Kunstmatige intelligentietechnieken voor verbeterd sorteren

Het Ph.D. wil in het AUSOM-project een robuuste effectieve sorteertechniek ontwikkelen die onderzoekt hoe geometrische informatie van camera's en compositiegegevens van LIBS-sensoren kan worden gecombineerd om zowel de classificatie, de lokalisatie van objecten als de controle van de sortering van schroot te verbeteren. De technische haalbaarheid van de integratie van computervisie op basis van diepe leer- en datacombinatietechnologieën om verschillende legeringen van metaalschroot te onderscheiden, zoals verschillende aluminium- en roestvaststalen legeringen, mangaan, koper, messing en lood, zal worden onderzocht. Ook zullen technieken worden ontwikkeld die gebruik maken van zowel classificatie- als geometrische gegevens om selectieve verwijdering van componenten mogelijk te maken (bv. via gecontroleerde pneumatische uitwerping). Het doctoraatsonderzoek zal bijdragen tot de ontwikkeling van een geautomatiseerde sorteertechnologie voor metaallegeringen op basis van laser-geïnduceerde afbraakspectroscopie (LIBS) en computervisie. De onderzoeksdoelstellingen zijn: - Het toepassen van computervisie op basis van diepgaand leren om de sortering van non-ferro metalen die gesorteerd worden op basis van visuele inspectie te vervangen en zelfs te verbeteren. - Het verhogen van de capaciteit van een point and shoot LIBS gebaseerd systeem door het verminderen van het aantal te analyseren elementen door alleen deze metalen onderdelen te analyseren waarvoor het vertrouwen van het computer vision resultaat onaanvaardbaar laag is. - Het creëren van een frame voor de integratie van computer vision en LIBS gegevens om de nauwkeurigheid van de classificatie te verbeteren. - Het verbeteren van de controle voor een meerwegs pneumatische uitwerping die rekening houdt met de geometrische en materiaaleigenschappen van het object om het uitwerpsysteem te controleren.