AT528655A4

AT528655A4 - Verfahren und Vorrichtung zur Klassifizierung von Abfall

Info

Publication number: AT528655A4
Application number: ATA50131/2025A
Authority: AT
Inventors: Geier Dipl -Ing Jutta; Bredács Dr Márton; Oreski Priv -Doz Dipl -Ing Dr Gernot
Original assignee: Polymer Competence Center Leoben Gmbh
Priority date: 2025-02-27
Filing date: 2025-02-27
Publication date: 2026-04-15
Also published as: AT528655B1

Abstract

Die Erfindung betrifft ein Verfahren zur Klassifizierung zumindest eines Abfallstückes (1), das Polypropylen enthält oder daraus besteht, wobei das Verfahren folgende Schritte umfasst: mittels einer Strahlungsquelle (2) Beleuchten des Abfallstückes (1); mittels einer Nahinfrarot-Hyperspektralkamera (3) Aufnehmen eines Rohdatensatzes; mittels einer Datenverarbeitungseinrichtung (5) Auswählen jener Nahinfrarot-Spektren aus dem Rohdatensatz, die für Polypropylen indikativ sind, und Bilden eines Messdatensatzes; mittels der Datenverarbeitungseinrichtung (5) Zuordnen der Nahinfrarot-Spektren des Messdatensatzes zu einer Schmelzflussindex-Klasse unter Verwendung eines Klassifikationsmodells, wobei das Klassifikationsmodell zumindest zwei Schmelzflussindex-Klassen umfasst, die mit dem Schmelzflussindex der Referenzproben assoziiert sind. Die Erfindung betrifft auch eine Vorrichtung und eine Abfallsortieranlage.

Description

Beschreibung

VERFAHREN UND VORRICHTUNG ZUR KLASSIFIZIERUNG VON ABFALL

[0001] Die vorliegende Erfindung betrifft unter anderem ein Verfahren und eine Vorrichtung zur Klassifizierung von Abfallstücken, wie insbesondere in den unabhängigen Patentansprüchen definiert. In einem speziellen Aspekt betrifft die Erfindung die Klassifizierung von Abfall, der Polypropylen (PP) enthält oder daraus besteht.

[0002] Abfallströme enthalten meist große Mengen an Polypropylen. Um eine Kreiswirtschaft zu erreichen und die Ressourcennutzung aus diesen Abfallströmen zu verbessern, ist es im Stand der Technik bekannt, das Polypropylen einer Rezyklierung zuzuführen und aus dem Abfallmaterial Rezyklate herzustellen. Wünschenswert wäre es, wenn Rezyklate ähnliche Eigenschaften wie Neumaterialien aufweisen, was oft aber nicht der Fall ist.

[0003] Es gibt es eine Vielzahl an Einflussfaktoren, wie Alterung, Störstoffe und die Mischung verschiedener PP-Typen und -Sorten, die im Rahmen bekannter Rezyklierungsvorgänge zu qualitativ minderwertigen Rezyklaten führen. Besonders die niedrige Viskosität von PP-Rezyklaten stellt ein Problem dar. Diese ist oft zu niedrig, um die Rezyklate in Anwendungen einzusetzen, die hohe Viskositäten erfordern, wie zum Beispiel Extrusion, Thermoformen oder Blasformen. Hierdurch wird die Verwendbarkeit von PP-Rezyklaten erheblich eingeschränkt.

[0004] Diese Problematik wird unter anderem dadurch bedingt, dass die verschiedenen Abfallstücke in typischen PP-Abfallströmen oft aus unterschiedlichen PP-Sorten gebildet sind, die sich in Ihren Eigenschaften, wie beispielsweise die Viskosität im geschmolzenen Zustand (bzw. die Schmelzflussrate als Indikator für die Viskosität, abgekürzt MFR — melt flow rate), unterscheiden. Bekanntermaßen ist eine hohe MFR indikativ für eine niedrige Viskosität des Polymers im geschmolzenen Zustand und vice versa.

[0005] Während des Rezyklierungsprozesses werden all diese Sorten vermischt. Wenn PP-Abfallströme einen großen Anteil an Abfallstücken mit hoher MFR aufweisen, entstehen Rezyklate mit ebenfalls vergleichsweise hoher MFR, wodurch diese nicht mehr in Anwendungen eingesetzt werden können, die eine hohe Viskosität (niedrige MFR) erfordern. So weisen typische PPRezyklate MFR-Werte von 11 — 15 g/10 min auf, wodurch diese ohne Zusatz von Füllstoffen beispielsweise nur für Spritzgussanwendungen verwendet oder nur in kleinen Mengen Neumaterialien zugesetzt werden können.

