Im Vorhaben CIRTEX werden Hardware und Software für die optimale Trennung von Recyclingstoffen in neuartigen Sortierstraßen entwickelt. Die FU Berlin übernimmt die Entwicklung von Methoden des maschinellen Lernens, um die spektroskopischen Daten auszuwerten. Gewünscht ist, anhand dieser Daten die Materialzusammensetzung in Echtzeit zu ermitteln. Zunächst wird eine Datenbasis für das maschinelle Lernen erstellt. Dafür sollen vorhandene Datenbanken von Produktdaten in ein geeignetes Format gebracht werden. Die spektroskopischen Daten von bekannten Materialien werden ermittelt und diese mit den Produktdaten assoziiert. Von dieser Datenbasis ausgehend, werden tiefe neuronale Netze trainiert und deren Ausgaben mit den Ergebnissen aus Random Forests verglichen. Mit den tiefen Netzen werden wir eine hohe Genauigkeit erzielen und mit den Entscheidungsbäumen können wir eine Ebene der Erklärbarkeit der Resultate einbauen.  In der zweiten Teilaufgabe des Projektes geht es darum, anhand von Bildern der Kleidungsstücke, so wie sie auf dem Förderband liegen, den Typ, die Farbe, das Hautpmaterial und sonstige relevante Faktoren zu ermitteln, so dass eine Empfehlung für das Weiterleiten an Second-Hand Läden gegeben wird. Beschädigte Kleidungsstücke sollen aussortiert werden, so wie solche die wenig Weiterverkaufsmöglichkeiten bieten. Dafür sollen die Daten von Kooperationspartnern verwendet werden, die solche Second-Hand Online-Angebote betreiben. Diese Partner wissen, aus ihren Verkaufszahlen, welche Kleidungsstücke am besten weiterverkauft werden können und haben Merkmale davon registriert.

Die Herausforderung liegt daran, Klassifikatoren zu trainieren die anhand von Videodaten von den Merkmalen auf die Wiederverkaufbarkeit schließen können.