Оптическая сортировка
 | В этой статье есть несколько проблем. Пожалуйста, помогите улучшить его или обсудите эти проблемы на странице обсуждения . ( Узнайте, как и когда удалять эти шаблонные сообщения )
|
Оптическая сортировка (иногда называемая цифровой сортировкой ) — это автоматизированный процесс сортировки твердых продуктов с использованием камер и/или лазеров .
В зависимости от типов используемых датчиков и программного интеллекта системы обработки изображений оптические сортировщики могут распознавать цвет, размер, форму, структурные свойства и химический состав объекта. [1] Сортировщик сравнивает объекты с заданными пользователем критериями приема/отбраковки для выявления и удаления дефектной продукции и посторонних материалов (FM) с производственной линии или для разделения продуктов разных сортов или типов материалов.
Оптические сортировщики широко используются в пищевой промышленности по всему миру, причем наибольшее распространение они получили при переработке собранных пищевых продуктов, таких как картофель, фрукты, овощи и орехи, где они обеспечивают неразрушающий, 100-процентный поточный контроль при полных объемах производства. [ нужна ссылка ] Технология также используется в фармацевтическом производстве и производстве нутрицевтиков , переработке табака, переработке отходов и других отраслях. По сравнению с ручной сортировкой, которая является субъективной и непоследовательной, оптическая сортировка помогает улучшить качество продукции, максимизировать производительность и увеличить урожайность при одновременном снижении затрат на рабочую силу. [2]
История [ править ]
Оптическая сортировка — это идея, которая впервые возникла из-за желания автоматизировать промышленную сортировку сельскохозяйственных товаров, таких как фрукты и овощи. [3] До того, как в 1930-х годах была изобретена технология автоматизированной оптической сортировки, такие компании, как Unitec, производили деревянное оборудование для механической сортировки фруктов. [3] В 1931 году была зарегистрирована компания, известная как «Электрическая сортировочная компания», которая начала создание первых в мире сортировщиков по цвету, которые к 1932 году были установлены и использовались в бобовой промышленности Мичигана. [4] В 1937 году технология оптической сортировки была усовершенствована и позволила создать системы, основанные на двухцветном принципе отбора. [4] В следующие несколько десятилетий были установлены новые и улучшенные механизмы сортировки, такие как системы гравитационной подачи, а также внедрена оптическая сортировка во многих отраслях сельского хозяйства. [5]
В конце 1960-х годов оптическая сортировка начала применяться в новых отраслях, помимо сельского хозяйства, например, в сортировке черных и цветных металлов. [6] К 1990-м годам оптическая сортировка широко использовалась при сортировке твердых отходов. [6]
Благодаря большой технологической революции, произошедшей в конце 1990-х и начале 2000-х годов, оптические сортировщики стали более эффективными за счет внедрения новых оптических датчиков, таких как ПЗС-, УФ- и ИК-камеры. [5] Сегодня оптическая сортировка используется в самых разных отраслях промышленности и, как таковая, реализуется с использованием различных механизмов, помогающих решить конкретную задачу сортировщика.
Система сортировки [ править ]
В целом оптические сортировщики состоят из четырех основных компонентов: системы подачи, оптической системы, программного обеспечения для обработки изображений и системы разделения. [7] Целью системы подачи является распределение продуктов в однородный монослой, чтобы продукты подавались в оптическую систему равномерно, без комков, с постоянной скоростью. Оптическая система включает в себя фонари и датчики, расположенные над и/или под потоком досматриваемых объектов. Система обработки изображений сравнивает объекты с заданными пользователем пороговыми значениями принятия/отклонения, чтобы классифицировать объекты и активировать систему разделения. Система разделения — обычно сжатый воздух для небольших продуктов и механические устройства для более крупных продуктов, таких как цельный картофель, — определяет объекты, находящиеся в воздухе, и отклоняет их для удаления в желоб для отходов, в то время как хороший продукт продолжает двигаться по своей обычной траектории.
Идеальный сортировщик зависит от области применения. Таким образом, характеристики продукта и цели пользователя определяют идеальные датчики, возможности программного обеспечения и механическую платформу.
Датчики [ править ]
Оптическим сортировщикам требуется сочетание источников света и датчиков для освещения и захвата изображений объектов для их обработки. Обработанные изображения определят, следует ли принять материал или отклонить его.
