Как оптическая сортировка с использованием искусственного интеллекта улучшает переработку пластика?

Переработка пластика — это не просто отделение пластика от других отходов. Настоящая проблема заключается в точном определении целевых материалов в быстро меняющемся, загрязненном и постоянно развивающемся потоке отходов.

По мере того, как предприятия по переработке отходов переходят к большей автоматизации, Оптическая сортировка с использованием ИИ Становится важной частью современных систем переработки пластмасс. Благодаря сочетанию машинного зрения, оптического обнаружения и интеллектуальной классификации, автоматизированные сортировочные системы могут распознавать визуальные характеристики и принимать решения о разделении в режиме реального времени на производственной скорости.

Что такое оптическая сортировка с использованием ИИ?

Технология оптической сортировки с использованием искусственного интеллекта сочетает в себе оптическое обнаружение, машинное зрение и искусственный интеллект для автоматизации идентификации и разделения материалов.

Традиционная сортировка по цвету в основном сводится к простому вопросу: “Какого цвета этот материал?” Оптическая система с поддержкой искусственного интеллекта может оценивать более широкий набор визуальных характеристик, включая:

• Цвет
• Форма
• Размер
• Внешний вид поверхности
• Прозрачность
• Видимые загрязнения
• Характеристики этикеток и упаковки

В типичной линии переработки пластик перемещается по конвейеру через зону обнаружения. Промышленные камеры непрерывно фиксируют изображения, программное обеспечение анализирует поступающие данные, и система определяет, следует ли оставлять каждый целевой объект в потоке продукции или отбраковывать его.

Таким образом, этот процесс представляет собой нечто большее, чем просто замену ручного труда камерами. Он создает автоматизированную цепочку:

Обнаружение → Классификация → Принятие решения → Выброс

Почему традиционная сортировка пластика становится все более сложной задачей?

Потоки перерабатываемого пластика редко бывают такими же чистыми и однородными, как лабораторные образцы.

Один и тот же полимер может иметь несколько цветов, в то время как разные полимеры могут обладать очень похожими визуальными характеристиками. Прозрачные, белые или светлые пластмассы особенно трудно различить, используя только цвет.

В реальных потоках перерабатываемых отходов также могут содержаться:

• Разноцветные пластиковые бутылки
• Этикетки и упаковочные пленки
• Загрязнение поверхности
• Деформированные или поврежденные пластмассы
• Частицы разного размера
• Различные типы полимеров

Эти условия затрудняют масштабирование чисто ручной или базовой сортировки по цвету при сохранении стабильной чистоты и степени извлечения.

Современные оптические системы сортировки частично решают эту проблему за счет получения изображений высокого разрешения и автоматической классификации. Однако эффективность по-прежнему в значительной степени зависит от способа представления материала, его перекрытия, загрязнения, состояния конвейера и технического обслуживания оборудования.

Как искусственный интеллект улучшает идентификацию пластика?

Главная ценность ИИ заключается не в замене оптических датчиков. Она помогает системе интерпретировать информацию, собираемую этими датчиками.

Обычная система машинного зрения может определить цвет пластикового изделия. Модель искусственного интеллекта может комбинировать цвет, форму и характеристики поверхности для более точной классификации объекта.

Именно поэтому в современном оборудовании для переработки отходов все чаще упоминается... Технология сортировки с использованием искусственного интеллекта, машинное зрение и интеллектуальная классификация, а не простое определение цвета.

Как работает оптическая сортировка с использованием ИИ на линии переработки отходов?

Типичный автоматизированный процесс сортировки можно разделить на четыре этапа.

1. Подача материала

Пластик поступает в конвейерную систему и в идеале должен представляться в относительно стабильном и разделенном потоке.

Чем меньше перекрытие материалов, тем большую видимую площадь поверхности может оценить система обнаружения.

2. Оптическое обнаружение

Промышленные камеры и оптические датчики сканируют материалы, проходящие через зону обнаружения.

Для таких характеристик, как цвет, прозрачность и видимые дефекты поверхности, оптическая сортировка в видимом свете предоставляет прямую информацию.

3. Классификация с помощью ИИ

Программное обеспечение анализирует полученную информацию и классифицирует каждый элемент в соответствии с заранее определенными критериями сортировки, такими как:

• Принимать
• Отклонять
• Целевой материал
• Загрязняющее вещество

Искусственный интеллект особенно ценен для интерпретации сложной визуальной информации и принятия обоснованных решений по классификации.

4. Автоматическое выброс гильз

После идентификации цели сортировочная система направляет её в соответствующий выходной поток, как правило, с помощью высокоскоростного механизма выброса.

