Affiliation:
1. Materialforschungs‐ und ‐prüfanstalt an der Bauhaus‐Universität Weimar Deutschland
2. Technische Universität Ilmenau, Fakultät Maschinenbau Ilmenau Deutschland
3. GFE – Präzisionstechnik Schmalkalden GmbH Deutschland
Abstract
KurzfassungEs wird ein Verfahren zur automatischen optischen Prüfung natürlicher Gesteinskörnungen vorgestellt, bei dem hyperspektrale Bildgebung und Algorithmen in Form von Klassifikatoren aus dem Machine Learning und dem Deep Learning eingesetzt werden. Ziel der Untersuchungen ist es, eine Auswahl der in der Betonherstellung benötigten Gesteinskörnungen anhand ihrer spektralen Eigenschaften mit Hilfe von Hyperspektralbildern zuverlässig und automatisch zu klassifizieren. Dazu wurden Spektren und Hyperspektralbilder verschiedener Gesteine mittels Laborspektrometer und Hyperspektralkamera in verschiedenen ausgewählten spektralen Wellenlängenbereichen aufgenommen und mit Klassifikatoren aus dem Bereich der künstlichen Intelligenz (KI) ausgewertet. Zur Klassifizierung der dimensionsreduzierten Hyperspektralbilder wurden vortrainierte Deep‐Learning‐Modelle verwendet. Des Weiteren wurde eine kaskadierte Erkennungsroutine entworfen, die eine zweite Klassifikationsstufe für die mittels Deep‐Learning schlecht erkannten Objekte zur Verbesserung der Erkennungsperformance ermöglicht. Im Ergebnis konnte nachgewiesen werden, dass eine Klassifikation in vorgegebenen Gesteinskategorien anhand der Spektral‐ und Bildinformationen möglich ist und bereits mit rund 91 % hohe Erkennungsraten für die Klassifizierung in die drei Klassen “unkritisch”, “kritisch 1” und “kritisch 2” erzielt werden können.
Funder
Bundesministerium für Bildung und Forschung
Subject
General Earth and Planetary Sciences,General Environmental Science
Reference11 articles.
1. Bundesverband Baustoffe – Steine und Erden e.V. (2022)Die Nachfrage nach Primär- und Sekundärrohstoffen der Steine-und-Erden-Industrie bis 2040 in Deutschland.
2. ZTV-StB LBB LSA 09/10(2009)Additionally technical contract conditions and guidance for road construction for the business area State Office for Building Construction of Saxony-Anhalt.
3. Ludwig H.-M.(2014)FUTURUM – Baustoff Straßenbeton. Forschungskolloquium „Betonstraßenbau”
4. Wotruba H. Robben M. R. Balthasar D.(2009)Near-Infrared Sensor-Based Sorting in the Minerals Industry. Conference in Minerals Engineering Lulea Schweden.
5. Lepistö L.(2006)Colour and Texture Based Classification of Rock Images Using Classifier Combinations[Dissertation] Tampere University of Technology.