Существуют сортировщики с камерами, лазерные сортировщики и сортировщики, сочетающие эти два оборудования на одной платформе. Светильники, камеры, лазеры и лазерные датчики могут быть спроектированы так, чтобы работать в видимом диапазоне длин волн, а также в инфракрасном (ИК) и ультрафиолетовом (УФ) спектрах . Оптимальные длины волн для каждого применения максимизируют контраст между разделяемыми объектами. Камеры и лазерные датчики могут различаться пространственным разрешением, причем более высокое разрешение позволяет сортировщику обнаруживать и устранять более мелкие дефекты.
Камеры [ править ]
Монохроматические камеры распознают оттенки серого от черного до белого и могут быть эффективны при сортировке продукции с высококонтрастными дефектами.
Сложные цветные камеры с высоким цветовым разрешением способны распознавать миллионы цветов, чтобы лучше различать более тонкие цветовые дефекты. Трихроматические цветные камеры (также называемые трехканальными камерами) делят свет на три диапазона, которые могут включать красный, зеленый и/или синий в видимом спектре, а также ИК- и УФ-диапазоны. Взаимодействие различных материалов с частями электромагнитного спектра делает эти контрасты более очевидными, чем то, как они кажутся невооруженному человеческому глазу.
В сочетании с интеллектуальным программным обеспечением сортировщики с камерами способны распознавать цвет, размер и форму каждого объекта; а также цвет, размер, форма и расположение дефекта на изделии. Некоторые интеллектуальные сортировщики даже позволяют пользователю определять дефектный продукт на основе общей площади дефектной поверхности любого данного объекта.
Лазеры [ править ]
В то время как камеры собирают информацию о продукте на основе отражательной способности материала, лазеры и их датчики способны различать структурные свойства материала наряду с его цветом. Этот контроль структурных свойств позволяет лазерам обнаруживать широкий спектр органических и неорганических посторонних материалов, таких как насекомые, стекло, металл, палки, камни и пластик; даже если они того же цвета, что и хороший товар.
Лазеры могут быть спроектированы для работы в пределах определенных длин волн света; будь то в видимом спектре или за его пределами. [8] Например, лазеры могут обнаруживать хлорофилл, стимулируя флуоресценцию с использованием определенных длин волн; это процесс, который очень эффективен для удаления посторонних материалов из зеленых овощей. [9]
Комбинации камеры и лазера [ править ]
Сортировщики, оснащенные камерами и лазерами на одной платформе, обычно способны идентифицировать самый широкий спектр атрибутов. Камеры часто лучше распознают цвет, размер и форму, в то время как лазерные датчики выявляют различия в структурных свойствах, чтобы максимизировать обнаружение и удаление посторонних материалов.
Гиперспектральная съемка [ править ]
В связи с необходимостью решить ранее невозможные задачи сортировки было создано новое поколение сортировщиков, оснащенных мультиспектральной и гиперспектральной визуализации оптическими сортировщиками . [10]
Как и трихроматические камеры, мультиспектральные и гиперспектральные камеры собирают данные электромагнитного спектра. В отличие от трихроматических камер, которые делят свет на три полосы, гиперспектральные системы могут разделять свет на сотни узких полос в непрерывном диапазоне, охватывающем обширную часть электромагнитного спектра. Это открывает возможности для более детального анализа, который приводит к созданию более последовательного продукта. Использование только ИК-излучения может обнаружить некоторые дефекты, но сочетание его с более широким диапазоном спектра делает его более эффективным. По сравнению с тремя точками данных на пиксель, собираемыми трихроматическими камерами, гиперспектральные камеры могут собирать сотни точек данных на пиксель, которые объединяются для создания уникальной спектральной сигнатуры (также называемой отпечатком пальца) для каждого объекта. В сочетании с мощным программным интеллектом гиперспектральный сортировщик обрабатывает эти отпечатки пальцев, чтобы обеспечить сортировку по химическому составу продукта. Это новая область хемометрики .
Программный интеллект
Как только датчики фиксируют реакцию объекта на источник энергии, обработка изображений используется для манипулирования необработанными данными. Обработка изображений извлекает и классифицирует информацию о конкретных функциях. Затем пользователь определяет пороговые значения принятия/отклонения, которые используются для определения того, что хорошо, а что плохо в потоке необработанных данных. Искусство и наука обработки изображений заключается в разработке алгоритмов , которые максимизируют эффективность сортировщика, предоставляя оператору простой пользовательский интерфейс.
