Bildbasierte Granulometrie
Die Gesteinskörnung – als wesentlicher Bestandteil des Werkstoffs Beton – besitzt einen maßgeblichen Einfluss auf die wesentlichen Betoneigenschaften, wie z. B. die Verarbeitbarkeit. Gegenwärtig werden die Eigenschaften der Gesteinskörnung gemäß den geltenden Regelwerken üblicherweise stichprobenhaft ermittelt und bei der Betonherstellung im Rahmen der Mischungsberechnung einbezogen. Die anhand einer geringen Stichprobenmenge ermittelten Kenngrößen werden dabei repräsentativ für eine sehr große Menge an Gesteinskörnung herangezogen. Die dadurch nicht detektierten Schwankungen bei den Gesteinskörnungseigenschaften müssen im Rahmen der Betonherstellung durch ausreichend hohe Sicherheitspuffer berücksichtigt werden. So werden die negativen Auswirkungen dieser Schwankungen in den Materialeigenschaften beispielsweise durch eine deutliche Steigerung des Zementgehalts (teilweise bis zu 20 %) kompensiert, jedoch lässt sich dies weder wirtschaftlich noch ökologisch vertreten. Der aus Umweltschutzgründen anzustrebende Einsatz von Rezyklaten, deren Eigenschaften typischerweise sehr großen Schwankungen unterliegen, steht dadurch ebenfalls in direkter Konkurrenz zur geforderten Reduktion der Treibhausgasemissionen bei der Betonproduktion.
Ein Schlüssel für wirtschaftlich und ökologisch optimierte Betonzusammensetzungen sowie zur Steigerung des Einsatzes von Rezyklaten liegt in der Entwicklung von Technologien, mit denen es gelingt, die Schwankungen der Ausgangsstoffe kontinuierlich zu erfassen und deren Einflüsse auf das Endprodukt auszusteuern.
Im Rahmen von ReCyCONtrol wird deshalb ein Online-Messverfahren entwickelt, bei welchem Kameras auf dem Förderband der Gesteinskörnung installiert werden, welche somit in der Lage sind, die Gesamtmenge der tatsächlich verwendeten Gesteinskörnung zu erfassen. Mittels Methoden der künstlichen Intelligenz ist es möglich, die Korngrößenverteilung aus den so aufgenommen Bilddaten kontinuierlich und präzise zu ermitteln. Die Abbildung zeigt eine schematische Übersicht der sensorbasierten Prädiktion der Sieblinie der Gesteinskörnung. Im Vergleich mit nach klassischen Methoden (Siebturm) ermittelten Korngrößenverteilugnen erzielt das entwickelte Verfahren bereits Ergebnisse mit mittleren absoluten Abweichungen von unter 2% für die prädizierten Massenanteile der einzelnen Korngrößenfraktionen. Die Dauer der sensorbasierten Messung liegt dabei lediglich im Millisekunden Bereich.
