Die vorliegende Erfindung bezieht sich auf eine Sortiervorrichtung (nachfolgend auch als optisches Sortiersystem bezeichnet) gemäß Oberbegriff des Anspruchs 1 (sowie ein entsprechendes Verfahren).

Bei der optischen Sortierung von Schüttgütern in Materialströmen, die sich gut anhand optischer Merkmale im sichtbaren Spektrum wie Farbe, Form und/oder Textur, oder auch Materialeigenschaften im nahen Infrarotbereich trennen lassen, haben Anlagenbetreiber Interesse daran, den Materialdurchsatz zu maximieren. Daraus resultiert eine bessere Wirtschaftlichkeit. Erreicht werden kann ein höherer Materialdurchsatz durch höhere Schüttdichten, größere Sortierbreiten und/oder höhere Materialgeschwindigkeiten.

Für eine möglichst genaue Ausschleusung und somit ein bestmögliches Sortierergebnis ist es notwendig, die Sensorik und die Separationstechnik räumlich möglichst nahe beieinander anzuordnen. Hierdurch kann die Lage der Objekte im Materialstrom auf Höhe des Separationsmechanismus besser vorhergesagt und es kann entsprechend präzise, z.B. durch pneumatische Ventile, ausgeschleust werden. Darüber hinaus kann der Beifang (also der ungewollte Ausschuss von Objekten) nahe einem auszuschleusenden Objekt so gering wie möglich gehalten werden.

Für viele bekannte Merkmale, z.B. geometrische Deskriptoren, ist die Berechnungszeit direkt vom Objekt abhängig. Bei sehr hohen Schüttdichten bzw. Belegungsdichten im Materialstrom entstehen aus Sicht der Bildverarbeitung zusätzlich häufig Objektagglomerate (Objektcluster), welche algorithmisch nur noch schwer getrennt (insbesondere: segmentiert) werden können. Dies hat zur Folge, dass sich selbst bei der Sortierung von homogenen Produkten bzw. Objekten stark unterschiedliche Rechenaufwände zur Klassifikation ergeben können.

Die genannten Aspekte stellen Auswerteverfahren vor große Herausforderungen, da mit ihnen stets die Forderung nach Echtzeitauswertungen einhergeht. Werden Echtzeitschranken für bestimmte im Materialstrom enthaltene Objekte verletzt, liegt keine rechtzeitige Entscheidung des Auswertesystems über jene Objekte vor, d.h. eine Sortierentscheidung für ein entsprechendes Objekt (insbesondere: soll dieses Objekt ausgeschleust werden oder nicht) kann nicht rechtzeitig getroffen werden. Dies führt potentiell (oder auch tatsächlich) zu Fehlsortierungen.

Aus dem Stand der Technik bekannt sind Sortiersysteme, insbesondere zum Sortieren von Schüttgütern, aus den folgenden Offenlegungsschriften:

• DE 10 2009 007 481 AI,

• DE 10 2010 046 438 AI,

• DE 10 2011 103 253 AI sowie

• DE 10 2012 001 868 AI.

Siehe zudem„Stand der Technik der sensorgestützten Sortierung" von H. Wotruba, BHM, 153. Jg. (2008), Heft 6, Seiten 221 - 224.

Aufgabe der vorliegenden Erfindung ist es, die Leistungsfähigkeit optischer Sortiersysteme zum Sortieren von Objekten in Materialströmen zu verbessern, insbesondere die Echtzeitfähigkeit der Systeme zu verbessern, d.h., die Wahrscheinlichkeit zu erhöhen, dass für jedes Objekt im Materialstrom zum Ausschleusungszeitpunkt tatsächlich eine Sortierentscheidung vorliegt. Zudem soll die vorliegende Erfindung eine leistungsfähigere Verarbeitung von Sensordaten zur Verfügung stellen, um auch bei kurzen Abständen zwischen Bildaufnahmeeinheit (Sensorik) und Sortiereinheit (Einheit zur Ausschleusung von Objekten) eine Echtzeitfähigkeit zu ermöglichen (und damit in der Konsequenz die Sortierleistung zu steigern). Die vorliegende Erfindung soll dazu insbesondere neue Ansätze bezüglich der Sensordatenverarbeitung zur Verfügung stellen.

Diese Aufgabe wird durch ein optisches Sortiersystem gemäß Anspruch 1 sowie ein Sortierverfahren gemäß Anspruch 14 gelöst. Vorteilhafterweise realisierbare Varianten lassen sich den abhängigen Ansprüchen entnehmen.

Die vorliegende Erfindung geht zunächst von folgenden Grundüberlegungen aus: Bei herkömmlichen Systemen besteht das Problem, dass für manche Objekte bei Erreichen des Separationsmechanismus (Sortiereinheit) keine Sortierentscheidung vorliegt, da die benötigten Berechnungen des Auswertesystems (Auswerteeinheit) noch nicht abgeschlossen sind. Eine Teilmenge aus dem Stand der Technik bekannter Anlagen behandelt diesen Zustand überhaupt nicht, wodurch sich zwangsweise Einbußen hinsichtlich Sortierleistung und/oder Sortierqualität ergeben. Um diese Probleme zu lösen, scheinen sich zunächst folgende Ansätze anzubieten:

• Verringerung der Materialzufuhr: Liegen wenige(r) Objekte zur Auswertung vor, kann mehr Zeit pro Objekt für Berechnungen genutzt werden. Allerdings würde sich dies negativ auf die Wirtschaftlichkeit der Anlage auswirken.

• Vergrößerung des Abstands zwischen der sensorischen Erfassung und der Separation: Hierdurch kann der Auswerteeinheit (bei konstanter Materialgeschwindigkeit) eine größere Latenz zur Bildauswertung gewährt werden. Dies würde jedoch den Nachteil mit sich bringen, dass die Position von Objekten bei Erreichen der Sortiereinheit (Separationsmechanismus) schlechter prognostiziert werden kann. Durch größere Ausblasfenster könnte dem entgegengewirkt werden, jedoch würde dadurch der Beifang (ungewollter Ausschuss von Objekten nahe an einem auszuschleusenden Objekt) erhöht. • Implementierung der Bildauswertung in Hardware: Hierdurch würden zwar sehr hohe Verarbeitungsgeschwindigkeiten erreicht werden, dies hätte jedoch den Nachteil, dass die entsprechende Realisierung auf eine ganz bestimmte Sortieraufgabe zugeschnitten werden müsste. Es würde dann an Flexibilität hinsichtlich der zugrundeliegenden Sortieraufgabe mangeln (in vielen Anlagen müssen aber unterschiedliche Sortieraufgaben gelöst werden).