[0006] Um das Potential von PP-Abfallströmen zu erhöhen, wäre es daher wünschenswert, den Abfallstrom in Teilströme trennen zu können, die Material in unterschiedlichen MFR-Bereichen beinhalten. Gleichzeitig sollte aber die Verarbeitungsgeschwindigkeit der Abfallströme nicht maßgeblich beeinträchtigt werden, insbesondere sollte eine Inline-Sortierung, also innerhalb einer Abfallsortieranlage und während des laufenden Betriebs dieser Anlage, möglich sein.

[0007] Eine Aufgabe der Erfindung kann also darin gesehen werden, diese Nachteile des Standes der Technik zu überwinden und ein Verfahren bzw. eine Vorrichtung zu schaffen, die eine verbesserte Rezyklierung von Polypropylen ermöglicht. Eine spezielle Aufgabe kann darin gesehen werden, ein Verfahren bzw. eine Vorrichtung zu schaffen, die dazu geeignet ist, in effizienter Weise aus einem PP-Abfallstrom Teilströme zu identifizieren und/oder auszusondern, wobei die Teilströme Material mit unterschiedlichen Viskositätseigenschaften beinhalten.

[0008] Insbesondere können diese und weitere Aufgaben durch eine Kombination aus Nahinfrarot (NIR)-Sensorik und einer Datenauswertung mit einem Klassifikationsmodell gelöst werden. Überraschend wurde im Rahmen der vorliegenden Erfindung unter anderem gefunden, dass NIRSpektraldaten mit hinreichender Zuverlässigkeit zur Bestimmung bzw. Klassifikation der MFR von Polypropylen-Proben verwendet werden können.

[0009] Vorteilhaft ist daran insbesondere, dass NIR-Spektraldaten mit hoher Geschwindigkeit erhalten werden können, wobei der Einsatz einer Hyperspektralkamera bevorzugt ist, um in kurzer Zeit eine Vielzahl an NIR-Spektren zu erhalten, die über einen Aufnahmebereich verteilt sind.

21711

[0010] So kann in einem Verfahren bzw. einer Vorrichtung eine NIR-Hyperspektralkamera dazu verwendet werden, um Messdaten von einer Probe zu erhalten, wobei die Probe insbesondere ein Abfallstück ist, das aus Polypropylen besteht oder Polypropylen umfasst.

[0011] Eine Hyperspektralkamera ist typischerweise mit einem Bildsensor ausgestattet, der mehrere voneinander getrennte Pixel aufweist, wobei jeder Pixel einen Bildpunkt eines Aufnahmebereichs widerspiegelt. Die Akquirierung der Messdaten kann sequentiell oder simultan erfolgen.

[0012] Aus der Aufnahme einer Hyperspektralkamera kann ein Rohdatensatz erhalten werden, der über einen Aufnahmebereich verteilte Spektren aufweist. Neben Spektren von einer interessierenden Probe (d.h. einem Abfallstück) können in diesem Rohdatensatz auch Spektren enthalten sein, die nicht dem zu analysierenden Material (Polypropylen) zuzuordnen sind. Hierbei kann es sich um den Untergrund handeln (z.B. ein Förderband, auf dem die Abfallstücke bewegt werden) oder einen Bereich des Abfallstücks, der nicht aus PP gebildet ist (z.B. ein Etikett aus Papier auf einer Flasche).

[0013] Es ist vorteilhaft, wenn aus dem Rohdatensatz jene Spektren entfernt werden, die nicht Polypropylen zuzuordnen sind, um eine verbesserte Klassifizierung zu erreichen. Beispielsweise kann durch Anwendung eines Intensitätsfilters erreicht werden, dass jene Spektren entfernt werden, die dem Hintergrund und nicht einem Abfallstück zuzuordnen sind. Hierzu kann die Intensität in einem vorgegebenen Wellenlängenbereich jedes Spektrums des Rohdatensatzes mit einem Grenzwert abgeglichen wird. Liegt die Intensität unter dem Grenzwert, werden die Spektren aus dem Rohdatensatz entfernt, liegt sie darüber, werden sie beibehalten. Besagter Grenzwert kann beispielsweise aus einer Referenzmessung einer PP-Probe ermittelt werden.

[0014] Ferner können aus den verbleibenden Spektren, die einem oder mehreren Abfallstücken zuzuordnen sind, jene Spektren ausgewählt werden, die für Polypropylen indikativ sind. Dies kann beispielsweise durch Durchführung eines Vergleichs der Spektren mit einem Vergleichsspektrum erfolgen, wobei das Vergleichsspektrum ein Mittelwert aus Spektren ist, die an mehreren Polypropylen-Referenzen aufgenommen wurden. Wird eine zu große Abweichung vom Vergleichsspektrum festgestellt, können auch diese Spektren verworfen werden.

[0015] Aus den beibehaltenen Spektren kann dann ein Messdatensatz gebildet werden. So weist der Messdatensatz typischerweise weniger oder höchstens gleich viele Spektren auf, wie der Rohdatensatz.

