Studenten TU Eindhoven detecteren met AI batterijen in afvalstromen

Studententeam CORE presenteert nieuw systeem, geheten TEMNOS, om met AI-technologie batterijen te detecteren in afvalstromen om afvalbranden te voorkomen.

Trefwoorden: #afval, #artificiële intelligentie, #batterij, #recycleren

Lees verder

research

( Foto: CORE )

ENGINEERINGNET.BE - Betere recycling is actueel door de wereldwijde stijgende metaalprijzen. Door eerder in de keten efficiënt batterijen te detecteren en sorteren, biedt TEMNOS kansen om meer grondstoffen, zoals zeldzame metalen, terug te winnen.

In de huidige afvalstromen worden batterijen minder efficiënt gedetecteerd. Dat kan resulteren in grote branden doordat batterijen beschadigd raken en spontaan ontbranden.

Onderzoek heeft aangetoond dat de belangrijkste oorzaken hiervan broei en de aanwezigheid van brandgevaarlijke stoffen zijn. Tot die laatste categorie behoren ook batterijen, de oorzaak van 49 van de 53 branden bij Europese bedrijven die elektronische apparaten recyclen. Bij deze branden komen soms ook gevaarlijke stoffen vrij.

In de metaalindustrie zijn batterijen de nummer één oorzaak voor branden. Bij oud papier bedrijven staat het zelfs op plek drie. Slechts 24% van de oplaadbare lithium-ion batterijen in Nederland wordt nu gerecycled. De rest eindigt tussen het PMD-afval, restafval en oud papier.

Ook is het verminderen van verlies van kostbare metalen, zoals kobalt, reden voor Team CORE om dit probleem aan te pakken. TEMNOS maakt het mogelijk om gevaarlijke stromen te behandelen en veilige afvalstromen via bestaande routes te verwerken.

Het herkennen van producten met batterijen kan op verschillende manieren. Wanneer het aankomt op telefoons en tablets kan er al veel worden gesorteerd middels visual recognition waarbij herkend wordt of een telefoon een verwijderbare batterij heeft of niet, en of die batterij ook daadwerkelijk is verwijderd. Deze toepassing wordt op dit moment uitgewerkt in een pilot met Huiskes Metaal in Waalwijk.

Om batterijen in complexere stromen, zoals tandenborstels, muziekboxen en andere elektronische apparaten te sorteren is röntgentechnologie nodig. Op deze manier wordt het mogelijk om de specifieke plek van de batterij in het apparaat te zien en automatisch te verwijderen.

Om dit soort projecten mogelijk te maken zijn samenwerkingen tussen onderwijs en industrie cruciaal. Daarom werkt het studententeam CORE samen met EAISI, het AI-instituut van TU Eindhoven, om de modellen verder te ontwikkelen.

Ook is de samenwerking met bedrijven als Huiskes en Wecycle cruciaal om de markt te begrijpen en een zo groot mogelijke maatschappelijke impact te bereiken.