Allen diesen Lösungsansätzen ist gemein, dass sie entweder hohe Verarbei- tungsgeschwindigkeiten unterstützen oder aber die tolerierbare Latenz erhöhen. Aus diesen Grundüberlegungen zieht die vorliegende Erfindung daher den Schluss, dass ein adaptives Verhalten des Sortiersystems notwendig ist, um die Echtzeitfähigkeit des Systems zu gewährleisten bzw. zu verbessern. Mit anderen Worten besteht eine Grundidee der vorliegenden Erfindung da- rin, passend auf die in Abhängigkeit der Sensordaten bzw. der konkreten Verhältnisse im Materialstrom und/oder bei dessen Objekten schwankenden benötigten Berechnungszeiten einzugehen.

Die grundlegende Realisierung dieser Grundidee beschreibt das optische Sor- tiersystem gemäß Anspruch 1.

Das erfindungsgemäße System kann als Bandsortiersystem realisiert sein, es sind aber auch Rutschensortiersysteme denkbar. Das optische Erfassen des Materialstroms bedeutet dabei in der Regel die Aufnahme einer Vielzahl von einzelnen Bildern des Materialstroms bzw. von Ausschnitten desselben je

Zeiteinheit. Beispielsweise können, während das Sortiersystem arbeitet, Videobilder (schnelle Einzelbildfolgen) eines neutralen Hintergrundes, über den der Materialstrom hinweg transportiert wird, aufgenommen werden und mittels der Auswerteeinheit in Echtzeit (hinsichtlich der vor besagtem Hinter- grund aufgenommenen Objekte im Materialstrom) ausgewertet werden.

Dabei kann als bildgebende Sensorik (Bildaufnahmeeinheit) ein Farb-Zeilen- oder ein Farb-Flächen-Kamerasystem (Array), beispielsweise auf CCD- oder auf CMOS-Basis, eingesetzt werden. Die einzelnen Aufnahmen bzw. Videobil- der der Bildaufnahmeeinheit können mit Bildverarbeitungsalgorithmen durch die Auswerteeinheit ausgewertet werden, um die sechsdimensionale Pose (also die dreidimensionale Lage und die dreidimensionale Orientierung) oder zumindest die dreidimensionale Lage jedes einzelnen Objekts des Materialstroms zu definierten Zeitpunkten zu bestimmen.

Das Einstellen des/der Auswertungsparameter(s) erfolgt vorzugsweise durch die bzw. in der Auswerteeinheit, insbesondere durch einen Mikrocontroller oder eine Rechnereinheit derselben.

Das Sortieren„der klassifizierten" Objekte schließt dabei nicht aus, dass auch nicht-klassifizierte Objekte sortiert werden (nämlich beispielsweise sicherheitshalber einfach immer als„Schlecht-Objekte" ausgesondert bzw. ausgeschleust werden). Das Sortieren kann insbesondere ein mechanisches Trennen der klassifizierten Objekte sein. Im einfachsten Fall werden die Objekte in zwei Klassen klassifiziert, nämlich in„Gut-Objekte" und in„Schlecht-Objekte". Die Objekte der beiden Klassen können bei der Sortierung in getrennten Behältnissen aufgefangen werden. Dazu können (was dem Fachmann grundsätzlich bekannt ist, vgl. auch den vorgenannten Stand der Technik) schnelle Luftventile zum Ausblasen der Schlecht-Objekte eingesetzt werden.

Erste vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 2 entnehmen.

Anders ausgedrückt kann mit der besagten Mindestwahrscheinlichkeit für ein beliebiges Objekt im Materialstrom durch die Auswerteeinheit eine Sortierentscheidung getroffen werden, so dass die Sortiereinheit gemäß der getroffenen Sortierentscheidung auf dieses Objekt reagieren kann. Falls die (Min- dest-)Wahrscheinlichkeit gleich 100% ist, trifft die Auswerteeinheit mit absoluter Sicherheit für alle Objekte im Materialstrom jeweils eine Entscheidung des Identifizierens und Klassifizierens, also eine Sortierentscheidung. Dabei kann (insbesondere bei sehr hohen Bandgeschwindigkeiten des Transportbandes eines Bandsortiersystems und/oder bei sehr hohen Belegungsdichten der Objekte im Materialstrom) die Sortierentscheidung auch falsch sein. Es kann auch vorkommen, dass durch ein fehlerhaftes Einwirken der Sortiereinheit auf den Materialstrom ein bestimmtes, klassifiziertes Objekt trotz einer (korrekten) Sortierentscheidung der Auswerteeinheit auf„Ausschleusen" dennoch nicht ausgeschleust wird. Ebenso kann es vorkommen, dass ein be- stimmtes, klassifiziertes Objekt ausgeschleust wird, obwohl die (korrekte) Sortierentscheidung für dieses Objekt auf„nicht Ausschleusen" lautet.

Weitere vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 3 entnehmen.

Es kann also die Genauigkeit GK eines oder mehrerer Prozessschritts/e (z.B. des Prozessschritts der Segmentierung oder des Prozessschritts der Anwendung eines Klassifikators auf Entscheidungsbaumbasis) vorgegeben bzw. ein- gestellt werden. Der/die Prozessschritt(e) wird/werden daraufhin mit der (jeweils) eingestellten GK durchgeführt. Das Einstellen einer geringen GK kann beispielsweise heißen, dass die Bilddaten bzw. die aus den Bilddaten hervorgehenden Daten als Eingangsdaten des Prozessschritts nur grobgerastert bearbeitet werden, um die Zahl der rechnergestützt durchzuführenden Berech- nungen möglichst gering zu halten. In diesem Fall wird der mit dieser Genauigkeit GK durchgeführte Prozessschritt in jedem Fall beendet.

Dies kann aber - bei iterativen Berechnungen oder bei rekursiven Berechnungen - auch heißen, dass nach einer definierten (beispielsweise geringen) Wiederholungsanzahl der Iterationsschleife (bei iterativen Berechnungen) oder nach Erreichen einer definierten (beispielsweise geringen) Rekursionstiefe (bei rekursiven Berechnungen), also nach Erfüllen eines definierten Abbruchkriteriums, ein Abbruch der Berechnungen des Prozessschrittes erfolgt. Als Folge eines solchen Vorgebens bzw. Einstellens unterschiedlicher Genauigkeiten ergeben sich variierende Berechnungszeiten und/oder Wiederholungsanzahlen (bei iterativen Berechnungen) bzw. Rekursionstiefen (bei rekursiven Berechnungen). Erfindungsgemäß können insbesondere die Genauigkeit schrittweise verfeinernde Algorithmen (insbesondere: rekursiv, iterativ und/oder inkrementell verfeinernde Algorithmen) eingesetzt werden. Dies muss aber nicht der Fall sein, die Algorithmen können auch nicht repetitiv und/oder analytisch sein.