[0016] Die aufgenommenen Spektren können neben dieser Filterung oder Auswahl auch einer Vorbearbeitung unterzogen werden. Eine derartige Vorbearbeitung kann beispielsweise eine Normalisierung und/oder eine Glättung umfassen. Es kann auch eine Ableitung nach einem gewissen Grad gebildet werden, wie beispielsweise die Ableitung zweiten Grades.

[0017] Die Messdaten des Messdatensatzes können in weiterer Folge in einem Klassifikationsmodell verarbeitet werden, um eine Klassifizierung der Probe zu erhalten, die für die MFR bzw. die Viskositätseigenschaften des Materials dieser Probe indikativ ist. Eine derartige Klassifizierung kann beispielsweise eine Einteilung in zwei Klassen umfassen. Dabei kann eine erste Klasse eine „hohe MFR“ bezeichnen, also beispielsweise eine MFR von mehr als 3 g/10 min, und eine zweite Klasse kann eine „niedrige MFR“ bezeichnen, also beispielsweise eine MFR von weniger als 3 g/10 min.

[0018] Die MFR (auch als Schmelzflussrate oder mass flow rate bezeichnet) kann allgemein eine MFR sein, die bei einer Prüftemperatur von 230°C und einer Prüflast von 2,16 kg mit einem Kapillarrheometer, insbesondere gemäß ISO 1133, bestimmt wird.

[0019] Das erhaltene Ergebnis kann also die Information beinhalten, ob die gemessene Probe Polypropylen mit einer MFR enthält, die in einer der Klassen liegt bzw. die mit einer gewissen Wahrscheinlichkeit in einer der Klassen liegt.

[0020] Auf Basis des Klassifikationsergebnisses kann beispielsweise eine Sortierung vorgenommen werden. Wenn an mehreren Abfallstücken eines Abfallstromes diese Klassifizierung vorgenommen wird, kann der Abfallstrom entsprechend des Klassifizierungsergebnisses in mehrere

31711

Teil-Abfallströme aufgeteilt werden, welche anschließend unterschiedlichen Verwendungen oder weiteren Verarbeitungsschritten zugeführt werden können.

[0021] Ein im Rahmen dieser Anwendung in vorteilhafter Weise verwendbares Klassifikationsmodell ist die Diskriminanzanalyse mittels Partielle Kleinste-Quadrate-Regression (PLS-DA — partial least squares-discriminant analysis), jedoch können auch andere Klassifikationsmodelle eingesetzt werden, auch solche, die auf maschinellem Lernen basieren.

[0022] Das Klassifikationsmodell kann insbesondere unter Verwendung eines Referenzmessdatensatzes gebildet sein bzw. trainiert werden. Ein derartiger Referenzmessdatensatz umfasst insbesondere Messdaten von einer Vielzahl an Referenzproben, die eine bekannte oder zumindest annähernd bekannte MFR aufweisen. Um ein hinreichend robustes PLS-DA-Klassifikationsmodell zu erhalten, kann der Referenzmessdatensatz beispielsweise aus Messdaten von mehr als 100 unterschiedlichen Referenzproben gebildet sein. Abhängig von der erforderlichen Robustheit des Klassifikationsmodells und/oder von der verwendeten Klassifikationsmethode kann der Referenzmessdatensatz Messdaten von mehr oder weniger Referenzproben beinhalten.

[0023] Das Klassifikationsmodell kann ein statisches oder ein dynamisches Modell sein, also nach seiner Herstellung nicht mehr verändert werden (statisches Modell) bzw. auf Basis weiterer Referenzproben stetig angepasst werden (dynamisches Modell).

[0024] Die Referenzproben können Neumaterialien und/oder Post Consumer-Objekte, also Abfallstücke, sein. Die MFR der Referenzproben ist entweder bekannt oder wird abgeschätzt. Beispielsweise kann angenommen werden, dass durch Extrusionsblasformen hergestellte Post Consumer-Verpackungsmaterialien eine MFR von weniger als 3 g/10 min aufweisen, oder dass durch Spritzguss hergestellte Post Consumer-Verpackungsmaterialien eine MFR von größer oder gleich 3,5 g/10 min aufweisen.

[0025] Die Messdaten jeder Referenzprobe können ein oder mehrere NIR-Spektren umfassen, die vorteilhafterweise unter denselben oder im Wesentlichen denselben Bedingungen erstellt wurden, wie die Messung der eigentlichen Proben (also der Abfallstücke) erfolgt.

[0026] Vorteilhafterweise werden an den Spektren des Referenzmessdatensatzes dieselben Vorbearbeitungsschritte durchgeführt wie an dem Messdatendatensatz selbst.

[0027] Die Verarbeitung der Rohdaten, der Messdaten sowie der Referenzmessdaten kann in einer Datenverarbeitungseinrichtung erfolgen, wobei die Datenverarbeitungseinrichtung beispielsweise ein lokaler Rechner oder netzwerkbasierte Recheneinrichtung sein kann. Der Begriff Verarbeitung der Rohdaten, der Messdaten und der Referenzmessdaten bezeichnet hier insbesondere alle Schritte bis zum Erhalt des Klassifikationsergebnisses.