Для обеспечения эффективной работы в промышленности вся производственная цепочка должна оставаться синхронизированной:

Обнаружение + Классификация + Выброс

Какие проблемы может решить оптическая сортировка с использованием искусственного интеллекта?

Для предприятий по переработке пластика ценность технологии сортировки в конечном итоге сводится к измеримым результатам производства.

Более стабильная чистота продукта

Загрязнение потока переработанного пластика может снизить качество и ценность перерабатываемого материала.

Автоматизированная оптическая сортировка применяет единые правила классификации на протяжении всего производственного процесса, уменьшая вариативность, связанную с повторяющейся ручной проверкой.

Снижение зависимости от ручной сортировки

Крупные предприятия по переработке отходов могут непрерывно обрабатывать большие объемы материалов.

Ручная сортировка физически монотонна и может стать менее стабильной по мере длительной работы операторов. Автоматизация может взять на себя многие повторяющиеся задачи по обнаружению и отбраковке.

Более высокая стабильность процесса

Автоматизированные оптические системы не испытывают такой же усталости, как бригады, занимающиеся ручной сортировкой.

Для предприятий, работающих в длительные производственные смены, стабильное обнаружение и удаление отходов может стать важным операционным преимуществом.

Улучшенная обработка сложных визуальных потоков.

Искусственный интеллект способен оценивать множество визуальных характеристик, а не полагаться на один единственный атрибут, такой как цвет.

Благодаря этому интеллектуальная оптическая сортировка особенно полезна в тех случаях, когда внешний вид, форма и состояние поверхности материала значительно различаются.

Чем отличается оптическая сортировка с использованием ИИ от сортировки в ближнем инфракрасном диапазоне?

Эти две технологии часто обсуждаются вместе, но они решают разные задачи идентификации.

Оптическая сортировка Как правило, это основано на видимых характеристиках, таких как цвет, внешний вид и форма.

Сортировка методом ближней инфракрасной спектроскопии, Напротив, этот метод позволяет идентифицировать материалы по их спектральному отклику в ближнем инфракрасном диапазоне и особенно полезен для различения различных типов полимеров.

Следовательно, оптическая сортировка с использованием ИИ и ближняя инфракрасная спектроскопия не обязательно являются конкурирующими технологиями.

На современных предприятиях по переработке отходов различные сенсорные технологии могут быть объединены для решения задач на разных этапах идентификации материалов. Коммерческие оптические системы сортировки уже сочетают в себе датчики ближнего инфракрасного диапазона и цветовые датчики с автоматизированной классификацией и удалением отходов.

На что следует обратить внимание перед покупкой сортировщика пластика с искусственным интеллектом?

При выборе Машина для сортировки пластика с искусственным интеллектом, Покупателям следует оценивать приложение для сортировки в целом, а не сосредотачиваться только на алгоритме искусственного интеллекта.

К основным моментам, которые следует учитывать, относятся:

1. Кормовой материал: Какой поток пластика будет перерабатываться?
2. Размер частиц: Какой ожидаемый диапазон размеров?
3. Пропускная способность: Какую тонну в час должна обрабатывать система?
4. Чистота мишени: Какой уровень чистоты требуется для конечного продукта?
5. Технология обнаружения: Требуется ли видимый свет, ближний инфракрасный свет или их комбинация?
6. Система выброса: Как будут разделены обнаруженные материалы?
7. Обслуживание: Насколько легко чистить и калибровать датчики?
8. Тестирование приложений: Может ли поставщик протестировать репрезентативные образцы?

Один важный момент часто упускается из виду: ИИ не может компенсировать плохую подачу материала. Сильное перекрытие, нестабильная транспортировка или загрязненные датчики могут снизить эффективность сортировки независимо от того, насколько сложен алгоритм. Реальная эффективность сортировки с помощью ИИ зависит от стабильной подачи материала, подходящих условий обнаружения и надлежащего технического обслуживания.

Почему стоит рассмотреть возможность использования системы сортировки APEX для переработки пластика?

Для компании, занимающейся переработкой отходов, целью не должно быть приобретение “машины с искусственным интеллектом” просто потому, что ИИ — популярный технологический термин. Более важный вопрос заключается в том, соответствует ли система сортировки фактическому потоку материалов, производственным условиям и целевым показателям чистоты.

Компания APEX Sorting разрабатывает интеллектуальные оптические решения для сортировки в сфере переработки отходов, включая технологии сортировки пластика по цвету и сортировки пластика на основе ближнего инфракрасного излучения.

Для применений, где приоритетными являются разделение цветов, автоматическое удаление загрязнений или повышение чистоты переработанного пластика, изучите следующие варианты. Пластиковый сортировщик цветов APEX и оценить подходящую технологию в соответствии с характеристиками ваших материалов и производственными требованиями.

Часто задаваемые вопросы