Weitere vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 4 entnehmen. Es kann also die Berechnungszeit BZ eines oder mehrerer Prozessschritts/e zumindest näherungsweise vorgegeben bzw. eingestellt werden. Der/die Pro- zessschritt(e) kann/können dann mit der (jeweils) eingestellten BZ bzw. solan- ge, bis die BZ abgelaufen ist (Abbruchkriterium), durchgeführt werden.

Als Folge des Vorgebens bzw. Einstellens unterschiedlicher Berechnungszeiten ergeben sich variierende Genauigkeiten und/oder Wiederholungsanzahlen (bei iterativen Berechnungen) bzw. Rekursionstiefen (bei rekursiven Berech- nungen).

Weitere vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 5 entnehmen. Es können also Häufigkeiten, mit denen Berechnungsfolgen von Prozessschritten wiederholt werden, vorgegeben bzw. eingestellt werden (bei rekursiven Algorithmen entspricht die Häufigkeit der Rekursionstiefe). Ein Einstellen einer geringeren Häufigkeit führt in der Regel zu einer geringeren Genauigkeit, mit der ein Prozessschritt durchgeführt wird, bzw. zu einer geringeren Be- rechnungszeit für den Prozessschritt. Nachdem die Berechnungsfolgen entsprechend häufig wiederholt wurden (bzw. die gewählte Rekursionstiefe erreicht wurde) wird der Prozessschritt beendet. Das Abbruchkriterium ist hier also eine Häufigkeit. Als Folge eines solchen Vorgebens bzw. Einstellens von unterschiedlichen Wiederholhäufigkeiten (nachfolgend auch mit WH abge- kürzt) ergeben sich variierende Genauigkeiten GK und/oder Berechnungszeiten BZ für die entsprechenden Prozessschritte.

Gemäß der Ansprüche 3 bis 5 können erfindungsgemäß schrittweise genauig- keitsverfeinernde Prozessschritte implementiert bzw. realisiert werden. Zwei beliebige oder alle drei der genannten Auswertungsparametertypen (GK, BZ und/oder WH) können durch die Auswerteeinheit zum Identifizieren und Klassifizieren der Objekte des Materialstroms zusammen eingesetzt werden. So kann beispielsweise bei einem Prozessschritt (z.B. der Segmentierung in den Bilddaten) die GK eingestellt werden, während bei einem anderen Prozess- schritt (beispielsweise dem Anwenden eines Klassifikators auf Entscheidungsbaumbasis) die BZ eingestellt wird. Vorteilhafterweise erfolgt das Implementieren der verwendeten Algorithmen so, dass für alle verwendeten Auswertungsparameter bzw. Typen von Auswertungsparametern für jeden Prozessschritt zu jedem Zeitpunkt während des Durchführens eines solchen Prozessschrittes (bzw. zum Zeitpunkt eines

Abbruchs der Berechnungen eines solchen Prozessschrittes) die Bedingungen gemäß Anspruch 2 erfüllt sind.

Mit anderen Worten werden vorzugsweise sämtliche Berechnungen für alle Objekte im Materialstrom in derjenigen Zeit durchgeführt und abgeschlossen

(notfalls beispielsweise durch vorzeitigen Abbruch der Berechnungen bei noch recht geringer Genauigkeit), die die Objekte jeweils brauchen, um nach ihrer Erfassung durch die Bildaufnahmeeinheit (beispielsweise auf dem Transportband) zu demjenigen letztmöglichen Ort zu gelangen, an dem sie noch durch die Sortiereinheit aussortiert werden können. Erfindungsgemäß kann also dafür gesorgt werden, dass für jedes Objekt oder zumindest für 90%, 95% oder 99% der Objekte immer eine momentane (ggfs. noch sehr grobe) Klassifikationsentscheidung (der dann eine entsprechende Sortierentscheidung folgen kann) gegeben ist.

Weitere vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 6 entnehmen.

Das Identifizieren und Klassifizieren bzw. die Auswertung kann also in mehre- ren Prozessschritten (nachfolgend auch alternativ als Komponenten bezeichnet) der Auswerteeinheit durchgeführt werden. Für jeden Prozessschritt (jede Komponente) kann jeweils ein Typ, bevorzugt genau ein Typ, von Auswertungsparameter gemäß der Ansprüche 3 bis 5 festgelegt werden. Weitere vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 7 entnehmen.

Gemeint ist damit, dass die sich ergebende(n) bzw. die gewählte(n) Berech- nungszeit(en), vgl. dazu auch die vorangehenden abhängigen Ansprüche, so sind, dass auch bei Änderungen im Materialstrom bzw. bei den Objekten desselben der/die Belegungsparameter so schnell bestimmt und davon ausge- hend der/die Auswertungsparameter so schnell angepasst werden

kann/können, dass auch im veränderten Materialstrom bzw. für die veränderten Objekte die Bedingungen des Anspruchs 2 erfüllt werden können. Dies kann durch eine geeignete Hard- und/oder Software und/oder auch durch geeignete, hinreichend gering eingestellte Genauigkeiten realisiert werden.

Weitere vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 8 entnehmen. Gemäß der ersten Variante dieses Anspruchs können somit Auswertungsparameter eingestellt werden, die in der Auswerteeinheit direkt verwendet werden, um durch die Auswerteeinheit das Identifizieren und Klassifizieren (bzw. die Prozessschritte desselben) direkt, also unmittelbar, zu steuern. Gemäß der zweiten Variante dieses Anspruchs können Auswertungsparameter eingestellt werden, die die Bildaufnahmeeinheit 1 steuern und die somit indirekt bzw. mittelbar, also als Folge dieser Steuerung, das von der Auswerteeinheit durchgeführte Identifizieren und Klassifizieren (bzw. die Prozessschritte desselben) beeinflussen. Ein Beispiel für einen solchen Auswertungs- parameter ist die Bildauflösung (oder die Pixelzahl je Flächeneinheit) bei der

Bildaufnahmeeinheit: Diese kann herabgesetzt werden (z.B. durch Zusammenfassen von mehreren Pixeln). Die Bilddaten haben dann eine geringere Bildauflösung, die Belegungsparameter werden somit ungenauer/gröber und/oder liegen in geringerer Anzahl vor (und können somit schneller be- stimmt werden). Letzteres vereinfacht bzw. beschleunigt dann indirekt auch das Identifizieren und Klassifizieren durch die bzw. in der Auswerteeinheit. Letzteres kann auch dadurch bewirkt werden, dass man auf Basis des/der Auswertungsparameter(s) der Bildaufnahmeeinheit wiederum einen oder mehrere Auswertungsparameter der Auswerteeinheit hinsichtlich der Einstel- lung verändert.