[0028] Das Klassifikationsergebnis kann auf unterschiedliche Weise verwendet werden, beispielsweise um in einer Abfallbehandlungsanlage eine Sortierung eines PP-Abfallstromes zu erreichen.

[0029] Die Erfindung betrifft insbesondere ein Verfahren zur Klassifizierung zumindest eines Abfallstückes, das Polypropylen enthält oder daraus besteht.

[0030] Das Verfahren kann einen oder mehrere der folgenden Schritte umfassen:

- mittels einer Strahlungsquelle Beleuchten des Abfallstückes,

- mittels einer Nahinfrarot-Hyperspektralkamera Aufnehmen eines Rohdatensatzes, wenn sich das Abfallstück im Aufnahmebereich der Nahinfrarot-Hyperspektralkamera befindet,

- mittels einer Datenverarbeitungseinrichtung Auswählen jener Nahinfrarot-Spektren aus dem Rohdatensatz, die für Polypropylen indikativ sind, und Bilden eines Messdatensatzes aus den ausgewählten Nahinfrarot-Spektren,

- mittels der Datenverarbeitungseinrichtung gegebenenfalls Vorbearbeiten der Nahinfrarot-Spektren des Messdatensatzes,

- mittels der Datenverarbeitungseinrichtung Zuordnen der Nahinfrarot-Spektren des Messdatensatzes zu einer Schmelzflussindex-Klasse unter Verwendung eines Datenmodells, das ein multivariates Klassifikationsmodell oder ein durch maschinelles Lernen erhaltenes Klassifikationsmo-

4111

dell ist.

[0031] Gegebenenfalls ist vorgesehen, dass das Datenmodell auf einem Referenzmessdatensatz basiert, der eine Vielzahl an Nahinfrarot-Spektren von Referenzproben enthält.

[0032] Gegebenenfalls ist vorgesehen, dass die Referenzproben Polypropylen mit vorbekanntem Schmelzflussindex umfassen oder daraus bestehen.

[0033] Gegebenenfalls ist vorgesehen, dass das Klassifikationsmodell zumindest zwei Schmelzflussindex-Klassen umfasst, die mit dem Schmelzflussindex der Referenzproben assoziiert sind.

[0034] Gegebenenfalls ist vorgesehen, dass das Klassifikationsmodell auf einer Diskriminanzanalyse mittels Partielle Kleinste-Quadrate-Regression (PLS-DA) basiert.

[0035] Gegebenenfalls ist vorgesehen, dass das Vorbearbeiten der Nahinfrarot-Spektren des Messdatensatzes eine Glättung und/oder eine Normalisierung umfasst.

[0036] Gegebenenfalls ist vorgesehen, dass die Schmelzflussindex-Klassen für aneinander angrenzende Bereiche Schmelzflussindizes indikativ sind.

[0037] Gegebenenfalls ist vorgesehen, dass zwei Schmelzflussindex-Klassen vorgesehen sind, wobei eine erste Schmelzflussindex-Klasse für Schmelzflussindizes unter einem vorbestimmten Grenzwert indikativ ist und wobei eine zweite Schmelzflussindex-Klasse für Schmelzflussindizes über einem vorbestimmten Grenzwert indikativ ist.

[0038] Gegebenenfalls ist vorgesehen, dass der Referenzmessdatensatz aus Nahinfrarot-Spektren von zumindest 100 Referenzproben gebildet ist.

[0039] Gegebenenfalls ist vorgesehen, dass das Abfallstück mittels einer Sortiereinrichtung entsprechend der ermittelten Schmelzflussindex-Klasse sortiert wird.

[0040] Gegebenenfalls ist vorgesehen, dass das Abfallstück mittels einer Fördereinrichtung durch den Aufnahmebereich transportiert wird.

[0041] Gegebenenfalls ist vorgesehen, dass das Auswählen jener Nahinfrarot-Spektren aus dem Rohdatensatz, die für ein Abfallstück indikativ sind, mittels eines Intensitätsfilters erfolgt.

[0042] Gegebenenfalls ist vorgesehen, dass das Auswählen jener Nahinfrarot-Spektren aus dem Rohdatensatz, die für Polypropylen indikativ sind, mittels eines Vergleichs der Nahinfrarot-Spektren mit einem Vergleichsspektrum erfolgt.

[0043] Gegebenenfalls ist vorgesehen, dass die Nahinfrarot-Spektren zumindest einen Wellenlängenbereich von 1000 nm bis 1600 nm umfassen.

[0044] Gegebenenfalls ist vorgesehen, dass der Rohdatensatz zumindest 500 einzelne Nahinfrarot-Spektren umfasst.

[0045] Insbesondere betrifft die Erfindung auch eine Vorrichtung zur Klassifizierung zumindest eines Abfallstückes, das Polypropylen enthält oder daraus besteht.

