Tomra: Deep-Learning-Lösung für Holzsortierung

Das Unternehmen hat seine Autosort-Technologie mit seiner auf Deep Learning basierende optionale Technologie Gain kombiniert und so eine Lösung entwickelt, die verschiedene Arten von Holzwerkstoffen unterscheiden und sortieren kann. Dabei wird sich auf die Sortierung von unverarbeitetes Holz und verarbeitetem Holz wie beispielsweise MDF-, HDF- und OSB-Platten sowie Spanplatten konzentriert

Seit langem würden Spanplattenhersteller auf die X-Tract-Lösung von Tomra nutzen. Diese befreie das Aufgabematerial von Inertmaterial (Glas, Steine, Keramik usw.), allen metallischen Störstoffen (nichteisenhaltig und eisenhaltig) und erzeuge so eine saubere Holzspanfraktion, die von ausreichend hoher Qualität ist und zur Herstellung von Standardspanplatten verwendet werden kann.

In den letzten Jahren seien jedoch immer mehr Kunden, die recyceltes Holz mit einem deutlich höheren Reinheitsgrad in ihren Fertigungsprozessen verwenden möchten, an Tomra Recycling herangetreten. Um diese besonderen Reinheitsanforderungen zu erfüllen, müssten neben dem Inertmaterial und den Metallen im Zufuhrstrom auch andere Verunreinigungen wie Holzwerkstoffe und Polymere entfernt werden.

Da diese Materialien mit Röntgentechnik jedoch nicht unterscheidbar sind, musste eine alternative Lösung gefunden werden. Die neue Anwendung nutze Deep-Learning, um verarbeitete Holzverbundstoffe wie MDF-, HDF- und OSB-Platten sowie Spanplatten als Verunreinigung auszusortieren, sodass eine saubere Fraktion unverarbeitetes Holz übrigbleibt. Alternativ würden – je nach Kundenwunsch – einzelne hochreine Holzverbundstofffraktionen aus dem Zufuhrstrom erzeugt.