Weitere vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 9 entnehmen.

Ein solcher Sortierparameter kann bevorzugt durch die Sortiereinheit eingestellt werden. Ein möglicher Sortierparameter ist ein Zusammenschalten meh- rerer benachbarter Ausblasdüsen der Sortiereinheit zu einem Düsencluster. Beispielsweise können mit einem solchen Düsencluster große Objekte sicherer aussortiert werden oder es können (bei geringer Belegungsdichte) größere Ausblasbereiche um auszusortierende Objekte herum bewirkt werden. Damit lässt sich die Wahrscheinlichkeit des tatsächlichen Aussortieren auszusortierender Objekte durch die Sortiereinheit weiter erhöhen.

Weitere vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 10 entnehmen.

Die Belegungsdichte kann insbesondere als mittlere Anzahl von Objekten pro Flächeneinheit des Materialstroms definiert werden (beispielsweise als mittlere Anzahl von Objekten, mit denen eine Flächeneinheit des Transportbandes eines Sortiersystems vom Bandtyp belegt ist). Bei Sortiersystemen vom Rutschentyp oder vom Falltyp kann als Belegungsdichte die mittlere Anzahl von Objekten je Fallstrecke oder je Fallflächeneinheit gemeint sein.

Die Belegungsverteilung kann erfassen oder beschreiben, ob die Objekte im Materialstrom alle ausgeeinzelt sind oder mit welcher Wahrscheinlichkeit ein beliebiges Objekt ausgeeinzelt auf beispielsweise dem Transportband vorliegt (oder ob sich Objekte noch überlappen bzw. mit welcher Wahrscheinlichkeit Clusterbildungen vorliegen).

Weitere vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 11 entnehmen.

Falls mehrere dieser Prozessschritte durchgeführt werden, werden diese bevorzugt in einer zeitlichen Reihenfolge gemäß ihrer Reihenfolge in der Aufzählung dieses Anspruchs durchgeführt (Beispiel: Segmentieren gefolgt von Zusammenhangsanalyse gefolgt von Klassifikation).

Die Zusammenhangsanalyse als Teil des Identifizierens kann eine„Connected- Component-Analyse" sein, wie sie z.B. in "Topological Algorithms for Digital Image Processing" von T.Y. Kong, A. Rosenfeld, North Holland, Amsterdam, NL, 1996, beschrieben ist. Die Segmentierung als Teil des Identifizierens kann z.B. so durchgeführt werden, wie es in "Digitale Bildverarbeitung und Bildgewinnung" von B. Jahne, Springer, Heidelberg, Deutschland, 2012, beschrieben ist. Das Identifizieren und Klassifizieren, insbesondere das Identifizieren, kann weitere Prozessschritte wie beispielsweise einen Bildvorverarbeitungsschritt (vor dem Segmentieren und vor der Zusammenhangsanalyse) und/oder einen Merkmalsberechnungsschritt (nach dem Segmentieren und nach der Zusammenhangsanalyse) umfassen. Siehe dazu beispielsweise "Digitale Bildverarbei- tung und Bildgewinnung" von B. Jahne, Springer, Heidelberg, Deutschland,

2012 und "Automatische Sichtprüfung: Grundlagen, Methoden und Praxis der Bildgewinnung und Bildauswertung", J. Beyerer, F. P. Leon, C. Frese, Springer- Verlag Berlin Heidelberg, Deutschland, 2012. Nach mehreren Identifizier-Prozessschritten kann ein Prozessschritt der Klassifikation und danach ein Prozessschritt der Sortierentscheidung erfolgen (der Prozessschritt der Klassifikation kann auch bereits die Sortierentscheidung beinhalten). Weitere vorteilhafterweise realisierbare Merkmale lassen sich Anspruch 12 und Anspruch 13 entnehmen.

Gemäß Anspruch 13 kann die Implementierung einzelner Prozessschritte sowohl in Software als auch in Hardware, aber auch nur in Software oder nur in Hardware erfolgen. Bevorzugt wird eine zentrale Recheneinheit (Serversystem) eingesetzt, mit der alle Einheiten des Sortiersystems über bidirektionale Datenleitungen verbunden sind. Diese zentrale Recheneinheit kann computergestützt alle notwendigen Datenverarbeitungsmaßnahmen, Berechnungen und/oder Prozessschritte ausführen.

Ein erfindungsgemäßes Sortierverfahren lässt sich Anspruch 14 entnehmen.

Die vorliegende Erfindung beschreibt somit eine Vorgehensweise, bei der grundsätzlich innerhalb der zur Verfügung stehenden Rechenzeit eine best- mögliche Sortierentscheidung getroffen werden kann, um hierdurch eine prinzipielle Einhaltung von Echtzeitschranken zu ermöglichen. Die damit ver- bundene Aufwertung des Auswertesystems (Auswerteeinheit) kann somit direkt qualitative Fortschritte in der optischen Schüttgutsortierung unterstützen, da Zeitschranken enger gefasst werden können. Dies wird erfindungsgemäß durch die Verwendung von Algorithmen, die eine Sortierentscheidung inkrementell verfeinern oder die alternativ ihre Berechnungen an einem zugesprochenen Zeitbudget ausrichten, realisiert.

Es kann eine Menge an Implementierungen, welche sich in Genauigkeit GK und Berechnungsaufwand BZ unterscheiden, für Teilaufgaben des Auswerte- Systems verwendet werden. Während der einzelnen Prozessschritte (insbesondere bei der Auswertung) kann ein Laufzeitsystem konkrete Implementierungen auswählen, um Echtzeitschranken einzuhalten und um während der zur Verfügung stehenden Zeit das bestmögliche Ergebnis zu erzielen. Das zur Verfügung stehende Zeitbudget kann an Auswertungsalgorithmen propagiert werden. Die Algorithmen können um Intelligenz so erweitert werden, dass sie die zur Verfügung stehende Zeit bestmöglich ausnutzen.

Erfindungsgemäß können unterbrechbare Teilprozesse (die Prozessschritte) realisiert werden. Die Auswertealgorithmik kann durch ein Steuersystem zu jedem beliebigen Zeitpunkt unterbrochen werden und es kann das bis zu diesem Zeitpunkt beste Prozessschrittergebnis abgefragt werden. Durch das Verwenden der bis zu diesem Zeitpunkt bestmöglichen Entscheidung können in jedem Fall immer Informationen über ein zu sortierendes Objekt für eine Sortierentscheidung ausgewertet werden. Es kommt also nicht zu dem Fall, dass bei einer Überschreitung der Zeitschranke ein Objekt für eine Klassifizierung bzw. Sortierung überhaupt nicht beachtet wird. Dies resultiert letztendlich in einer Steigerung der Sortierleistung sowie der Sortierqualität.