[0046] Gegebenenfalls kann die Vorrichtung eine oder mehrere der folgenden Komponenten umfassen:

- eine Strahlungsquelle zum Beleuchten des Abfallstückes,

- eine Nahinfrarot-Hyperspektralkamera zum Aufnehmen eines Rohdatensatzes, wenn sich das Abfallstück im Aufnahmebereich der Nahinfrarot-Hyperspektralkamera befindet,

- eine Datenverarbeitungseinrichtung.

[0047] Die Datenverarbeitung kann für folgendes eingerichtet oder geeignet sein:

- Auswählen jener Nahinfrarot-Spektren aus dem Rohdatensatz, die für Polypropylen indikativ sind, und Bilden eines Messdatensatzes aus den ausgewählten Nahinfrarot-Spektren,

- gegebenenfalls Vorbearbeiten der Nahinfrarot-Spektren des Messdatensatzes, und

- Zuordnen der Nahinfrarot-Spektren des Messdatensatzes zu einer Schmelzflussindex-Klasse unter Verwendung eines Datenmodells, das ein multivariates Klassifikationsmodell oder ein durch maschinelles Lernen erhaltenes Klassifikationsmodell ist, wobei das Datenmodell auf einem Re-

ferenzmessdatensatz basiert, der eine Vielzahl an Nahinfrarot-Spektren von Referenzproben enthält, wobei die Referenzproben Polypropylen mit vorbekanntem Schmelzflussindex umfassen oder daraus bestehen, und wobei das Klassifikationsmodell zumindest zwei SchmelzflussindexKlassen umfasst, die mit dem Schmelzflussindex der Referenzproben assoziiert sind.

[0048] Gegebenenfalls ist vorgesehen, dass eine Fördereinrichtung vorgesehen ist, um das Abfallstück durch den Aufnahmebereich zu transportieren, wobei die Fördereinrichtung insbesondere ein Förderband ist.

[0049] Gegebenenfalls ist vorgesehen, dass der Bildsensor der Nahinfrarot-Hyperspektralkamera eine Vielzahl an Bildpunkten aufweist, wobei jeder Bildpunkt im Aufnahmebereich eine FIläche mit einer Größe von höchstens 1 cm x 1 cm abbildet.

[0050] Gegebenenfalls ist vorgesehen, dass die Vorrichtung eine Sortiereinrichtung umfasst, die mit der Datenverarbeitungseinrichtung in kommunikativer Verbindung steht.

[0051] Gegebenenfalls betrifft die Erfindung auch eine Abfallsortieranlage umfassend eine hier beschriebene Vorrichtung.

[0052] Weitere Merkmale der Erfindung ergeben sich aus den Patentansprüchen, den Figuren sowie der Beschreibung des Ausführungsbeispiels.

[0053] Nachfolgend wird die vorliegende Erfindung anhand eines exemplarischen Ausführungsbeispiels im Detail erörtert, wobei dieses Ausführungsbeispiel lediglich der Illustration einer vorteilhaften Ausgestaltung der Erfindung dienen soll und den durch die Patentansprüche definierten Schutzbereich nicht einschränkt.

[0054] In den Figuren zeigen:

[0055] Fig. 1 eine schematische Ansicht einer Vorrichtung gemäß einem ersten Ausführungsbeispiel; und

[0056] Fig. 2 eine schematische Detailansicht des Aufnahmebereichs.

[0057] Sofern nicht anders bezeichnet oder aus dem Kontext anderweitig erkennbar, sind in den Figuren folgenden Merkmale bzw. Elemente dargestellt: Abfallstück 1; Strahlungsquelle 2; Nahinfrarot-Hyperspektralkamera 3; Aufnahmebereich 4; Datenverarbeitungseinrichtung 5; Fördereinrichtung 6; Sortiereinrichtung 7.

[0058] Fig. 1 zeigt eine schematische Ansicht einer Vorrichtung gemäß einem ersten Ausführungsbeispiel und Fig. 2 zeigt eine schematische Detailansicht des Aufnahmebereichs 4 der Nahinfrarot-Hyperspektralkamera 3 gemäß diesem Ausführungsbeispiel. Zur besseren Nachvollziehbarkeit werden diese beiden Figuren gemeinsam beschrieben.

[0059] Die Vorrichtung gemäß diesem Ausführungsbeispiel umfasst eine Strahlungsquelle 2, die dazu eingerichtet ist, ein auf einer Fördereinrichtung 6 befindliches Abfallstück 1 zu bestrahlen. Die Strahlungsquelle 2 ist im vorliegenden Ausführungsbeispiel eine Halogenlampe, die elektromagnetische Strahlung unter anderem im Nahinfrarot-Bereich, also zwischen etwa 900 nm und etwa 1700 nm, emittiert.

