierte Geräte wiederzuerkennen und die frühere Bewertung erneut zu verwenden. Dazu werden die Ergebnisse der neuen Messung mit allen früheren Messungen verglichen, um möglichst ähnliche Geräte zu finden. Nach der erfolgten Klassifizierung wird jede Messung mit ihrem Ergebnis in die Datenbank eingetragen, wodurch dieser Ansatz mit zunehmender Laufzeit immer bessere Ergebnisse liefern wird. Eine Schwierigkeit besteht jedoch darin, dass die Altgeräte starke Beschädigungen aufweisen können, wodurch ihr äußeres Erscheinungsbild variieren kann.
3) Bei der letzten Gruppe, der Textverarbeitung respektive Internetsuche, werden die Detailaufnahmen untersucht. Aus den Typenschildern lassen sich Texte extrahieren, aus denen wiederum Informationen über das Produkt wie Modellnummern gewonnen werden können. Basierend auf diesen Informationsschnipseln und den gefundenen Codes lassen sich externe Datenbanken abfragen und somit Internetsuchen durchführen, um beispielsweise Datenblätter zu finden.
Nachdem die Erkennungssoftware die Messung mit den einzelnen Ansätzen analysiert hat, wird eine finale Bewertung ermittelt. Je nachdem, wie eindeutig die Klassifikation in den einzelnen Ansätzen war und wie einig sich die Ansätze sind, kann entweder eine eindeutige Zuordnung zu „batteriehaltig“ oder „nicht batteriehaltig“ erfolgen, oder der Zustand wird sicherheitshalber als „unklar“ markiert. Das Ergebnis soll anschließend über einen Bildschirm der das Gerät bedienenden Person angezeigt werden. Danach kann ein neues Gerät eingelegt werden und der Vorgang beginnt von Neuem.
In der kommenden Zeit werden wir das System in der Praxis auf einem Wertstoffhof testen und die Ansätze basierend auf gewonnen Erkenntnissen verbessern und anpassen.
Ansprechpartnerin