Erfindungsgemäß kann sichergestellt werden, dass für jedes im Materialstrom enthaltene Objekt bei Erreichen des Separationsmechanismus (Sortiereinheit) eine Sortierentscheidung vorliegt. Diese Entscheidung beruht in der Regel auf Informationen, welche über das Objekt durch den Sensor (Bildaufnahmeeinheit) erfasst wurden, wobei die Auswertungsqualität sich je nach zur Verfügung stehender Zeit unterscheidet. Dies bedeutet, dass eine bessere Ent- Scheidung getroffen werden kann, als es bei herkömmlichen Systemen nach dem Stand der Technik der Fall ist. Zudem kann bei der vorliegenden Erfin- dung eine geringere Latenz zwischen der sensorischen Erfassung und der Separation ermöglicht werden, wodurch die räumliche Trennung minimiert wird, eine Steigerung der Sortierqualität erzielt wird, und ein kompakteres Sortiersystem realisiert wird.

Durch die Erfindung kann eine verbesserte Trennung bei der automatisierten Sortierung beliebiger Schüttgüter bzw. Materialströme erzielt werden. Zudem können im Vergleich zum Stand der Technik kleinere Ausblasfenster angewandt werden. Die Erfindung kann für die Sortierung komplexer Schüttgüter, welche anhand vieler komplexer Merkmale klassifiziert werden, eingesetzt werden.

Optische Sortiersysteme wie bei der vorliegenden Erfindung können eingesetzt werden, wenn sich die Materialien bzw. die Objekte anhand optischer Merkmale, vorzugsweise im sichtbaren oder auch im nahen Infrarotbereich, unterscheiden und somit für eine Sortierung klassifizieren lassen. Die Erfindung kann für die Rohstoff-verarbeitende Industrie eingesetzt werden, bei der neben einer kostengünstigen Produktion immer auch eine konstant hohe Qualität sichergestellt werden muss. Hierzu zählt beispielsweise die Sortierung von Industriemineralien, beispielsweise zur Reduktion des Eisengehaltes in einem Rohstoff. Die Erfindung kann auch im Lebensmittel- oder Genussmittelbereich eingesetzt werden, wo Verunreinigungen in Produkten (beispielsweise: getrocknete Paprika, getrocknete Weintrauben ...) beseitigt werden müssen. Ein weiteres wichtiges Einsatzgebiet ist das Recycling von Produkten (beispielsweise Altglassortierung).

Die vorliegende Erfindung kann bei optischen Sortiersystemen einen wesentlichen Beitrag zur besseren Wirtschaftlichkeit leisten. Wie im nachfolgenden Ausführungsbeispiel noch detaillierter erläutert, kann erfindungsgemäß mit Hilfe der gewonnenen Sensordaten (Bilddaten) eine Materialbelegung (z.B. Belegungsdichte) sowie eine Verteilung der Objekte im Materialstrom durch eine Überwachungseinheit bestimmt werden. Dies kann durch erlernte Modelle sowie durch bestimmte Metriken erreicht werden. Anhand dieses Wissens können durch eine Steuerungskomponente einzelne

Glieder (Komponenten bzw. Prozessschritte) der Verarbeitungskette bei- spielsweise bzgl. der Genauigkeit eingestellt werden. Somit kann eine kürzere Berechnungszeit dieser Glieder erreicht werden. Beispielsweise kann bei einer hohen Belegungsdichte und/oder einer ungünstigen Verteilung in der Belegung (beispielsweise wenn Objektcluster vorliegen) die Genauigkeit mindes- tens eines Gliedes bzw. eines Prozessschrittes auf„gröber" bzw.„geringer" eingestellt werden, so dass die Echtzeitbedingungen in jedem Fall eingehalten werden können (auch wenn dadurch die Genauigkeit der Klassifikations- bzw. Sortierentscheidungen geringer wird bzw. auch wenn dadurch die Fehlerrate, d.h. die Wahrscheinlichkeit für eine falsche Sortierentscheidung bzw.

Klassifizierentscheidung für ein gerade betrachtetes Objekt, steigt). Erfindungsgemäß wird dadurch die Wahrscheinlichkeit zur Einhaltung aller Echtzeitbedingungen im Sortiersystem stark erhöht. Hieraus resultieren bessere Sortierentscheidungen, da durch besagte Erhöhung der Einhaltung für mehr Objekte im Materialstrom eine Klassifikation überhaupt vorgenommen wer- den kann. (Im Extremfall wird in jedem Fall, d.h. für jedes einzelne Objekt im

Materialstrom, eine Klassifikationsentscheidung und somit auch eine Sortierentscheidung gefällt.)

Erfindungsgemäß kann die Steuerungskomponente (Auswertungseinheit) die Auswertungsparameter, insbesondere die Genauigkeit, die Berechnungszeit und/oder die Wiederholhäufigkeit, anhand von mit bekannten Materialströmen (mit bekannter Objektbelegung, mit bekannten Objekttypen, Objektgrößen, Objektgewichten etc.) ermittelten Zusammenhängen einstellen. Diese Zusammenhänge können dabei Abhängigkeiten zwischen der Materialbele- gung bzw. den Belegungsparametern einerseits und den vorzunehmenden

Einstellungen der Auswertungsparameter andererseits widerspiegeln. Entsprechend der eingestellten Auswertungsparameter ergeben sich Sortiergüte und Sortierleistung. Figuren 1 bis 5 zeigen ein Ausführungsbeispiel für ein erfindungsgemäßes optisches Sortiersystem (sowie ein entsprechendes Sortierverfahren) wie folgt.

Dabei zeigt:

Figur 1 einen optischen Bandsortierer gemäß der Erfindung. Figur 2 den Verarbeitungsablauf im Sortiersystem gemäß Figur 1 aus Sicht der digitalen Daten (insbesondere: der Bilddaten) und des Materialstroms bzw. des Weges von dessen Objekten.

Figur 3 den Ablauf des Sortierprozesses gemäß der Figuren 1 und 2, insbesondere die Prozessschritte der Auswertung (Identifizieren und Klassifizieren) in der Auswerteeinheit des Systems.

Figur 4 ein Beispiel für einen gemäß der Figuren 1 bis 3 bestimmten Belegungsparameter (hier: Materialbelegungsdichte) sowie einen unter Verwendung desselben eingestellten Auswertungsparameter (hier: Genauigkeit GK), der das Identifizieren und Klassifizieren der Objekte, also die Auswertung, durch die Auswerteeinheit steuert.