Распознавание на основе объектов — классический пример программного интеллекта. Это позволяет пользователю определить дефектный продукт на основе того, где находится дефект на продукте и/или общей площади дефектной поверхности объекта. Он обеспечивает больший контроль при определении более широкого спектра дефектной продукции. При использовании для управления системой выброса сортировщика он может повысить точность выброса дефектных продуктов. Это улучшает качество продукции и увеличивает урожайность.
Постоянно разрабатываются новые программные возможности для удовлетворения конкретных потребностей различных приложений. По мере того как вычислительное оборудование становится более мощным, становятся возможными новые программные достижения. Некоторые из этих достижений повышают эффективность сортировщиков для достижения лучших результатов, в то время как другие позволяют принимать совершенно новые решения по сортировке.
Платформы [ править ]
Соображения, определяющие идеальную платформу для конкретного применения, включают характер продукта – большой или маленький, влажный или сухой, хрупкий или небьющийся, круглый или легко стабилизируемый – и цели пользователя. В целом можно сортировать продукты размером меньше рисового зернышка и размером с целый картофель. Производительность варьируется от менее 2 метрических тонн продукта в час на сортировщиках малой производительности до более 35 метрических тонн продукта в час на сортировщиках высокой производительности.
Сортировка каналов [ править ]
Простейшие оптические сортировщики — это канальные сортировщики, тип сортировщика по цвету , который может быть эффективен для небольших, твердых и сухих продуктов одинакового размера и формы; такие как рис и семена. Для этих продуктов сортировщики каналов предлагают доступное решение, простоту использования и небольшую занимаемую площадь. Сортировщики каналов оснащены монохромными или цветными камерами и удаляют дефекты и посторонние материалы только на основе различий в цвете.
Для продуктов, которые не могут быть обработаны канальным сортировщиком (например, мягкие, влажные или неоднородные продукты), а также для переработчиков, которым нужен больший контроль над качеством своей продукции, используются сортировщики свободного падения (также называемые водопадными сортировщиками или сортировщиками с гравитационной подачей), желобные сортировщики. с подачей, сортировщики или ленточные сортировщики являются более идеальными. Эти более сложные сортировщики часто оснащены современными камерами и/или лазерами, которые в сочетании с интеллектуальным программным обеспечением определяют размер, форму, цвет, структурные свойства и химический состав объектов.
желоба свободного падения Сортировщики и
Сортировщики свободного падения проверяют продукт в воздухе во время свободного падения, а сортировщики с желобовой подачей стабилизируют продукт на желобе перед проверкой в воздухе. Основными преимуществами сортировщиков свободного падения и желобной подачи по сравнению с ленточными сортировщиками являются более низкая цена и меньшие затраты на техническое обслуживание. Эти сортировщики зачастую наиболее подходят для орехов и ягод, а также замороженных и сушеных фруктов, овощей, картофеля и морепродуктов, а также для переработки отходов, требующих средних объемов производительности.
Виды ремней [ править ]
Платформы ленточной сортировки часто предпочтительнее для приложений с высокой производительностью, таких как продукты из овощей и картофеля перед консервированием, заморозкой или сушкой. Перед проверкой продукты часто стабилизируются на конвейерной ленте. Некоторые ленточные сортировщики проверяют продукцию сверху, в то время как другие сортировщики также отправляют продукцию с ленты на проверку в воздухе. Эти сортировщики могут быть спроектированы для обеспечения традиционной двухсторонней сортировки или трехсторонней сортировки, если они оборудованы двумя эжекторными системами с тремя выходными потоками.
Системы ДОПОГ [ править ]
Пятый тип сортировочной платформы, называемый системой автоматического устранения дефектов (ADR), предназначен специально для картофельных полосок (картофель фри). В отличие от других сортировщиков, которые отбрасывают дефектную продукцию с производственной линии, системы ADR выявляют дефекты и фактически вырезают дефекты из полос. Сочетание системы ADR и механического сортировочного устройства представляет собой еще один тип оптической системы сортировки, поскольку в ней используются оптические датчики для выявления и устранения дефектов.
Однофайловые системы проверки [ править ]
Все описанные выше платформы работают с материалами в больших объемах; это означает, что им не нужно, чтобы материалы хранились в одном файле для проверки. Напротив, шестой тип платформы, используемый в фармацевтической промышленности, представляет собой однорядную систему оптического контроля. Эти сортировщики эффективны при удалении посторонних предметов, различающихся по размеру, форме и цвету. Они не так популярны, как другие платформы, из-за снижения эффективности.
