Slooprobots met AI: hoe machines materialen herkennen en sorteren

Thomas Hoekstra

Bouwkundig Ingenieur & Circulaire Bouw Adviseur

Stel je voor: je staat op een slooplocatie. Overal puin, hout, bakstenen en ijzer. Een chaos.

Maar dan zie je een robotarm. Geen mens die zwaait met een breekhamer. Nee, deze machine is slimmer.

Hij scant een muur, herkent een stuk biobased isolatiemateriaal en pakt het voorzichtig vast.

Een paar meter verderop scheidt hij bakstenen van het metaal. Dit is geen toekomstmuziek. Dit is de dagelijkse realiteit van circulair bouwen met AI-gestuurde slooprobots.

Deze machines zijn de sleutel tot slimmer urban mining en hergebruik van materialen. Ze veranderen een bouwplaats in een supergestructureerde sorteerfabriek. En het mooiste?

Het bespaart bakken met geld en het milieu. Laten we eens kijken hoe je zoiets opzet.

Wat je nodig hebt: de basis van je AI-sloopproject

Je kunt niet zomaar een robot op een bouwplaats zetten. Er is een goede voorbereiding nodig.

Denk aan hardware, software en de juiste veiligheid. Zonder deze dingen loop je vast, of erger, je maakt een duur project kapot. Wees hier vooral niet te zuinig. De investering betaalt zich dubbel en dwars terug in hergebruikte materialen.

• De Robot: Een robuuste slooprobot, bijvoorbeeld een model van de Duitse fabrikant Brokk. Je hebt er eentje nodig met een vermogen van minimaal 15 kW voor zwaar breekwerk. Reken op een aanschafprijs vanaf €50.000 voor een compact model.
• De Zintuigen (Sensoren): Dit is het hart van je systeem. Je hebt een 3D-LiDAR scanner nodig (zoals die van Velodyne of een vergelijkbare sensor) voor de structuur en een hyperspectrale camera. Die laatste herkent materialen op moleculair niveau. Kosten: €10.000 - €25.000.
• De Rekenkracht: Een krachtige computer met een NVIDIA RTX 4090 GPU. Die moet live de data verwerken. Je kunt dit ook in de cloud doen, maar een lokale unit is sneller en veiliger op een bouwplaats. Prijskaartje: zo'n €3.000 - €5.000.
• De Software: Een AI-model. Je kunt een bestaand model gebruiken (van partijen als Robovision) en deze fijn tunen, of je bouwt een eigen model met TensorFlow. Het trainen van een model kost tijd en data.
• Veiligheidsuitrusting: Afzettingen, noodstopknoppen en een veiligheidsplan dat voldoet aan de ARBO-regels. De robot mag nooit alleen werken zonder dat mensen op afstand kunnen ingrijpen.

Stap 1: Data verzamelen en het AI-model trainen

Voordat de robot iets kan, moet hij leren. Dit is de meest arbeidsintensieve stap.

1. Verzamel beeldmateriaal: Maak minimaal 5.000 foto's van de te herkennen materialen. Gebruik hiervoor dezelfde camera's die straks op de robot komen. Varieer in hoeken, licht en vervuiling (stof, verf). Dit voorkomt dat de robot in de war raakt.
2. Label de data: Dit is saai werk, maar cruciaal. Teken rondom elk materiaal een hokje en geef het de juiste label: "hout", "biobased isolatie", "staal", "pvc". Gebruik hiervoor software zoals LabelImg. Doe dit met een team van 2-3 personen; het duurt ongeveer 1 week voor 5.000 beelden.
3. Train het model: Laat de computer de patronen herkennen. Start met een kleine training (10 epochs) en kijk of de nauwkeurigheid (accuracy) boven de 90% uitkomt. Is dat niet zo? Verzamel meer data van de materialen die de robot verkeerd identificeert.
4. Test in simulatie: Gebruik software zoals Unity of Unreal Engine om een virtuele sloopomgeving te bouwen. Laat de AI daar losgaan. Dit is een goedkope manier om fouten te ontdekken voordat je dure hardware gebruikt.

Je moet de AI vertellen wat het verschil is tussen een stukje GFT-geïsoleerde houtvezelplaat en een stuk EPS-schuim. Je traint het model op een specifieke dataset voor jouw type sloopproject. Dankzij AI in materiaalherkenning maak je scans van materialen die je vaak tegenkomt: houten balken, betonijzer, biobased gipskarton, glaswol.

Veelgemaakte fout: Te weinig variatie in je trainingsdata. Als je alleen schoon hout fotografeert, herkent de robot vervuild hout op de bouwplaats niet. Zorg voor rommelige data, zeker als je werkt met op maat gefreesd biobased constructiehout.

Stap 2: De hardware calibreren en installeren

Nu de software klaar is, moet de hardware perfect op elkaar zijn afgesteld. De camera's en de LiDAR moeten exact weten waar ze zitten ten opzichte van de robotarm. Een millimeter verschil betekent dat de robot naast een waardevolle oude balk grijpt.

1. Montage van sensoren: Bevestig de LiDAR en camera's stevig op de robotarm. Gebruik RVS-beugels die trillingen absorberen. De sensor moet een werkgebied van minimaal 2 meter voor zich hebben.
2. Calibratie: Meet de exacte afstand en hoek tussen de sensor en de grijper. Dit doe je met een calibratiedoel (een bekend patroon). De software moet weten: "Als ik object X zie op pixel (x,y), dan moet de grijper daar en daar heen."
3. Integratie van de grijper: Gebruik een wisselbare grijper. Een hydraulische breker voor beton, maar een zachtere, force-grijper voor biobased materialen zoals hout of rietmatten. De AI moet weten welke grijper op welk moment gebruikt moet worden.
4. Connectiviteit: Zorg voor een stabiele 5G-verbinding of een kabelverbinding (Ethernet) als de robot in een kelder staat. De latency (vertraging) moet onder de 50ms blijven voor soepel werk.

Bij de robotisering van de sloop is dit precisiewerk om materialen zonder schade te oogsten.

Veelgemaakte fout: De kabels los laten slingeren. Op een slooplocatie zijn kabels de eerste die kapotgaan. Gebruik een kabelrups en zorg dat alles netjes is weggewerkt.

Stap 3: De eerste sloop: van grof naar fijn

Het moment is daar. De robot gaat aan de slag.

Je start niet op volle kracht. Je begint met het afbreken van de structuur en eindigt met het selectief sorteren.

1. Scan de omgeving: Laat de robot eerst een 360-graden scan maken. De AI bouwt een digitale kaart van de ruimte. Markeer zones waar niet gesloopt mag worden (leidingen, dragende muren).
2. Start met grof sloopwerk: Geef de opdracht om de niet-herbruikbare delen te verwijderen. De robot breekt bijvoorbeeld het betonnen casco. Dit gebeurt op basis van vooraf ingestelde coördinaten, niet op visuele herkenning.
3. Schakel over op visuele sloop: Zet de AI aan. De robot scant nu puin dat op de grond ligt. Herkent hij een stuk onbeschadigd hout? Dan tilt hij het op en legt het in de bak voor 'Hout'. Duurt een analyse ongeveer 2 seconden per object.
4. Sorteren in bakken:
5. Rijd met de robot naar de juiste afvalbak. De AI kiest zelf de bak: Groen (biobased), Geel (metaal), Blauw (schoon puin). Zorg dat de bakken binnen een straal van 3 meter staan.