Figur 5 ein Beispiel für den Prozessschritt der Klassifikation in der Auswertung gemäß Figur 3.

Figur 1 zeigt einen optischen Bandsortierer, der grundsätzlich dem Aufbau nach dem Stand der Technik folgt, wobei die erfindungsgemäßen Besonderheiten insbesondere in der Auswerteeinheit 2 bzw. der Auswertung der Bilddaten 4 durch dieselbe liegen. Im Bandsortierer wird ein Schüttgutstrom bzw. Materialstrom M mittels eines Förderbandes 11 auf eine dem Fachmann an sich bekannte Art und Weise an einer Bildaufnahmeeinheit 1 vorbei hin zu einer in einem definierten Abstand zur Bildaufnahmeeinheit 1 angeordneten Sortiereinheit 3 transportiert. Der Schüttgutstrom M umfasst eine Vielzahl einzelner Objekte 0, die hier in lediglich zwei Klassen zu klassifizieren bzw. zu sortieren sind, nämlich in Gut-Objekte (einzusortieren in den Auffangbehälter 13b der Sortiereinheit 3) und Schlecht-Objekte (einzusortieren in den weiteren Auffangbehälter 13a der Sortiereinheit 3). Hierzu müssen die Objekte 0 des Materialstroms M zunächst durch die Bildaufnahmeeinheit erfasst werden, anschließend durch Auswertung der durch diese Einheit 1 aufgenommenen Bilddaten 4 in der Auswerteeinheit 2 in Gut-Objekte und Schlecht-Objekte klassifiziert werden und schließlich sortiert werden. Das Einsortieren in bzw. Aufteilen auf die beiden Behältnisse 13a, 13b gemäß des Sortier- bzw.

Klassifizierergebnisses 13 erfolgt durch die Druckluftventile der Sortiereinheit 3, die anhand der Auswertungsergebnisse 10 der Auswerteeinheit 2 Schlecht- Objekte aus dem Materialstrom M durch Ausblasvorgänge entfernen.

Die ausgeblasenen Schlecht-Objekte fallen in das Behältnis 13a der Schlecht- Objekte, die Gut-Objekte verbleiben im Materialstrom M, werden also nicht ausgeblasen, und fallen in das Behältnis 13b für Gut-Objekte. Dies beschreibt den Idealzustand des Sortierergebnisses 13.

Die Bildaufnahmeeinheit 1 umfasst eine bildgebende Sensorik, hier eine CCD- Farb-Zeilenkamera la, die den Materialstrom M bzw. die Objekte 0 desselben im Abwurfbereich des Förderbandes 11 gegen einen Hintergrund 12 erfasst bzw. eine schnelle Abbildungsfolge des Materialstroms M gegen den Hintergrund 12 aufnimmt. Eine Beleuchtung lb der Einheit 1 beleuchtet dazu den Materialstrom M gegen den Hintergrund 12 der Einheit 1, um optimale Bildaufnahmeverhältnisse für die Kamera la sicherzustellen.

Die aufgenommenen Bilddaten bzw. Videodaten 4 werden über eine Datenleitungsverbindung zwischen Kamera la und Auswerteeinheit 2 an letztere übermittelt. Die Auswerteeinheit 2 führt dann die nachfolgend noch im Detail beschriebenen Prozessschritte des Identifizierens und Klassifizierens der Ob- jekte 0 des Materialstroms M in den Bilddaten 4 durch und übermittelt die

Auswerteergebnisse 10 der durchgeführten Prozessschritte 7a - 7g (vgl. Figur 3) über eine Datenverbindung an die Sortiereinheit 3. Letztere führt schließlich beabstandet vom Abwurfbereich des Förderbandes 11 bzw. von der Aufnahmeeinheit 1 das Ausschleusen von Schlecht-Objekten durch, wodurch sich die Trennung in Gut-Objekte (Behälter 13b) und Schlecht-Objekte (Behälter

13a) im Sortierergebnis 13 ergibt.

Figur 2 zeigt den Materialfluss (durchgezogene Pfeile) sowie den Datenfluss (gestrichelte Pfeile), insbesondere den Datenfluss bei der Bilddatenerfassung und -auswertung, im System gemäß Figur 1. Der Materialaufgabe auf das Förderband 11 folgt zunächst eine Vereinzelung und Beruhigung der Objekte O auf dem Förderband, bevor der in Figur 1 links im Bild gezeigte Transportzustand bzw. Zustand der Objekte O im Materialstrom M auf dem Förderband 11 vorliegt. Im Abwurfbereich erfolgt schließlich die Bilderfassung bzw. senso- rische Erfassung der Objekte O im Materialstrom M mittels der Bildaufnahmeeinheit 1 bzw. der Kamera la derselben. Die Bilddaten 4 werden an die Auswertung in der Auswerteeinheit 2 übermittelt, die zum Abschluss der Auswertung die Klassifikation vornimmt bzw. die Sortierentscheidung für die einzelnen Objekte 0 trifft. Während der Auswertung mit der Auswerteeinheit 2 (also der Durchführung aller notwendigen Prozessschritte 7, vgl. Figur 3, bzw. Berechnungsvorgänge) fällt der Materialstrom M stromabwärts des Ab- wurfbereichs des Förderbandes 11 gesehen entlang der Abwurfparabel. Die Zeitspanne des freien Fallens der Objekte 0 entlang der Abwurfparabel (bis zum Erreichen des Ausschleusungsbereiches der Einheit 3) ist durch den Abstand zwischen Förderbandende einerseits und Einwirkungsbereich der Druck- luftventile der Sortiereinheit 3 andererseits definiert und entspricht der Latenzzeit bzw. der Zeit, die für ein Treffen einer Sortierentscheidung für ein Objekt 0 zur Verfügung steht.

Erfindungsgemäß wird für jedes Objekt im Materialstrom M, vgl. dazu auch Figur 4, in dieser Latenzzeit eine Klassifikations- und Sortierentscheidung gefällt. Dies geschieht in der Auswerteeinheit 2. Die Sortierentscheidung (in Gut- Objekt oder Schlecht-Objekt) wird schließlich nach Abschluss der Latenzzeit für jedes Objekt durch die Sortiereinheit 3 umgesetzt (Separation). Figur 3 zeigt vereinfacht den Ablauf im Sortiersystem gemäß der Figuren 1 und 2: Nach der Materialaufgabe 30 auf das und dem Materialtransport 31 auf dem Förderband 11 erfolgt die Bilderfassung 32 mittels der Kamera la der Bildaufnahmeeinheit 1. Sodann beginnt die Auswertung 33 mittels der Auswerteeinheit 2, der sich die Separation 34 durch die Sortiereinheit 3 an- schließt.

