Evident LogoOlympus Logo
InSight Blog

Analyse von Kohleverbrennungsrückständen mithilfe der Deep-Learning-Bildsegmentierung

By  -
Kohleflugasche

Kohle ist ein schwarzes Gestein, das zur Energiegewinnung verbrannt werden kann. Entstanden ist dieser nicht erneuerbare Rohstoff aus Pflanzen, die vor Millionen von Jahren in Sümpfen abgestorben sind und dann im Laufe der Zeit dieses Gestein gebildet haben.

Selbst mit den aufkommenden erneuerbaren Energien wie Wind und Sonne bleibt Kohle weltweit eine wichtige Energiequelle. Bei der Verbrennung von Kohle werden eine Reihe von Luftschadstoffen, Asche und Schwermetallen freigesetzt, die kontrolliert oder entfernt werden müssen, um Schäden für unsere Gesundheit und die Umwelt zu vermeiden.

Die US-Umweltschutzbehörde (EPA) hat beispielsweise nationale Vorschriften für die sichere Entsorgung von Kohleverbrennungsrückständen erlassen, die bei der Verbrennung von Kohle in Kohlekraftwerken anfallen. Rückstände aus der Kohleverbrennung werden auch als Kohleverbrennungsprodukte, Kohleverbrennungsabfälle oder Kohleasche bezeichnet.

Beispiele für Rückstände aus der Kohleverbrennung

Beispiele für Kohleverbrennungsrückstände sind Flugasche, Bodenasche, Kesselschlacke und Rauchgasentschwefelungsmaterial. Wie der Name schon andeutet, ist Flugasche das feine pulverförmige Material, das mit den Rauchgasen aufsteigt. Bodenasche und Kesselschlacke sind grobe und schwerere Partikel, die sich am Boden des Ofens bilden.

Gleichzeitig unterstützt die EPA die verantwortungsvolle Wiederverwendung und das Recycling von Kohleasche in verschiedenen Produkten und Materialien wie Beton, Mörtel, Ziegel und Füllmaterial. Die Wiederverwendung von Kohleasche kann folgende wirtschaftliche, ökologische und produktspezifische Vorteile bieten:

  • Reduziert den Verbrauch natürlicher Ressourcen
  • Senkt die Treibhausgasemissionen
  • Verbessert die Festigkeit, Verarbeitbarkeit und Haltbarkeit des Materials
  • Ersetzt teurere Materialien (z. B. Ton, Sand, Kies und Kalkstein in Zement)
  • Erhöht den Umsatz durch den Verkauf der Kohleasche
  • Spart Kosten, da weniger entsorgt werden muss

Zudem haben verschiedene Studien das Potenzial von Steinkohleflugasche als Neutralisationsmittel aufgezeigt. So kam beispielsweise die Idee auf, Flugasche für die Rekultivierung von sauren Braunkohlehalden im Tagebau zu verwenden. Das saure Milieu ist Gift für die Stabilität der Halden, wohingegen die Asche aufgrund des hohen Kalkgehalts sehr basisch ist. Dadurch kann sie zur Neutralisierung und damit zur Rekultivierung beitragen.

Zur Untersuchung von Flugasche und anderen Rückständen aus der Kohleverbrennung greifen Forscher häufig auf die Mikroskopie und industrielle Bildanalysesoftware zurück.

Analyse von Kohleasche mit Deep-Learning-Bildsegmentierung

Die mikroskopische Analyse von Kohleasche ist nützlich, um das Verhalten und die Reaktivität der Flugasche bei chemischen Reaktionen zu beurteilen, die durch den Kontakt mit anderen Materialien oder Medien wie Wasser, Zement oder Boden ablaufen. In Kombination mit einer quantitativen Röntgendiffraktometrie kann ein nahezu vollständiges Bild der Reaktivität gezeichnet werden. So können beispielsweise Aschen mit geringer Reaktivität als Zuschlagstoff in Beton verwendet werden, während hochreaktive Aschen als hydraulisches Bindemittel Einsatz finden.

