Ein objekterkennungsalgorithmus für Bau- und Abbruchabfälle auf Basis eines kaskadierten Gruppenaufmerksamkeitsmechanismus

Warum intelligenteres Abfalltrennen wichtig ist

Jedes Mal, wenn ein Gebäude errichtet oder abgerissen wird, entstehen Berge von Schutt — Betonschollen, zerbrochene Ziegel, Fliesen, Holz, Metall und Kunststoff. Diese Bau- und Abbruchabfälle machen in vielen Städten inzwischen etwa 40 % des Mülls aus. In diesem Schutt verbergen sich wertvolle Materialien, die zu neuen Baustoffen recycelt werden könnten, doch heute erfolgt ein großer Teil der Sortierung noch von Hand, was langsam, teuer und gefährlich ist. Diese Arbeit stellt ein neues Computer-Vision-System vor, das verschiedene Arten von Baustellenabfällen in Echtzeit automatisch erkennen und klassifizieren kann, selbst wenn die Teile klein sind, sich überlappen oder einander sehr ähnlich sehen.

Die Herausforderung, in einem Schutthaufen Ordnung zu sehen

Das Sortieren gemischter Bauschuttstücke ist für Maschinen überraschend schwierig. Betonteile und keramische Fliesen etwa teilen häufig ähnliche Farben und Texturen, wodurch sie leicht verwechselt werden. In realen Szenen liegen große Fragmente direkt neben winzigen Splittern, viele Objekte sind teilweise verdeckt, und Beleuchtung oder Kamerawinkel können das Erscheinungsbild von Materialien verändern. Frühere KI-Systeme für diese Aufgabe waren entweder ungenau, hatten Probleme mit sehr kleinen Objekten oder benötigten hohe Rechenleistung, die für Sortierbänder und mobile Ausrüstung unrealistisch ist. Die Autorinnen und Autoren konzentrieren sich darauf, eine populäre Familie schneller Objekterkennungsmodelle, bekannt als YOLO, so zu verbessern, dass sie mit diesen unordentlichen, überfüllten Szenen besser zurechtkommt, ohne langsamer zu werden.

Eine neue Art, wie das Netzwerk Aufmerksamkeit lenkt

Im Kern der neuen Methode steht ein neu gestaltetes „Backbone“, das Bilder in Stufen verarbeitet und sich von Transformer-Modellen aus Sprach- und Bildverarbeitung inspirieren lässt. Anstatt das Bild nur in kleine lokale Patches zu zerlegen, lernt das Netzwerk, wie weit entfernte Regionen zueinander in Beziehung stehen — hilfreich, wenn Objekte sich überlappen oder mit dem Hintergrund verschmelzen. Um dies effizient zu ermöglichen, führen die Autorinnen und Autoren einen kaskadierten Gruppenaufmerksamkeitsmechanismus ein. Sie teilen die interne Bildrepräsentation in Gruppen, lassen jede Gruppe auf Muster innerhalb ihrer eigenen Gruppe fokussieren und geben dann schrittweise Informationen von einer Gruppe an die nächste weiter. Dieses Prinzip „zuerst lokale Fokussierung, später globale Verfeinerung“ ermöglicht dem Modell, feine Unterschiede zwischen etwa Beton und Keramik zu betonen, während Speicher- und Rechenaufwand niedrig genug bleiben für den Echtzeiteinsatz.

Abfall gleichzeitig in mehreren Maßstäben betrachten

Über die Materialerkennung hinaus muss das System Objekte sehr unterschiedlicher Größe finden, von winzigen Scherben bis zu großen Trägern. Das Modell verwendet daher mehrere Schichten, die jeweils in unterschiedlicher Bildauflösung arbeiten. Ein spezielles Interaktionsmodul lässt Informationen sowohl von groben, übergeordneten Schichten zu feinen, detailreichen Schichten fließen als auch umgekehrt. Grobe Schichten liefern den Gesamtzusammenhang — wo Haufen liegen, wie Objekte gruppiert sind — während feine Schichten scharfe Kanten und Texturen beitragen. Eine räumliche Aufmerksamkeitskomponente hebt dann die informativsten Bereiche in jedem Maßstab hervor und unterdrückt ablenkenden Hintergrund. Schließlich sagen separate Erkennungszweige auf jeder Auflösung voraus, wo Objekte sind und zu welchem Material sie gehören; das Trainingssetup fördert dabei präzise Boxplatzierungen und ausgewogene Kompromisse zwischen der Auffindrate vieler Objekte und der Vermeidung von Fehlalarmen.

Das System auf die Probe gestellt

Zur Bewertung ihres Ansatzes verwendeten die Forschenden zwei öffentliche Datensätze zu Bau- und Abbruchabfällen. Der eine, BTC genannt, enthält Bilder von Ziegeln, Fliesen und Beton; der andere, SWP, konzentriert sich auf Stahl, Holz und Kunststoffe und umfasst Tausende hochauflösender Bilder. Das Team verglich seine Methode mit mehreren bestehenden YOLO-Varianten, die für diese Aufgabe angepasst worden waren. Ihr System erreichte deutlich höhere Erkennungswerte in beiden Datensätzen, insbesondere bei der strengeren Messgröße, die beurteilt, wie genau vorhergesagte Boxen mit den tatsächlichen Objektumrissen übereinstimmen. Es zeigte sich besonders stark darin, eine sehr hohe Trefferquote aufrechtzuerhalten — es verfehlte fast keine Objekte — und gleichzeitig die insgesamt erforderliche Rechenleistung moderat zu halten, wettbewerbsfähig mit oder niedriger als viele rivalisierende Modelle.

Was das für das Recycling in der Praxis bedeutet

Für Nicht-Fachleute ist die wichtigste Erkenntnis, dass die Autorinnen und Autoren ein schärferes „Auge“ zum Sortieren von Bauschutt entwickelt haben, das recycelbare Materialien in geschäftigen, chaotischen Szenen besser herausfiltern und unterscheiden kann als frühere Werkzeuge. Durch die Kombination effizienter Aufmerksamkeitsmechanismen mit mehrstufiger Verarbeitung erkennt das System kleine und überlappende Teile genauer, bleibt dabei aber schnell genug, um auf industrieller Hardware praktisch einsetzbar zu sein. Verwechslungen zwischen Abfall und Hintergrund treten noch auf, doch die Gesamtleistung ist stark und stabil über verschiedene Datensätze hinweg. Langfristig könnten solche Fortschritte Recyclinganlagen helfen, mehr verwertbares Material mit weniger Handarbeit zurückzugewinnen, Deponien zu entlasten und die Bauindustrie sauberer sowie ressourceneffizienter zu machen.

Zitation: Jiang, Z., Yang, Y., Hu, J. et al. A cascaded group attention mechanism-based object detection algorithm for construction and demolition waste. Sci Rep 16, 11798 (2026). https://doi.org/10.1038/s41598-026-41557-5

Schlüsselwörter: Erkennung von Baustellenabfällen, Tiefenlern-Vision, automatisiertes Recycling, Objekterkennung, Aufmerksamkeitsmechanismen