Gemäß Figur 3 umfasst die Auswertung, also das Identifizieren und Klassifizieren der Objekte 0 durch die Auswerteeinheit 2, hier insgesamt sieben einzelne Prozessschritte 7. Eingangsdaten der Auswertung sind die Bilddaten 4. Auf Basis des bestimmten Belegungsparameters 5 (vgl. Figur 4: Materialbelegungsdichte) wird für jeden einzelnen Prozessschritt 7 genau ein diesen Prozessschritt in der Auswerteeinheit steuernder Auswerteparameter 6 eingestellt. Das dazu notwendige Auswerten der Belegungsdichte zum Berechnen der Auswertungsparameter 6a - 6g der einzelnen Prozessschritte 7a - 7g des Identifizierens und Klassifizierens durch die Auswerteeinheit 2 erfolgt im

Rechnersystem der Auswerteeinheit 2 (nicht gezeigt). Im gezeigten Beispiel der Figur 3 wird durch die Auswertungseinheit 2 für den ersten Prozessschritt 7a der Bilddatenvorverarbeitung der Bilddaten 4 als der diese Vorverarbeitung steuernde Auswertungsparameter eine Bilddatenvor- verarbeitungs-Genauigkeitsstufe GK 6a eingestellt. Die Genauigkeitsstufe kann dabei z.B. auf„gering",„mittel" oder„hoch" lauten (vgl. auch Figur 4).

In dem zeitlich dem Schritt 7a nachfolgenden Prozessschritt 7b der Bildbereinigung wird als Auswertungsparameter 6b durch die Auswerteeinheit 2 eine feste Berechnungszeit BZ eingestellt. Die Steuerung des Schritts 7b der Auswertung erfolgt somit anhand einer BZ. Der nachfolgende dritte Prozessschritt 7c der Segmentierung wird wiederum mit einer mittels der Einheit 2 eingestellten Genauigkeitsstufe GK als Auswertungsparameter 6c durchgeführt bzw. gesteuert. Für die Zusammenhangsanalyse 7d wird ebenfalls als Auswer- tungsparameter 6d einer der drei Genauigkeitsstufenwerte„gering",„mittel" oder„hoch" zugeordnet bzw. eingestellt.

Der zeitlich gesehen fünfte Prozessschritt der Merkmalsberechnung 7e wird auf Basis einer eingestellten Wiederholhäufigkeit WH als Auswertungspara- meter 6e durchgeführt bzw. gesteuert. Die Merkmalsberechnung umfasst hier eine rekursiv durchzuführende Berechnungsfolge, wobei die Wiederholhäufigkeit WH 6e z.B. einen Wert zwischen 3 und 7 annehmen kann (d.h. die Rekursionstiefe der Berechnungen kann zwischen 3 und 7 gewählt werden, wobei 3 einen geringen Rechenaufwand erfordert und somit ein schnelles Durch- führen des Schrittes 7e ermöglicht und wobei ein Wert von 7 einen hohen

Berechnungsaufwand erfordert, so dass das Durchführen des Schrittes 7e lange dauert, aber mit hoher Genauigkeit erfolgen kann - letzteres ist somit nur bei geringer Belegungsdichte 5 sinnvoll bzw. möglich, wenn für alle Objekte 0 Sortierentscheidungen zu fällen sind).

Als sechster Schritt 7f erfolgt schließlich die Klassifikation, wobei für diesen Prozessschritt 7f als Auswertungsparameter 6f wiederum eine Genauigkeit GK eingestellt wird. Auch die abschließende Sortierentscheidung 7g erfolgt auf Basis des Einstellens eines Genauigkeitswertes GK 6g.

Das Ergebnis der insgesamt sieben Prozessschritte 7a - 7g mit den dazu je- weils eingestellten Auswertungsparametern 6a - 6g ist für jedes einzelne Objekt 0 des Materialstroms M das Sortierergebnis 13 aus Figur 1.

Figur 4 zeigt, wie im System der Figuren 1 bis 3 Auswertungsparameter 6 auf Basis zuvor in den Bilddaten 4 bestimmter Belegungsparameter 5 eingestellt werden können. Dies wird anhand eines einzelnen Belegungsparameters 5, hier der Materialbelegungsdichte, gezeigt, der mit der Auswerteeinheit 2 aus den mit der Bildaufnahmeeinheit 1 bzw. der Kamera la derselben aufgenommenen Bilddaten (gezeigt sind hier Einzelbilder 4) bestimmt wird.

Aus dem hier genau einen Belegungsparameter Materialbelegungsdichte 5, der den Materialstrom M hinsichtlich der Anzahl von Objekten 0 pro Flächeneinheit kennzeichnet, wird mittels der Auswerteeinheit 2 genau ein Auswertungsparameter 6, hier eine Genauigkeit (z.B. - hier vereinfacht - genau eine alle einzelnen Prozessschritte 7 steuernde Berechnungsgenauigkeit, die einen der Werte„hoch",„mittel" oder„gering" annimmt), bestimmt und eingestellt. Diese Genauigkeit 6 ist ein Auswertungsparameter der Auswerteeinheit 2, der bei der Auswerteeinheit 2 eingestellt wird, um das Identifizieren und Klassifizieren der Objekte 0 durch die Auswerteeinheit 2 zu steuern. Wie Figur 4 zeigt, wird im Falle einer geringen Materialbelegungsdichte 5 für das Identifizieren und Klassifizieren bzw. für alle einzelnen Prozessschritte desselben eine hohe Genauigkeit 6 als Auswertungsparameter eingestellt, so dass die Auswerteeinheit 2 sämtliche Identifizierungs- und Klassifizierungs-Prozessschritte 7 mit der Genauigkeit„hoch" durchführt, ohne dass es zu einer Verletzung der Echtzeitbedingungen bei der Auswertung kommt (vgl. Figur 4, mittlere Bildzeile).

