Denna rapport presenterar utvecklingen och utvärderingen av en AI-baserad prototyp för sortering av hushållsbatterier. Syftet är att förbättra effektiviteten, noggrannheten och säkerheten i återvinningsprocessen genom att automatisera identifieringen och hanteringen av olika batterityper.

Projektet omfattar utvecklingen av en maskininlärningsmodell baserad på konvolutionella neurala nätverk (CNN), som identifierar batterier med hög precision. Modellen har integrerats i en prototyp bestående av ett transportband och en robotarm, vilket möjliggör en fullt automatiserad sorteringsprocess.

Prototypen visade hög effektivitet i att hantera flera batterier under korta tidsintervall. Den teoretiska delen av arbetet bidrar med insikter om hur AI och robotik kan integreras för att driva innovationer inom hållbarhetsteknik, medan det praktiska bidraget visar potentialen för att implementera effektiva och säkra metoder i storskalig batteriåtervinning. Forskningen belyser hur AI kan automatisera och förbättra komplexa och riskfyllda processer inom återvinningsindustrin, och öppnar för vidare forskning och utveckling inom området.

This report presents the development and evaluation of an AI-based prototype for sorting household batteries. The aim is to improve the efficiency, accuracy, and safety of the recycling process by automating the identification and handling of different battery types.

The project involves the development of a machine learning model based on convolutional neural networks (CNN), which identifies batteries with high precision. The model has been integrated into a prototype consisting of a conveyor belt and a robotic arm, enabling a fully automated sorting process.

The prototype demonstrated high efficiency in handling multiple batteries within short time intervals. The theoretical part of the work provides insights into how AI and robotics can be integrated to drive innovation in sustainability technology, while the practical contribution highlights the potential for implementing efficient and safe methods in large-scale battery recycling. The research highlights how AI can automate and improve complex and risky processes in the recycling industry, opening up further research and development opportunities in the field.