Automatisierte Klassifizierung von bp-sWEEE-Röntgenbildern mittels Web Scraping und UNU-KEYS-Taxonomie für die automatische Demontage

Abstract

Diese Arbeit entwickelt einen computergestützten Rahmen zur Verbesserung der automatisierten Demontage von batteriebetriebenem kleinem Elektro- und Elektronik-Altgeräten (bp-sWEEE). Unter Nutzung von Web Scraping und der UNU-KEYS-Taxonomie etabliert die Forschung eine Prozesskette zur Erfassung, Klassifizierung und Validierung von Röntgenbildern bp-sWEEE-Geräte.Die Studie adressiert zentrale Herausforderungen der robotergestützten Demontage, darunter Gerätevariabilität, Sicherheitsrisiken und Designinkonsistenzen. Sie bewertet technologische Fortschritte in maschinellem Sehen und adaptiver Robotik und identifiziert kritische Barrieren sowie Erfolgsfaktoren für skalierbare Automation.Ein kuratierter Datensatz von Röntgenbildern wird zusammengestellt und rigoros validiert, wodurch die Machbarkeit automatisierter Klassifizierungssysteme demonstriert wird. Die Arbeit unterstreicht die Notwendigkeit standardisierter Metadatenschemata und kooperativer Industrie-Hochschul-Anstrengungen zur Förderung kreislaufwirtschaftlicher Praktiken im Elektroschrott-Recycling.

This thesis develops a computational framework to enhance the automated disassembly of battery-powered small waste electrical and electronic equipment (bp-sWEEE). Leveraging web scraping and the UNU-KEYS taxonomy, the research establishes a pipeline for acquiring, classifying, and validating X-ray images of bp-sWEEE devices. The study addresses key challenges in robotic disassembly, including device variability, safety risks, and design inconsistencies. It evaluates technological advancements in machine vision and adaptive robotics while identifying critical barriers and enablers for scalable automation. A curated dataset of X-ray images is compiled and rigorously validated, demonstrating the feasibility of automated classification systems. The work underscores the need for standardized metadata schemas and collaborative industry academia efforts to advance circular economy practices in e-waste recycling.