Datenakquise für die Digitalisierung der Handsortierung: Methodik und erste Erkenntnisse

Research output: Chapter in Book/Report/Conference proceedingConference contribution

Standard

Datenakquise für die Digitalisierung der Handsortierung: Methodik und erste Erkenntnisse. / Aberger, Julian; Brensberger, Lena; Khodier, Karim et al.
13. Wissenschaftskongress Kreislauf- und Ressourcenwirtschaft: am 15. und 16. Februar 2024 an der Technischen Universität Wien. 2024. p. 171-174.

Research output: Chapter in Book/Report/Conference proceedingConference contribution

Harvard

Aberger, J, Brensberger, L, Khodier, K & Sarc, R 2024, Datenakquise für die Digitalisierung der Handsortierung: Methodik und erste Erkenntnisse. in 13. Wissenschaftskongress Kreislauf- und Ressourcenwirtschaft: am 15. und 16. Februar 2024 an der Technischen Universität Wien. pp. 171-174, 13. DGAW-Wissenschaftskongress: Abfall- und Ressourcenwirtschaft , Wien, Austria, 15/02/24. https://doi.org/10.15203/99106-120-5

APA

Aberger, J., Brensberger, L., Khodier, K., & Sarc, R. (2024). Datenakquise für die Digitalisierung der Handsortierung: Methodik und erste Erkenntnisse. In 13. Wissenschaftskongress Kreislauf- und Ressourcenwirtschaft: am 15. und 16. Februar 2024 an der Technischen Universität Wien (pp. 171-174) https://doi.org/10.15203/99106-120-5

Vancouver

Aberger J, Brensberger L, Khodier K, Sarc R. Datenakquise für die Digitalisierung der Handsortierung: Methodik und erste Erkenntnisse. In 13. Wissenschaftskongress Kreislauf- und Ressourcenwirtschaft: am 15. und 16. Februar 2024 an der Technischen Universität Wien. 2024. p. 171-174 doi: 10.15203/99106-120-5

Author

Aberger, Julian ; Brensberger, Lena ; Khodier, Karim et al. / Datenakquise für die Digitalisierung der Handsortierung: Methodik und erste Erkenntnisse. 13. Wissenschaftskongress Kreislauf- und Ressourcenwirtschaft: am 15. und 16. Februar 2024 an der Technischen Universität Wien. 2024. pp. 171-174

Bibtex - Download

@inproceedings{498a2843a8cd4b05a6f04877d059f545,
title = "Datenakquise f{\"u}r die Digitalisierung der Handsortierung: Methodik und erste Erkenntnisse",
abstract = "Die manuelle Sortierung von Abf{\"a}llen in Sortierkabinen ist physisch und geistig herausfordernd, deshalb befasst sich das Projekt recAIcle mit der Entwicklung eines Assistenzsystems f{\"u}r Sortiermitarbeiter:innen. F{\"u}r die Entwicklung des Systems sind fortschrittliche K{\"u}nstliche Intelligenz- und Machine Learning-Modelle erforderlich, sowie hochwertige Trainingsdaten. Die Qualit{\"a}t der {\"o}ffentlich verf{\"u}gbaren Trainingsdaten ist oft begrenzt, daher ist es wichtig, ma{\ss}geschneiderte Datensets zu erstellen, um bestm{\"o}gliche Ergebnisse zu erzielen. Im Digital Waste Research Lab des Lehrstuhls f{\"u}r Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversit{\"a}t Leoben wurden experimentell Trainingsdaten f{\"u}r die Objekterkennung, Klassifikation und Aktionserkennung des recAIcle Systems gewonnen. Die Methodik und die Ergebnisse der Trainingsdatenakquise werden in diesem Beitrag vorgestellt.",
author = "Julian Aberger and Lena Brensberger and Karim Khodier and Renato Sarc",
year = "2024",
month = feb,
day = "15",
doi = "10.15203/99106-120-5",
language = "Deutsch",
pages = "171--174",
booktitle = "13. Wissenschaftskongress Kreislauf- und Ressourcenwirtschaft",
note = "13. DGAW-Wissenschaftskongress: Abfall- und Ressourcenwirtschaft ; Conference date: 15-02-2024 Through 16-02-2024",

}

RIS (suitable for import to EndNote) - Download

TY - GEN

T1 - Datenakquise für die Digitalisierung der Handsortierung: Methodik und erste Erkenntnisse

AU - Aberger, Julian

AU - Brensberger, Lena

AU - Khodier, Karim

AU - Sarc, Renato

PY - 2024/2/15

Y1 - 2024/2/15

N2 - Die manuelle Sortierung von Abfällen in Sortierkabinen ist physisch und geistig herausfordernd, deshalb befasst sich das Projekt recAIcle mit der Entwicklung eines Assistenzsystems für Sortiermitarbeiter:innen. Für die Entwicklung des Systems sind fortschrittliche Künstliche Intelligenz- und Machine Learning-Modelle erforderlich, sowie hochwertige Trainingsdaten. Die Qualität der öffentlich verfügbaren Trainingsdaten ist oft begrenzt, daher ist es wichtig, maßgeschneiderte Datensets zu erstellen, um bestmögliche Ergebnisse zu erzielen. Im Digital Waste Research Lab des Lehrstuhls für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben wurden experimentell Trainingsdaten für die Objekterkennung, Klassifikation und Aktionserkennung des recAIcle Systems gewonnen. Die Methodik und die Ergebnisse der Trainingsdatenakquise werden in diesem Beitrag vorgestellt.

AB - Die manuelle Sortierung von Abfällen in Sortierkabinen ist physisch und geistig herausfordernd, deshalb befasst sich das Projekt recAIcle mit der Entwicklung eines Assistenzsystems für Sortiermitarbeiter:innen. Für die Entwicklung des Systems sind fortschrittliche Künstliche Intelligenz- und Machine Learning-Modelle erforderlich, sowie hochwertige Trainingsdaten. Die Qualität der öffentlich verfügbaren Trainingsdaten ist oft begrenzt, daher ist es wichtig, maßgeschneiderte Datensets zu erstellen, um bestmögliche Ergebnisse zu erzielen. Im Digital Waste Research Lab des Lehrstuhls für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben wurden experimentell Trainingsdaten für die Objekterkennung, Klassifikation und Aktionserkennung des recAIcle Systems gewonnen. Die Methodik und die Ergebnisse der Trainingsdatenakquise werden in diesem Beitrag vorgestellt.

U2 - 10.15203/99106-120-5

DO - 10.15203/99106-120-5

M3 - Beitrag in Konferenzband

SP - 171

EP - 174

BT - 13. Wissenschaftskongress Kreislauf- und Ressourcenwirtschaft

T2 - 13. DGAW-Wissenschaftskongress: Abfall- und Ressourcenwirtschaft

Y2 - 15 February 2024 through 16 February 2024

ER -