Erhöht sich die Materialbelegungsdichte 5 im Materialstrom M auf„hoch", so dass bei Beibehaltung der hohen Genauigkeit der Auswertungs- Prozessschritte die Echtzeitbedingungen nicht mehr eingehalten werden würden, so wird durch die Auswerteeinheit 2 für sämtliche Prozessschritte 7 die Genauigkeit 6 auf„gering" eingestellt. Das Identifizieren und Klassifizieren wird ab diesem Zeitpunkt mit geringer Genauigkeit durchgeführt bzw. so gesteuert, dass die Echtzeitbedingungen wieder eingehalten werden können (vgl. Figur 4, untere Bildzeile). Figur 4 zeigt darüber hinaus, dass auf Basis der Materialbelegungsdichte 5 auch Auswertungsparameter 8 der Bildaufnahmeeinheit 1 eingestellt werden können. So kann beispielsweise als hier einziger Auswertungsparameter 8 der Bildaufnahmeeinheit 1 deren Bildauflösung eingestellt werden. Bei geringer Materialbelegungsdichte 5 kann die Kamera la die Bilddaten 4 mit hoher

Bildauflösung 8 aufnehmen, wohingegen bei einer deutlichen Erhöhung der Materialbelegungsdichte 5, wie in der unteren Zeile von Figur 4 gezeigt, die Bildauflösung 8 bei der Aufnahme der Bilddaten 4 deutlich herabgesetzt werden kann. Der so einstellbare Auswertungsparameter 8 der Bildaufnahmeein- heit 1 (Bildauflösung) kann dann indirekt auch die Bestimmung des/der Bele- gungsparameter(s) 5 und somit auch das Einstellen des/der Auswertungspa- rameter(s) 6 der Auswerteeinheit 2 beeinflussen.

Figur 5 zeigt schließlich ein Beispiel für eine mögliche Implementierung eines der Prozessschritte bzw. Teilaufgaben aus Figur 3, nämlich der Klassifikation

7f. Das Beispiel zeigt eine Implementierung eines unterbrechbaren

Klassifikators zum Treffen einer bestmöglichen Klassifikationsentscheidung (bzw. der dieser folgenden Sortierentscheidung). Als Grundlage für den Klassifikator wird ein Entscheidungsbaum verwendet. In jedem inneren Kno- ten des Entscheidungsbaums wird ein Merkmal eines gefundenen Objektes gegen einen Schwellwert verglichen und entsprechend des Vergleichsergebnisses wird der Pfad nach rechts oder nach links verfolgt, wie in Figur 5 gezeigt. In den Blättern des Entscheidungsbaums werden die resultierenden Klassen gespeichert. Gemäß der Figuren 1 bis 4 gibt es hier lediglich zwei Klas- sen, nämlich die Klasse der Gut-Objekte und die Klasse der Schlecht-Objekte.

Erfindungsgemäß können verschiedene dem Fachmann an sich bekannte Verfahren zum automatischen Lernen eines entsprechenden Entscheidungsbaums auf Basis einer gegebenen Trainingsmenge eingesetzt werden. Siehe hierzu beispielsweise„Machine Learning" von T. M. Mitchell, McGraw-Hill,

Boston, USA, 1997.

Erfindungsgemäß können diese Verfahren dahingehend erweitert werden, dass nicht nur in den Blättern des Entscheidungsbaums eine Klassenzugehö- rigkeit gespeichert wird, sondern dass auch in jedem inneren Entscheidungsbaumknoten eine Wahrscheinlichkeit für die verschiedenen Klassenzugehö- rigkeiten (auf Basis der Trainingsmenge) hinterlegt wird. Unterscheidet man beispielsweise zwei Klassen, nämlich eine Klasse A für Gut-Objekte und Klasse B für Schlecht-Objekte, wobei für beide Klassen jeweils gleich viele Beispiele in der Trainingsmenge vorhanden sind, dann liegen die Wahrscheinlichkeiten für die Klassenzugehörigkeit für A und B im obersten Knoten f ₈ bei jeweils 50%.

Hier beschreibt f den Merkmalsvektor und das achte enthaltene Merkmale wird entsprechend durch f ₈ beschrieben. Hierbei gilt zu beachten, dass ein einzelnes Merkmal in mehreren Knoten des Entscheidungsbaums als Prüfkriterium herangezogen werden kann.

Ein zu klassifizierendes Objekt 0 fällt nach dem Vergleich mit f ₈ im ersten, obersten Knoten in den linken oder in den rechten Teilbaum. Im nächsten Knoten, beispielsweise rechts, wird nun mit f ₄ verglichen. Die Wahrscheinlichkeiten können dabei neu verteilt sein. Zum Beispiel ist es denkbar, dass im letztgenannten Knoten die Wahrscheinlichkeiten für A mit 30% und für B mit

70% hinterlegt sind. Wird dann der Prozessschritt der Klassifikation an dieser Stelle (bzw. wenn die Berechnungen bis zu dieser Stelle gelangt sind) unterbrochen, so kann mit Sicherheit die Aussage getroffen werden, dass nach derzeitigem Kenntnisstand eine Zugehörigkeit zur Klasse B wahrscheinlicher ist als zur Klasse A.

Der Prozessschritt der Zusammenhangsanalyse 7d (vgl. Figur 3) kann erfindungsgemäß beispielsweise durch eine„Connected-Component-Analyse" realisiert werden. Siehe dazu z.B. M. B. Dillencourt et al.„A General Approach to Connected-Component-Labeling for arbitrary Image Representations", Journal of the ACM 39(2), 1992.

Hierbei können mehrere Unterbrechungspunkte gewährt werden, indem das Bild z.B. mit einem verschobenen Raster unterabgetastet wird. Beispielsweise kann in einem ersten Durchlauf nur jedes vierte Pixel betrachtet werden: Für alle nicht betrachteten Pixel kann dann der gleiche Wert wie für das zuletzt betrachtete Pixel angenommen werden. Steht genug Berechnungszeit zur Verfügung, so kann das Raster verschoben werden: Auf diese Weise wird die Information über das Bild mit jedem Durchlauf bzw. jeder Wiederholung ver- feinert. Es handelt sich dabei um ein iteratives Verfahren, das nach jedem

Durchlauf eine gültige Information liefern kann, diese Information jedoch suk- zessive verbessert.

Unterbrechbare Teilprozesse bzw. Prozessschritte können beispielsweise auch wie folgt realisiert werden. Es wird die Fläche eines Objektes in Pixel bestimmt. Hierzu werden in einem Algorithmus einfach die Pixel gezählt. Ein solcher Vorgang kann jederzeit unterbrochen werden und die bisher gezählten Pixel können als Fläche angenommen werden. Alternativ kann die Fläche aus anderen Daten, sofern bereits vorhanden, geschätzt werden. Beispielsweise wenn eine achsenausgerichtete„Bounding Box" bekannt ist, kann die Fläche dieser Box anstelle der echten Fläche als Schätzwert verwendet werden (dies kann Vorteile durch weniger Speicherzugriffe bieten).

Generell können im Rahmen der Erfindung iterative Verfahren bzw. iterativ durchgeführte Prozessschritte bei jedem Schleifendurchlauf unterbrochen werden. Bei einer Unterbrechung während eines Schleifendurchlaufs kann das Ergebnis des zuletzt vollständig durchgeführten Schleifendurchlaufs verwendet werden.