Gezielte Abfallerkennung in Echtzeit mit künstlicher Intelligenz

Gezielte Abfallerkennung in Echtzeit mit künstlicher Intelligenz

Ein KI Pilotprojekt von AISOMA und FES

Zigarettenstummeln sind eine wahre Plage. Es gibt keine Gemeinde oder Stadt die sich nicht darüber beklagen. Sei es in den Parks, auf den Gehwegen oder an Stränden. Sie sind nicht nur optisch unschön, sondern was noch schwerer wiegt, sie sind für die Umwelt besonders schädlich. In Zigarettenstummeln sammeln sich giftige Substanzen wie Arsen, Blei, Kupfer, Chrom, Kadmium, Formaldehyd, polyzyklische aromatische Kohlenwasserstoffe, Nikotin und noch zig weitere. Es kann bis zu 10 Jahre und länger dauern, bis eine Kippe vollständig abgebaut ist.

Das Problem ist mittlerweile auch bei der EU angelangt. Es existiert bereits eine EU-Richtlinie (2019/904) über die Verringerung der Auswirkungen bestimmter Kunststoffprodukte auf die Umwelt [1]. Zigarettenstummel gehören dabei zu den sogenannten „Top 10 Litter Items“,  also zu den zehn am häufigsten gefundenen Müllobjekten. Als Maßnahmen müssen die EU-Länder für Tabakprodukte mit Filter sowie Filter, die zur Verwendung in Kombination mit Tabakprodukten vertrieben werden (z.B. IQOS), bis Juli 2021 Kennzeichnungsvorschriften, eine erweiterte Herstellerverantwortung und Sensibilisierungsmaßnahmen umsetzen. Die Hersteller müssen zudem in Zukunft an den Kosten für Aufklärungsarbeit und Reinigungsmaßnahmen beteiligen (Mehr Infos: Einwegplastik: EU-Staaten geben grünes Licht für neue Regeln) [2].

Pilotprojekt: „Litter Detection“ – Gezielte Abfallerkennung in Echtzeit mit künstlicher Intelligenz

Um sich erst einmal einen Überblick zu verschaffen wie viele und wo genau sich Zigarettenstummel befinden haben wir in Zusammenarbeit mit der FES (Frankfurter Entsorgungs- und Service GmbH) und sauber.io den Versuch unternommen mithilfe eines intelligenten Kamerasystems (Computer Vision), das on premise (lokal) auf einem Edge Device betrieben wird, Zigarettenstummel auf der Straße in Echtzeit zu erkennen, die Position zu ermitteln und schließlich zu zählen. Mit dieser innovativen und zukunftsweisenden Vorgehensweise hat die FES die Möglichkeit geschaffen die besonders umweltschädlichen Zigarettenstummel gezielt in Echtzeit zu erkennen und zu kartografieren, um sie dann schnellst möglichst beseitigen zu können. Ferner ermöglicht dieser Ansatz (Datengenerierung) auch einen automatisierten und detaillierteren Überblick über Art und Anzahl von Müll in den jeweiligen Stadtteilen.

Mit dieser Vorgehensweise ist es erstmals möglich belastbare Daten über Zigarettenstummel zu erzeugen (Diese Daten sind besonders wichtig um die Tabakindustrie und Hersteller zur Verantwortung zu ziehen). Auch die Identifizierung von Hotspots ist von besonderer Bedeutung um in Zukunft vorausschauend handeln zu können. Eventuell kann so der Entstehung von Hotspots bereits entgegengewirkt werden.

Es ist vorgesehen, dass das intelligente Kamerasystem in Zukunft als ständiger Begleiter an die Kehrmaschinen fest angebracht werden soll. Die ersten Resultate sind sehr vielsprechend und sind ein bedeutender Schritt in Richtung einer intelligenteren Erbringung der Dienstleistung der FES mit dem Ziel einer sauberen Stadt. Die automatisierte Identifizierung von weiteren Müllkategorien ist bereits in der Planung.

Einige Impressionen

AISOMA Illustration Kehrmaschine
AISOMA Illustration Kehrmaschine
AISOMA - Abfallerkennung mit KI – künstlicher Intelligenz
AISOMA - Abfallerkennung mit KI – künstlicher Intelligenz
AISOMA - XAVIER NX + Kamera
AISOMA - XAVIER NX + Kamera

Ein kurzes Video über das Projekt „Abfallerkennung mit KI – künstlicher Intelligenz“:

Technische Hintergrundinformationen:

Die Hauptaufgabe der AISOMA AG war in diesem Pilotprojekt die Datengenerierung, -annotation und das Erstellen des KI-Modells für die Identifizierung der Zigarettenstummel. Das Erreichen einer hohen Trefferquote und gleichzeitig eine hohe Performance (auf einem Edge Device) war eine besondere Herausforderung. Zum einen waren die zu identifizierenden Zigarettenstummel sehr klein, die Untergründe unterschiedlich, die sich stets verändernden Lichtverhältnisse und das Vibrieren der Kehrmaschine während der Fahrt bzw. Kehrens. Hinzu kommen auch ähnliche Objekte die auf den ersten Blick aus der gegebenen Entfernung aussehen können wie Zigarettenstummel wie Aststücke, Laubreste usw.

Infos zum Modelltraining und -Validierung mit unterschiedlicher Auflösung

AISOMA-Infos Modelltraining

Vergleichstabelle Modellperformance XAVIER NX vs. Jetson Nano mit unterschiedlicher Wattleistung und Auflösung

AISOMA - Vergleichstabelle

Haben Sie noch weitere Fragen zu unserer Lösung?

Ansprechpartner:

Wie hat Dir der Artikel gefallen?

1 Stern2 Stern3 Stern4 Stern5 Stern (4 Stimmen, Durchschnitt: 4,50von 5)
Loading...
Nach oben scrollen