[0060] Ferner ist eine Nahinfrarot-Hyperspektralkamera 3 vorgesehen, die einen Aufnahmebereich 4 aufweist, der einen Großteil der Breite der Fördereinrichtung 6 abdeckt, wie insbesondere in Fig. 2 gezeigt ist.

[0061] Abfallstücke 1, die über die Fördereinrichtung 6 durch den Aufnahmebereich 4 transportiert werden, können also von der Nahinfrarot-Hyperspektralkamera 3 analysiert werden.

[0062] Die Nahinfrarot-Hyperspektralkamera 3 ist in diesem Ausführungsbeispiel eine Hyperspektralkamera mit einem Bildsensor mit ca. 300 Pixeln (Bildpunkten). Die 300 Pixel decken den Aufnahmebereich 4 ab, wobei jeder Pixel eine Fläche von etwa 9 mm x 7 mm abdeckt. Mit einer Aufnahme kann ein Datensatz generiert werden, der pro Pixel ein Nahinfrarot-Spektrum, im vorliegenden Ausführungsbeispiel zwischen 900 nm und 1700 nm, des Aufnahmebereichs 4 enthält. Die Aufnahme der Spektren erfolgt dabei simultan. Der so generierte Datensatz wird in weiterer

Folge auch als Rohdatensatz bezeichnet.

[0063] Der Rohdatensatz wird von der Nahinfrarot-Hyperspektralkamera 3 an die Datenverarbeitungseinrichtung 5, im vorliegenden Beispiel einen lokalen Rechner, weitergeleitet und kann dort weiterverarbeitet werden.

[0064] In einem Schritt erfolgt in der Datenverarbeitungseinrichtung 5 eine Filterung jener Spektren des Rohdatensatzes, die für Abfallstücke bzw. Objekte auf der Fördereinrichtung indikativ sind. Dadurch soll erreicht werden, dass nur jene Spektren für die weitere Analyse verwendet werden, die tatsächlich einem Abfallstück entsprechen. Alle anderen Spektren, nämlich jene des Hintergrundes, werden verworfen.

[0065] Diese Filterung wird im vorliegenden Ausführungsbeispiel durch einen Intensitätsfilter erreicht. Hierzu wurde zuerst ein Grenzwert für den Mittelwert der Intensität unter Verwendung desselben Messaufbaus wie bei der Messung eigentlicher Abfallstücke durch Vermessung unterschiedlicher Polypropylenmaterialien bestimmt.

[0066] Spektren aus dem Rohdatensatz, deren gemittelte Intensität in dem gemessenen Wellenlängenbereich unter dem Grenzwert liegen, werden aus dem Datensatz verworfen, alle anderen werden beibehalten. So wird ein vorläufiger Datensatz erhalten, in dem nur Spektren enthalten sind, die einem Abfallstück zuzuordnen sind.

[0067] In einem weiteren Filterungsschritt werden die verbleibenden Spektren mit einem Vergleichsspektrum verglichen, das von einer Polypropylen-Referenz stammt. Hierzu wird der Wellenlängenbereich von 1170 nm bis 1250 nm ausgewählt, die Spektren in diesem Bereich geglättet und normalisiert und dann mit einem geglätteten, normalisierten Vergleichsspektrum mit Hilfe eines Euclidean Distance-Algorithmus verglichen. Unter Anwendung eines vorbestimmten Grenzwerts, der die maximal zulässige Abweichung der Spektren vom Vergleichsspektrum definiert, werden jene Spektren verworfen, die gemäß dieser Filterung nicht für Polypropylen indikativ sind. Dabei bedeutet „verworfen“, dass die genannten Spektren nicht im Messdatensatz berücksichtigt werden, jedoch können jene Spektren die gemäß der genannten Filterung nicht für Polypropylen indikativ sind verwendet werden, um Abfallstücke bzw. Objekte auszusortieren, die kein Polypropylen enthalten.

[0068] So wird ein Messdatensatz erhalten, der nur Spektren enthält, die für Polypropylen indikativ sind und an dem die weitere Datenverarbeitung erfolgt.

[0069] Die Spektren dieses Messdatensatzes werden in der Datenverarbeitungseinrichtung 5 dann einem Vorverarbeitungsschritt unterzogen. Zuerst wird der Bereich zwischen 960 nm und 1660 nm ausgewählt, mit der SNV-Methode (Standard Normal Variate) normalisiert und letztendlich die zweite Ableitung der Spektren mit einem Savitzky-Golay Filter mit 17 Glättungspunkten und Polynom vierten Grades gebildet.

[0070] Die vorbearbeiteten Spektren werden dann in einem Klassifikationsmodell verarbeitet, das auf einer Diskriminanzanalyse mittels Partielle Kleinste-Quadrate-Regression (PLS- DA, Partial Least Square-Discriminant Analysis) basiert.

