In settori quali quello minerario, della lavorazione alimentare e della classificazione dei rifiuti, le apparecchiature di smistamento tradizionali sono spesso limitate da caratteristiche superficiali visibili, rendendo difficile distinguere con precisione le differenze intrinseche dei materiali. La macchina per lo smistamento della luce basata sull'intelligenza artificiale, attraverso l'integrazione della tecnologia "percezione ottica+intelligenza artificiale+esecuzione precisa", ha superato questa limitazione ed è diventata l'attrezzatura fondamentale per ottenere uno smistamento efficiente e di alta-precisione. Il suo principio di funzionamento può ruotare attorno ai tre collegamenti principali della "raccolta dati, analisi intelligente, ordinamento dinamico", formando un ciclo di ordinamento intelligente completo.
-Tecnologia principale: tre sistemi principali che supportano lo smistamento
Il funzionamento efficiente delle macchine di selezione ottica AI si basa su tre sistemi tecnici strettamente coordinati, che svolgono rispettivamente le funzioni di "vedere", "giudicare accuratamente" e "separare":
1. Sistema di rilevamento ottico: cattura l'"impronta digitale multidimensionale" dei materiali
Le tradizionali macchine per la selezione del colore si affidano esclusivamente alla luce visibile per riconoscere il colore e la forma, mentre il sistema ottico delle macchine per la selezione della luce con intelligenza artificiale può raccogliere informazioni più ricche sui materiali, proprio come stabilire un "file di identità multidimensionale" per i materiali:
Rilevamento spettrale: utilizzando la tecnologia di imaging iperspettrale (che copre le bande visibili nel vicino-infrarosso), viene catturata l'"impronta spettrale" dei materiali - diverse sostanze hanno diverse caratteristiche di assorbimento e riflessione della luce a causa delle loro diverse composizioni chimiche. Ad esempio, il minerale di fluorite (contenente CaF ₂) presenta picchi di assorbimento specifici nelle bande di lunghezza d'onda di 450 nm e 520 nm, che possono essere distinti dalle rocce di scarto; Durante la cernita degli alimenti, la spettroscopia nel vicino- infrarosso può penetrare nella buccia del frutto e rilevare lo zucchero e l'acidità interni.
Percezione visiva: la telecamera ad array lineare ad alta-velocità (con una risoluzione fino a un livello inferiore al millimetro) esegue la scansione in modo sincrono con il nastro trasportatore per ottenere informazioni-in tempo reale su forma, dimensione, difetti superficiali (come crepe, macchie) e altre informazioni del materiale. Alcuni dispositivi saranno inoltre dotati di imaging a fluorescenza e imaging a luce polarizzata per identificare caratteristiche non visibili a occhio nudo, come segni di invecchiamento della plastica e impurità dei farmaci.
2. Sistema di algoritmi AI: il nucleo per ottenere un "giudizio accurato"
Gli enormi dati raccolti dal sistema ottico devono essere convertiti in decisioni di smistamento attraverso algoritmi AI, che è la differenza fondamentale tra le selezionatrici ottiche AI e le attrezzature tradizionali
Apprendimento delle funzionalità: basato su modelli di deep learning come le reti neurali convoluzionali (CNN), l'addestramento viene eseguito su una grande quantità di dati campione (come dati spettrali e di immagine di diversi minerali, frutta e plastica). Il modello estrarrà automaticamente le caratteristiche chiave del materiale - senza impostare manualmente "soglie di colore" o "standard di forma", può imparare a distinguere tra "materiali target" e "impurità" (come identificare le differenze spettrali tra PET e HDPE durante lo smistamento della plastica PET).
Processo decisionale in tempo reale-: il modello addestrato viene implementato nell'unità di edge computing (come il chip AI industriale). Quando passano nuovi materiali, l'algoritmo può completare l'elaborazione dei dati entro 200 ms, emettere il risultato del giudizio: "Questo è il materiale target, mantienilo" o "Questa è impurità, eliminala" e fornisce la sicurezza (ad esempio, il 99,2% di probabilità è PET). Se il lotto del materiale cambia (ad esempio in caso di aumento del contenuto di umidità del minerale), l'algoritmo può anche regolare dinamicamente i parametri tramite "apprendimento online" per evitare una diminuzione della precisione di selezione.
3. Sistema di meccanismi di esecuzione: completare la fase finale della "separazione precisa"
Dopo che l'algoritmo AI ha preso una decisione, l'agenzia esecutiva deve rispondere rapidamente e separare il materiale target e le impurità in canali diversi. L'attrezzatura principale comprende:
Valvola dell'aria ad alta frequenza: l'attuatore più comunemente utilizzato con un tempo di risposta inferiore a 1 ms, che spruzza un flusso d'aria ad alta-pressione (0,6-0,8 MPa) per "soffiare via" le impurità dal canale target. Ad esempio, durante la classificazione dei rifiuti, la valvola dell'aria può utilizzare il giudizio dell'intelligenza artificiale per soffiare bottiglie di plastica nel canale di riciclaggio e pietre nel canale dei rifiuti, con una velocità di lavorazione di migliaia di pezzi all'ora.