Механические грейдеры [ править ]
Для продуктов, требующих сортировки только по размеру, используются механические системы сортировки, поскольку датчики и программное обеспечение для обработки изображений не требуются. Эти механические системы сортировки иногда называют системами сортировки, но их не следует путать с оптическими сортировщиками, оснащенными датчиками и системами обработки изображений.
Практическое использование [ править ]
Отходы и переработка [ править ]
Машины оптической сортировки можно использовать для идентификации и утилизации производственных отходов, таких как металлы, гипсокартон, картон и различные пластмассы. [11] В металлургической промышленности оптические сортировочные машины используются для удаления пластмасс, стекла, дерева и других ненужных металлов. [12] В промышленности пластмасс используются оптические сортировочные машины, позволяющие не только выбрасывать различные материалы, подобные перечисленным, но и различные типы пластмасс. Машины оптической сортировки отбраковывают разные типы пластмасс, различая типы смол. Типы смол, которые могут идентифицировать оптические сортировочные машины: HDPE, PVC, PLA, PE и другие. [12]
Оптическая сортировка также способствует переработке отходов, поскольку выброшенные материалы хранятся в контейнерах. Как только контейнер заполнится данным материалом, его можно отправить на соответствующее предприятие по переработке. [13] Способность оптических сортировочных машин различать типы смол также помогает в процессе переработки пластика , поскольку для каждого типа пластика используются разные методы. [14]
Еда и напитки [ править ]
В кофейной промышленности оптические сортировочные машины используются для выявления и удаления недоразвитых кофейных зерен, называемых квакерами; квакеры – это бобы, которые содержат в основном углеводы и сахара. [15] Более точная калибровка позволяет снизить общее количество бракованных изделий. [15] Некоторые кофейные компании, такие как Counter Culture, используют эти машины в дополнение к уже существующим методам сортировки, чтобы создать чашку кофе с лучшим вкусом. [15] Одним из ограничений является то, что кто-то должен вручную программировать эти машины для выявления дефектных продуктов. [15]
Однако эта наука не ограничивается кофейными зернами; Такие продукты питания, как семена горчицы, фрукты, пшеница и конопля, можно обрабатывать с помощью оптических сортировочных машин. [16]
В процессе производства вина виноград и ягоды сортируют так же, как кофейные зерна. [17] Сортировка винограда используется для того, чтобы исключить попадание незрелых/зеленых частей растения в процесс виноделия. [17] Раньше для отделения дефектного винограда от более качественного винограда использовалась ручная сортировка с помощью сортировочных столов. [17] Теперь механическая уборка обеспечивает более высокую эффективность по сравнению с ручной сортировкой. [17] В разных точках линии материалы сортируются с помощью нескольких оптических сортировочных машин. [17] Каждая машина ищет различные материалы разных форм и размеров. [17]
Затем ягоды или виноград можно соответствующим образом отсортировать с помощью камеры, лазера или светодиодной технологии с учетом формы и формы заданных фруктов. Затем сортировочная машина отбрасывает все ненужные элементы. [18]
См. также [ править ]
Ссылки [ править ]
- ^ Технология компьютерного зрения для оценки качества пищевых продуктов . Сунь, Да-Вэнь. (1-е изд.). Амстердам: Elsevier/Academic Press. 2008. ISBN 978-0-12-373642-0 . OCLC 228148344 .
{{cite book}}: CS1 maint: другие ( ссылка ) - ^ Неразрушающий контроль качества пищевых продуктов . Ирудаярадж, Джозеф, 1961-, Рех, Кристоф. (1-е изд.). Эймс, Айова: Blackwell Pub./IFT Press. 2008. ISBN 978-0-470-38828-0 . OCLC 236187975 .
{{cite book}}: CS1 maint: другие ( ссылка ) - ↑ Перейти обратно: Перейти обратно: а б "О нас" . Группа компаний Юнитек . Архивировано из оригинала 01 марта 2017 г. Проверено 02 апреля 2020 г.
- ↑ Перейти обратно: Перейти обратно: а б «Объяснение технологии оптической сортировки - Сатаке, США» . www.satake-usa.com . Архивировано из оригинала 24 октября 2019 г. Проверено 02 апреля 2020 г.