[0071] Das Klassifikationsmodell wurde zuvor aus einem Referenzmessdatensatz erstellt, der wie oben beschrieben gefilterte und vorbearbeitete Spektren von 121 Referenzproben enthält. Die Referenzproben umfassen Neumaterialien und Post Consumer-Proben. Die MFR-Werte von Neumaterialien wurden aus den jeweiligen Datenblättern entnommen. Bei Post Consumer-Proben wurden die MFR-Werte in Abhängigkeit von der Verarbeitungsmethode abgeschätzt, nämlich < 3.g/10 min bei Objekten die durch Extrusionsblasformen hergestellt wurden, und = 10 g/10 min bei spritzgegossenen Post Consumer-Proben.

[0072] Das Klassifikationsmodell wurde mit zwei Klassen aufgebaut, nämlich „low MFR“ mit < 3 g/10 min und „high MFR“ mit = 3,5 g/10 min.

[0073] Durch Verarbeiten des Messdatensatzes in dem Klassifikationsmodell wird als Ergebnis die Information erhalten, ob ein bestimmtes Abfallstück 1 der „low MFR“-Klasse oder der „high MFR“-Klasse angehört.

7111

[0074] Die Sortiereinrichtung 7 kann die Abfallstücke einem von zwei der Klasse entsprechenden Teilströmen zuordnen, wobei die Teilströme unterschiedlichen Verarbeitungen zugeführt werden können.

[0075] Das Klassifikationsmodell wurde im vorliegenden Ausführungsbeispiel in einem Sortierversuch an einer Vielzahl an Abfallstücken 1 aus ca. 17 kg Post Consumer-Abfall an einer industriellen Sortieranlage getestet. Der verwendete PP-Abfallstrom, befördert durch die Fördereinrichtung 6, bestand aus gewaschenen 3D-PP-Objekten (d.h. keine Folien) von einem Recyclingunternehmen. Die Anteile der verschiedenen Verarbeitungsmethoden in diesem Strom waren: 55 % spritzgegossene, 19% extrusionsblasgeformte und 26% thermogeformte PP-Objekte.

[0076] Diese wurden unter Verwendung der oben beschriebenen Vorrichtung in die Klassen „low MFR“ und „high MFR“ sortiert. Diese zwei Teilströme wurden anschließend zu Rezyklaten verarbeitet, um ihre tatsächlichen MFR-Werte zu bestimmen.

[0077] Die MFR-Messungen wurden mit den für PP typischen Parametern bestimmt, nämlich bei 230°C mit 2,16 kg gemäß ISO 1133.

[0078] Das aus dem „low MFR“-Teilstrom erhaltene Rezyklat zeigte einen MFR-Wert von 5,24 g/10 min, während das aus dem „high MFR“-Teilstrom erhaltene Rezyklat einen Wert von 30,7 g/10 min aufwies.

[0079] Im Vergleich zu typischen PP-Rezyklaten, die ohne Sortierung erhalten werden und Werte von 11 bis 15 g/10 min aufweisen, zeigt sich eine signifikante Verringerung des MFR-Wertes in einem Teilstrom, wodurch das Rezyklat aus diesem Teilstrom Verarbeitungsarten zugeführt werden kann, die bei herkömmlichen PP-Rezyklaten nicht möglich wären.

[0080] Der Teilstrom mit höherem MFR-Wert von etwa 30 g/10 min kann für Spritzgussanwendungen eingesetzt werden.

Claims

Patentansprüche

1. Verfahren zur Klassifizierung zumindest eines Abfallstückes (1), das Polypropylen enthält oder daraus besteht, wobei das Verfahren folgende Schritte umfasst:

a. mittels einer Strahlungsquelle (2) Beleuchten des Abfallstückes (1),

b. mittels einer Nahinfrarot-Hyperspektralkamera (3) Aufnehmen eines Rohdatensatzes, wenn sich das Abfallstück (1) im Aufnahmebereich (4) der Nahinfrarot-Hyperspektralkamera (3) befindet,

c. mittels einer Datenverarbeitungseinrichtung (5) Auswählen jener Nahinfrarot-Spektren aus dem Rohdatensatz, die für Polypropylen indikativ sind, und Bilden eines Messdatensatzes aus den ausgewählten Nahinfrarot-Spektren,

d. mittels der Datenverarbeitungseinrichtung (5) gegebenenfalls Vorbearbeiten der Nahinfrarot-Spektren des Messdatensatzes,

e. mittels der Datenverarbeitungseinrichtung (5) Zuordnen der Nahinfrarot-Spektren des Messdatensatzes zu einer Schmelzflussindex-Klasse unter Verwendung eines Datenmodells, das ein multivariates Klassifikationsmodell oder ein durch maschinelles Lernen erhaltenes Klassifikationsmodell ist,

il. wobei das Datenmodell auf einem Referenzmessdatensatz basiert, der eine Vielzahl an Nahinfrarot-Spektren von Referenzproben enthält, il. wobei die Referenzproben Polypropylen mit vorbekanntem Schmelzflussindex umfassen oder daraus bestehen, und ill. wobei das Klassifikationsmodell zumindest zwei Schmelzflussindex-Klassen umfasst, die mit dem Schmelzflussindex der Referenzproben assoziiert sind.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Klassifikationsmodell auf einer Diskriminanzanalyse mittels Partielle Kleinste- Quadrate-Regression (PLS-DA) basiert.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das Vorbearbeiten der Nahinfrarot-Spektren des Messdatensatzes eine Glättung und/oder eine Normalisierung umfasst.

