Einsatz von 3D-Renderings zur Generierung von digitalen Trainingsdaten für die Abfallcharakterisierung mithilfe künstlicher Intelligenz

Publikationen: Thesis / Studienabschlussarbeiten und HabilitationsschriftenMasterarbeit

Standard

Einsatz von 3D-Renderings zur Generierung von digitalen Trainingsdaten für die Abfallcharakterisierung mithilfe künstlicher Intelligenz. / Rizvan, Alisa.
2024.

Publikationen: Thesis / Studienabschlussarbeiten und HabilitationsschriftenMasterarbeit

Bibtex - Download

@mastersthesis{b2841395d5414046bf7d6e8bb3cbaac7,
title = "Einsatz von 3D-Renderings zur Generierung von digitalen Trainingsdaten f{\"u}r die Abfallcharakterisierung mithilfe k{\"u}nstlicher Intelligenz",
abstract = "Die Implementierung von Digitalisierung und Industrie 4.0 in der Abfallwirtschaft steckt noch in den Anf{\"a}ngen. Zuk{\"u}nftig werden Echtzeit{\"u}berwachung, Datenanalyse, Management und Prozesssteuerung f{\"u}r Abfallbehandlungsanlagen h{\"o}chste Priorit{\"a}t haben. Die Behandlung von gemischten Abf{\"a}llen stellt eine Herausforderung dar, bedingt durch Unterschiede in Abfallqualit{\"a}t und Schwankungen durch materielle und maschinelle Faktoren. Das Hauptziel dieser Masterarbeit ist die Charakterisierung fester Abfallpartikel in einer Sch{\"u}ttung auf einem F{\"o}rderband, mit besonderem Fokus auf die Informationsverarbeitung des Sch{\"u}ttguts. Die Echtzeit-Charakterisierung von Abf{\"a}llen auf F{\"o}rderb{\"a}ndern ist von grundlegender Bedeutung f{\"u}r die laufende Anlagenoptimierung. Ziel ist es, autonome und dynamische Anpassungen vorzunehmen, um mit Abfallschwankungen umzugehen. Sensoren, die f{\"u}r eine umfassende Charakterisierung notwendig sind, sind zwar vorhanden, aber mit betr{\"a}chtlichen Kosten und hohen Anforderungen an Arbeitssicherheit verbunden. Daher sind alternative Methoden wie die Klassifizierung durch k{\"u}nstliche Intelligenz und Kameras {\"a}u{\ss}erst w{\"u}nschenswert. Allerdings erfordern diese Ans{\"a}tze gro{\ss}e Mengen an hochwertigen und gelabelten Trainingsdaten, die vor allem im Bereich der festen gemischten Abf{\"a}lle schwierig zu finden sind. Die Erstellung solcher Trainingsdaten {\"u}ber digitale Methoden wie 3D-Renderings werden daher als m{\"o}gliche L{\"o}sung in Betracht gezogen sowie die Entwicklung einer Methodik zur Ermittlung der befindlichen Partikel in einer Sch{\"u}ttung.",
keywords = "3D-Rendering, k{\"u}nstliche Intelligenz, 3D Modelle von Abfallpartikeln, Abfallcharakterisierung, 3D-Rendering, artificial intelligence, waste characterization, 3D Models of waste particles",
author = "Alisa Rizvan",
note = "nicht gesperrt",
year = "2024",
language = "Deutsch",
school = "Montanuniversit{\"a}t Leoben (000)",

}

RIS (suitable for import to EndNote) - Download

TY - THES

T1 - Einsatz von 3D-Renderings zur Generierung von digitalen Trainingsdaten für die Abfallcharakterisierung mithilfe künstlicher Intelligenz

AU - Rizvan, Alisa

N1 - nicht gesperrt

PY - 2024

Y1 - 2024

N2 - Die Implementierung von Digitalisierung und Industrie 4.0 in der Abfallwirtschaft steckt noch in den Anfängen. Zukünftig werden Echtzeitüberwachung, Datenanalyse, Management und Prozesssteuerung für Abfallbehandlungsanlagen höchste Priorität haben. Die Behandlung von gemischten Abfällen stellt eine Herausforderung dar, bedingt durch Unterschiede in Abfallqualität und Schwankungen durch materielle und maschinelle Faktoren. Das Hauptziel dieser Masterarbeit ist die Charakterisierung fester Abfallpartikel in einer Schüttung auf einem Förderband, mit besonderem Fokus auf die Informationsverarbeitung des Schüttguts. Die Echtzeit-Charakterisierung von Abfällen auf Förderbändern ist von grundlegender Bedeutung für die laufende Anlagenoptimierung. Ziel ist es, autonome und dynamische Anpassungen vorzunehmen, um mit Abfallschwankungen umzugehen. Sensoren, die für eine umfassende Charakterisierung notwendig sind, sind zwar vorhanden, aber mit beträchtlichen Kosten und hohen Anforderungen an Arbeitssicherheit verbunden. Daher sind alternative Methoden wie die Klassifizierung durch künstliche Intelligenz und Kameras äußerst wünschenswert. Allerdings erfordern diese Ansätze große Mengen an hochwertigen und gelabelten Trainingsdaten, die vor allem im Bereich der festen gemischten Abfälle schwierig zu finden sind. Die Erstellung solcher Trainingsdaten über digitale Methoden wie 3D-Renderings werden daher als mögliche Lösung in Betracht gezogen sowie die Entwicklung einer Methodik zur Ermittlung der befindlichen Partikel in einer Schüttung.

AB - Die Implementierung von Digitalisierung und Industrie 4.0 in der Abfallwirtschaft steckt noch in den Anfängen. Zukünftig werden Echtzeitüberwachung, Datenanalyse, Management und Prozesssteuerung für Abfallbehandlungsanlagen höchste Priorität haben. Die Behandlung von gemischten Abfällen stellt eine Herausforderung dar, bedingt durch Unterschiede in Abfallqualität und Schwankungen durch materielle und maschinelle Faktoren. Das Hauptziel dieser Masterarbeit ist die Charakterisierung fester Abfallpartikel in einer Schüttung auf einem Förderband, mit besonderem Fokus auf die Informationsverarbeitung des Schüttguts. Die Echtzeit-Charakterisierung von Abfällen auf Förderbändern ist von grundlegender Bedeutung für die laufende Anlagenoptimierung. Ziel ist es, autonome und dynamische Anpassungen vorzunehmen, um mit Abfallschwankungen umzugehen. Sensoren, die für eine umfassende Charakterisierung notwendig sind, sind zwar vorhanden, aber mit beträchtlichen Kosten und hohen Anforderungen an Arbeitssicherheit verbunden. Daher sind alternative Methoden wie die Klassifizierung durch künstliche Intelligenz und Kameras äußerst wünschenswert. Allerdings erfordern diese Ansätze große Mengen an hochwertigen und gelabelten Trainingsdaten, die vor allem im Bereich der festen gemischten Abfälle schwierig zu finden sind. Die Erstellung solcher Trainingsdaten über digitale Methoden wie 3D-Renderings werden daher als mögliche Lösung in Betracht gezogen sowie die Entwicklung einer Methodik zur Ermittlung der befindlichen Partikel in einer Schüttung.

KW - 3D-Rendering

KW - künstliche Intelligenz

KW - 3D Modelle von Abfallpartikeln

KW - Abfallcharakterisierung

KW - 3D-Rendering

KW - artificial intelligence

KW - waste characterization

KW - 3D Models of waste particles

M3 - Masterarbeit

ER -