Braccio robotico: per scene con forme complesse che richiedono una cernita fine (come minerali irregolari e frutti danneggiati), il braccio robotico a sei assi combinato con il posizionamento della visione 3D può afferrare con precisione i materiali e posizionarli in aree designate, con una precisione di cernita di ± 2 mm, adatta a campi come la medicina e gli alimenti di fascia alta-che richiedono una precisione di cernita estremamente elevata.
-Flusso di lavoro completo: ciclo chiuso-dall'"alimentazione" al "completamento dell'ordinamento"
Il funzionamento della selezionatrice della luce AI è un processo coerente di "esecuzione della decisione di percezione". Prendendo come esempio il mining sorting, il processo specifico è il seguente:
Pretrattamento del materiale: l'alimentatore vibrante distribuisce uniformemente il minerale sul nastro trasportatore e rimuove le particelle sovradimensionate/sottodimensionate attraverso la vagliatura per garantire la disposizione delle singole particelle del materiale - evitando l'accumulo di particelle che blocca i segnali ottici e influisce sulla precisione del rilevamento.
Raccolta dati: il minerale entra nell'area di rilevamento lungo il nastro trasportatore e i suoi dati spettrali e di immagine vengono raccolti in modo sincrono da telecamere iperspettrali e telecamere line array e trasmessi in tempo reale- all'unità dell'algoritmo AI.
Giudizio dell'intelligenza artificiale: l'unità algoritmica analizza rapidamente i dati per determinare se ciascun minerale è una "miniera di fluorite" (bersaglio) o una "roccia di scarto" (impurità) e invia istruzioni al meccanismo di esecuzione corrispondente nella posizione corrispondente.
Esecuzione dello smistamento: quando il minerale raggiunge l'area di esecuzione, se si tratta di roccia di scarto, la valvola dell'aria ad alta-frequenza spruzza immediatamente il flusso d'aria nel canale della roccia di scarto; Se si tratta di una miniera di fluorite, entrerà senza problemi nel canale bersaglio.
Feedback sulla qualità: alcune apparecchiature installeranno sensori di riispezione (come uno spettrometro a fluorescenza a raggi X) nell'area di raccolta per rilevare i risultati dello smistamento. Se si scopre che la roccia di scarto è mescolata con minerale di fluorite, verrà automaticamente restituita all'algoritmo AI per ottimizzare i parametri del modello e formare un circuito chiuso di "ottimizzazione della decisione di rilevamento".
-Vantaggio tecnico: perché la macchina di selezione ottica AI è più efficiente?
Rispetto alle apparecchiature di selezione tradizionali come le selezionatrici manuali e le selezionatrici a colori, il vantaggio delle selezionatrici ottiche AI risiede nel loro "aggiornamento intelligente":
Maggiore precisione: in grado di identificare le differenze dei componenti interni (come il contenuto di zucchero della frutta e la purezza del minerale), piuttosto che limitarsi a guardare la superficie, con una precisione di selezione superiore al 98% (le tradizionali macchine selezionatrici per colore sono circa il 90%).
Maggiore adattabilità: nessuna necessità di regolare manualmente i parametri, in grado di far fronte ai cambiamenti nei lotti di materiale (come frutta in diverse stagioni, minerali in diverse aree minerarie).
Maggiore efficienza: la velocità di elaborazione è 10-20 volte più veloce del lavoro manuale e può funzionare ininterrottamente per 24 ore, riducendo i costi di manodopera.
-Applicazione tipica: copertura dalle “miniere” ai “tavoli da pranzo”
Il principio di funzionamento della macchina di selezione ottica AI determina la sua ampia applicabilità:
Estrazione mineraria: prearricchimento dei minerali a basso-grado (ad esempio scartando il 50% delle rocce di scarto) per ridurre i costi di trasporto e flottazione;
Alimenti: classificazione della frutta (in base al contenuto di zucchero e alle dimensioni), rimozione delle impurità dei cereali (escluse le particelle di muffa);
Classificazione dei rifiuti: separare plastica (PET/HDPE), metallo e vetro per migliorare il tasso di recupero delle risorse;
Medicina: rileva corpi estranei nelle capsule e difetti nelle compresse per garantire la sicurezza dei farmaci.
Conclusione
La logica fondamentale della selezionatrice ottica AI è sostituire "l'osservazione umana" con "percezione ottica", sostituire il "giudizio manuale" con "processo decisionale- AI" e sostituire "smistamento manuale" con "esecuzione precisa". Non è solo un dispositivo di smistamento, ma anche una tipica incarnazione del "miglioramento industriale-guidato dai dati" - attraverso l'analisi continua dei dati e l'ottimizzazione del modello, migliora continuamente l'efficienza e la precisione dello smistamento, fornendo supporto tecnico per l'economia circolare e la produzione verde.