4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, - dass die Schmelzflussindex-Klassen für aneinander angrenzende Bereiche Schmelzflussindizes indikativ sind, und/oder - dass zwei Schmelzflussindex-Klassen vorgesehen sind, wobei eine erste Schmelzflussindex-Klasse für Schmelzflussindizes unter einem vorbestimmten Grenzwert indikativ ist und wobei eine zweite Schmelzflussindex-Klasse für Schmelzflussindizes über einem vorbestimmten Grenzwert indikativ ist.

5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass der Referenzmessdatensatz aus Nahinfrarot-Spektren von zumindest 100 Referenzproben gebildet ist.

6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass das Abfallstück (1) mittels einer Sortiereinrichtung (7) entsprechend der ermittelten SchmelzflussindexKlasse sortiert wird.

7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass das Abfallstück (1) mittels einer Fördereinrichtung (6) durch den Aufnahmebereich (4) transportiert wird.

8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass das Auswählen jener Nahinfrarot-Spektren aus dem Rohdatensatz, die für ein Abfallstück (1) indikativ sind, mittels eines Intensitätsfilters erfolgt.

9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass das Auswählen jener Nahinfrarot-Spektren aus dem Rohdatensatz, die für Polypropylen indikativ sind, mittels eines Vergleichs der Nahinfrarot-Spektren mit einem Vergleichsspektrum erfolgt.

10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass die Nahinfrarot-Spektren zumindest einen Wellenlängenbereich von 1000 nm bis 1600 nm umfassen.

11. Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass der Rohdatensatz zumindest 500 einzelne Nahinfrarot-Spektren umfasst.

12. Vorrichtung zur Klassifizierung zumindest eines Abfallstückes (1), das Polypropylen enthält oder daraus besteht, wobei die Vorrichtung umfasst:

a. eine Strahlungsquelle (2) zum Beleuchten des Abfallstückes (1),

b. eine Nahinfrarot-Hyperspektralkamera (3) zum Aufnehmen eines Rohdatensatzes, wenn sich das Abfallstück (1) im Aufnahmebereich (4) der Nahinfrarot-Hyperspektralkamera (3) befindet,

c. eine Datenverarbeitungseinrichtung (5) zum

i. Auswählen jener Nahinfrarot-Spektren aus dem Rohdatensatz, die für Polypropylen indikativ sind, und Bilden eines Messdatensatzes aus den ausgewählten Nahinfrarot-Spektren,

il. gegebenenfalls Vorbearbeiten der Nahinfrarot-Spektren des Messdatensatzes, und

il. Zuordnen der Nahinfrarot-Spektren des Messdatensatzes zu einer Schmelzflussindex-Klasse unter Verwendung eines Datenmodells, das ein multivariates Klassifikationsmodell oder ein durch maschinelles Lernen erhaltenes Klassifikationsmodell ist, wobei das Datenmodell auf einem Referenzmessdatensatz basiert, der eine Vielzahl an Nahinfrarot-Spektren von Referenzproben enthält, wobei die Referenzproben Polypropylen mit vorbekanntem Schmelzflussindex umfassen oder daraus bestehen, und wobei das Klassifikationsmodell zumindest zwei Schmelzflussindex-Klassen umfasst, die mit dem Schmelzflussindex der Referenzproben assoziiert sind.

13. Vorrichtung nach Anspruch 12, dadurch gekennzeichnet, dass eine Fördereinrichtung (6) vorgesehen ist, um das Abfallstück (1) durch den Aufnahmebereich (4) zu transportieren, wobei die Fördereinrichtung (6) insbesondere ein Förderband ist.

14. Vorrichtung nach Anspruch 12 oder 13, dadurch gekennzeichnet, dass der Bildsensor der Nahinfrarot-Hyperspektralkamera (3) eine Vielzahl an Bildpunkten aufweist, wobei jeder Bildpunkt im Aufnahmebereich (4) eine Fläche mit einer Größe von höchstens 1 cm x 1 cm abbildet.

15. Vorrichtung nach einem der Ansprüche 12 bis 14, dadurch gekennzeichnet, dass die Vorrichtung eine Sortiereinrichtung (7) umfasst, die mit der Datenverarbeitungseinrichtung (5) in kommunikativer Verbindung steht.

16. Abfallsortieranlage umfassend eine Vorrichtung nach einem der Ansprüche 12 bis 15.

Hierzu 1 Blatt Zeichnungen