Die Mikroskopie kann verwendet werden, um:

  • den Anteil und die Korngrößen von reaktiven Glasphasen in Flugaschen zu bestimmen
  • zusätzliche Mineralphasen zu identifizieren
  • Kohleasche in der Umwelt zu identifizieren

Bildanalysetools der nächsten Generation wie die Deep-Learning-Bildsegmentierung haben die Analyse von Kohleasche einfacher und genauer gemacht.

Das soll anhand des Beispiels einer Bildanalyse von Braunkohleflugasche in Abbildung 1 erläutert werden. Diese Ascheprobe stammt aus dem stillgelegten Kraftwerk Mumsdorf im mitteldeutschen Braunkohlerevier südlich von Leipzig, Deutschland. Braunkohle gilt als die für die menschliche Gesundheit schädlichste Kohle. Die Schließung von Braunkohlebergwerken wird weltweit fortgesetzt, da die Länder auf erneuerbare Energien umstellen.

Für diese Probe wurde Braunkohle für die Verbrennung zerkleinert und dann in die Brennkammer geblasen. Dabei entstehen viele verschiedene, winzige Aschepartikel. Die Strömungsgeschwindigkeiten von der Brennkammer zur Abgasleitung sind sehr hoch und sorgen dafür, dass sich die kleinen Flugaschepartikel nicht absetzen. Die Braunkohle enthielt auch Mineralien, die bei der Verbrennung vollständig geschmolzen werden. Aus diesen Schmelztropfen bilden sich hochreaktive Glasphasen (die klaren Kugeln im Bild).

Die Braunkohleflugascheprobe enthält auch andere Mineralphasen, darunter:

  • Magnetit: schwarze undurchsichtige Kugeln
  • Quarz: als Mineralfragmente
  • Kalk: oft eher diffus

Zur Bewertung der Braunkohleflugasche wurde die Deep-Learning-Technologie TruAI in der OLYMPUS Stream Bildanalysesoftware eingesetzt, um die reaktive Glasphase (klare Kugeln) von anderen Phasen zu unterscheiden. Durch einfaches Training des neuronalen Netzes mit handbeschrifteten Bildern automatisiert die Zähl- und Messfunktion die Analyse und trennt die Schmelztropfen eindeutig von den Mineralien.

placholder image

Original image of brown coal ash fly (left), image segmentation using conventional thresholding methods (right).

placholder image

Original image of brown coal ash fly (left), deep-learning image segmentation (right).

Abbildung 1. Im Gegensatz zur Bildsegmentierung mit herkömmlichen Schwellenwertverfahren, die von Helligkeit oder Farbe abhängen, kann die Deep-Learning-Bildsegmentierung mit der TruAI-Technologie Schmelztropfen korrekt von anderen Mineralien trennen und erkennen.

Die Deep-Learning-Bildsegmentierung hat viele Anwendungen. So können die Glasphasen auf diesen Bildern auch für viele chemische Produkte stehen, in denen Blasen oder Kugeln als Kapseln oder Ionenaustauscher (Kunstharzperlen) oder als Trägermaterial (z. B. für Aromen oder Wirkstoffe) verwendet werden.

Um mehr über die Deep-Learning-Bildsegmentierung zu erfahren und weitere Beispiele zu sehen, besuchen Sie unsere Deep-Learning-Ressource.

Ähnliche Artikel

TruAI Deep-Learning-Technologie für die industrielle Bildanalyse

Broschüre: OLYMPUS Stream Software für die Bildanalyse

RFA-Handanalysator für Kohlekraftwerke


Kontakt
Product Marketing Manager

Annegret Janovsky joined Evident in 2002. As a trained crystallographer, she specialized in technical mineralogy. During her time at Evident Germany, she broadened her experience in industrial microscopy, X-ray fluorescence (XRF), and remote visual inspection (RVI) as a salesperson. After several years as a sales specialist for industrial microscopy, she moved to the marketing team in Europe, where she is now a product marketing manager for industrial microscopy in Europe, the Middle East, and Africa (EMEA). 

September 14, 2021
Sorry, this page is not available in your country
InSight Blog Sign-up
Sorry, this page is not available in your country
Let us know what you're looking for by filling out the form below.
Sorry, this page is not available in your country