- ↑ Перейти обратно: Перейти обратно: а б «Оптические сортировочные системы – Сатаке США» . www.satake-usa.com . Архивировано из оригинала 27 ноября 2014 г. Проверено 02 апреля 2020 г.
- ↑ Перейти обратно: Перейти обратно: а б «История MSS | Технология оптической сортировки и переработки» . Архивировано из оригинала 26 апреля 2019 г. Проверено 02 апреля 2020 г.
- ^ Обнаружение инородных тел в продуктах питания . Эдвардс, MC (Майкл Чарльз). Бока-Ратон: CRC Press. 2004. ISBN 1-85573-839-2 . OCLC 56123328 .
{{cite book}}: CS1 maint: другие ( ссылка ) - ^ US 5675419 , Ван ден Берг, Герман; Лейн, Марвин и Мэллон, Джон, «Информационная система рассеянного/проходящего света», опубликовано 7 октября 1997 г.
- ^ Чжэн, Хун; Лу, Хунфэй; Чжэн, Юпин; Лу, Хэцян; Чен, Цуйцинь (01 декабря 2010 г.). «Автоматическая сортировка китайского мармелада (Zizyphus jujuba Mill. сорт 'hongxing') с использованием флуоресценции хлорофилла и машины опорного вектора» . Журнал пищевой инженерии . 101 (4): 402–408. doi : 10.1016/j.jfoodeng.2010.07.028 . ISSN 0260-8774 . Архивировано из оригинала 24 сентября 2015 г. Проверено 3 декабря 2013 г.
- ^ «СтекПуть» . www.vision-systems.com . Февраль 2012 г. Архивировано из оригинала 8 декабря 2013 г. Проверено 24 марта 2020 г.
- ^ Агентство по охране окружающей среды США, OLEM (26 мая 2015 г.). «Типичные отходы, образующиеся в различных отраслях промышленности» . Агентство по охране окружающей среды США . Архивировано из оригинала 22 июня 2015 г. Проверено 02 апреля 2020 г.
- ↑ Перейти обратно: Перейти обратно: а б «Приложения и сортировочные машины для оптической сортировки | MSS» . Архивировано из оригинала 24 марта 2020 г. Проверено 02 апреля 2020 г.
- ^ «Взгляд на оптическую сортировку» . Отходы360 . 10 сентября 2015 г. Архивировано из оригинала 13 октября 2015 г. Проверено 02 апреля 2020 г.
- ^ «Переработка пластика» , Arc.Ask3.Ru , 01 апреля 2020 г., заархивировано из оригинала 13 августа 2023 г. , получено 2 апреля 2020 г.
- ↑ Перейти обратно: Перейти обратно: а б с д «Вопросы и ответы по оптической сортировке» . Кофе контркультуры . 21 сентября 2018 г. Архивировано из оригинала 24 марта 2020 г. Проверено 02 апреля 2020 г.
- ^ «Intel Seed Ltd. | Семена зерновых и кормов Манитоба | Очистка и кондиционирование семян Манитоба | ДОМ» . www.intelseed.ca . Архивировано из оригинала 26 октября 2014 г. Проверено 02 апреля 2020 г.
- ↑ Перейти обратно: Перейти обратно: а б с д и ж Бейерер, Юрген; Леон, Фернандо Пуэнте (2013). OCM 2013 – Оптическая характеристика материалов – материалы конференции . КИТ Научное издательство. ISBN 978-3-86644-965-7 . Архивировано из оригинала 13 августа 2023 г. Проверено 7 декабря 2020 г.
- ^ Лафонтен, Магали; Фройнд, Максимилиан; Вьет, Кай-Уве; Негара, Кристиан (1 декабря 2013 г.). «Автоматическая сортировка фруктов путем неразрушающего определения параметров качества с использованием видимого / ближнего инфракрасного диапазона для улучшения качества вина: I. Производство красного вина». Новости НИР . 24 (8): 6–8. дои : 10.1255/нирн.1403 . S2CID 95941922 .
- ^ Машина для оптического контроля, измерения и сортировки крепежных изделий, шайб, винтов, болтов, гаек, драгоценных деталей, вставок, уплотнительных колец и т. д. , заархивировано из оригинала 16 марта 2023 г. , получено 16 марта 2023 г.
- ^ Машина для оптического контроля и сортировки крепежных деталей, прецизионных деталей машин, точеных компонентов, прецизионных латунных компонентов, прецизионных автомобильных компонентов, пластиковых и резиновых деталей. , получено 20 мая 2024 г.