Im vorhergehenden Projekt EUT-P5bb-RS-HS20 wurde die Tauglichkeit von hyperspektraler Bildgebung zur Identifikation von Mikro- und Makroplastik in Kompost untersucht. Dafür wurde ein neuronales Netzwerk mit hyperspektralen Daten von Referenzkunststoffen der Typen Polyethylen (PE), Polystyrol (PS), Polypropylen (PP) und Polyethylenterephthalat (PET) trainiert. Mit diesem Netzwerk konnten Körner der Referenzkunststoffe erfolgreich in Kompostproben erkannt werden. Das Netzwerk konnte die meisten Alltagskunststoffe aber nicht korrekt identifizieren. Ziel dieser Arbeit war es also zu untersuchen, ob sich die Methode aus dem vorhergehenden Projekt auch zur Erkennung von Alltagskunststoffen aus der Kompostanlage eignet. Daher wurden solche Kunststoffe analysiert, um die Auswirkungen von Umwelteinflüssen auf die hyperspektrale Bildgebung zu untersuchen und mögliche Preprocessing-Schritte zur Kompensation zu definieren.