ReCyCONtrol – Bildbasierte Bestimmung rheologischer Eigenschaften von Frischbeton

Projekt: ReCyCONtrol – Bildbasierte Bestimmung rheologischer Eigenschaften von Frischbeton

Forschende:
Institut für Photogrammetrie und GeoInformation: Max Meyer, Anne Ponick, Amadeus Langer, Christian Heipke
Institut für Baustoffe: Dries Beyer, Max Coenen, Michael Haist

Projektidee: Mit Hilfe von Videoaufnahmen von Beton können die Eigenschaften von teilweise recyceltem Beton während des Mischens bestimmt und ggf. durch Zugabe von Zusatzstoffen verbessert werden.

Beton ist einer der meistverwendeten Baustoffe in der Bauwirtschaft; allein in Deutschland lag die Produktionsmenge von Transportbeton 2020 bei über 50 Millionen Kubikmeter. Um natürliche Ressourcen zu schonen, kann Abbruchmaterial (Beton, Mauerwerk, Gestein) aus dem Rückbau von Gebäuden in Form von rezyklierten Gesteinskörnungen in der Betonproduktion wiederverwendet werden. In der heutigen Bauwirtschaft werden mineralische Rohstoffe jedoch eher downgecycelt als recycelt – also Abbruchmaterial zum Beispiel eher als Unterbau für Wege verwendet als für den Bau neuer Gebäude.

Einer der Gründe ist die Tatsache, dass die Eigenschaften der zu recycelnden Abbruchmaterialien sehr unterschiedlich sind und den neuen Beton in unbekanntem Maße negativ beeinflussen können - hier insbesondere die Frischbetoneigenschaften.

Könnte man die Eigenschaften des frisch gemischten Betons bereits während des Mischvorgangs bestimmen, wäre es möglich, die unbekannten negativen Auswirkungen zu kompensieren, etwa durch geeignete Zusatzstoffe. Das Ziel des Projekts ist es daher, den Betonmischvorgang mit optischen Sensoren zu beobachten und aus den Bilddaten direkt die Eigenschaften des Betons zu bestimmen.

Da die Arbeit mit frischem Beton immer mit viel Aufwand verbunden ist und die Zeit, in der mit dem frischen Beton gearbeitet werden kann, bevor er aushärtet, begrenzt ist, wurden zunächst Versuche mit einem Ersatzstoff durchgeführt. Der Ersatzstoff wurde in unterschiedlichen Konsistenzen nacheinander in ein Linearmischsystem gegeben und mit einem Mischpaddel in Bewegung versetzt. Ein Stereokamerasystem nimmt den Mischvorgang auf und ermöglicht eine 3D-Rekonstruktion der Oberfläche. Wir haben ein Lernverfahren entwickelt, das ein digitales Höhenmodell und ein Orthophoto verwendet, um die rheologischen Eigenschaften, also die Fließeigenschaften der Mischung vorherzusagen. Eine Regression wird von einem Convolutional Neural Network (CNN) durchgeführt, das die rheologischen Eigenschaften am Ende als Fließkurve ausgibt. Im nächsten Schritt werden wir nun diese Methodik an echtem Beton testen.

Dieses Projekt wird in Kooperation mit dem Institut für Baustoffe der Leibniz Universität sowie einer Reihe von Firmen durchgeführt und vom Bundesministerium für Bildung und Forschung gefördert.