Tādās jomās kā ieguves rūpniecība, pārtikas pārstrāde un atkritumu klasifikācija tradicionālās šķirošanas iekārtas bieži ierobežo redzamas virsmas pazīmes, kas apgrūtina materiālu raksturīgo atšķirību precīzu atšķiršanu. AI gaismas šķirošanas iekārta, integrējot tehnoloģiju “optiskā uztvere+mākslīgais intelekts+precīza izpilde”, ir pārkāpusi šo ierobežojumu un kļuvusi par galveno aprīkojumu efektīvas un augstas precizitātes{3}}šķirošanai. Tās darbības princips var griezties ap trim "datu vākšanas viedās analīzes dinamiskās šķirošanas" galvenajām saitēm, veidojot pilnīgu viedo šķirošanas cilpu. )
-Galvenā tehnoloģija: trīs galvenās sistēmas, kas atbalsta šķirošanu
AI optiskās atlases iekārtu efektīva darbība balstās uz trim cieši koordinētām tehniskajām sistēmām, kuras attiecīgi veic "redzēšanas", "precīzas vērtēšanas" un "atdalīšanas" funkcijas:
1. Optiskā sensora sistēma: tveriet materiālu "daudzdimensiju pirkstu nospiedumus".
Tradicionālās krāsu šķirošanas mašīnas paļaujas tikai uz redzamo gaismu, lai atpazītu krāsu un formu, savukārt mākslīgā intelekta gaismas šķirošanas iekārtu optiskā sistēma var savākt bagātīgāku informāciju par materiāliem, tāpat kā materiālu "daudzdimensiju identitātes faila" izveide:
Spektrālā uztvere: izmantojot hiperspektrālās attēlveidošanas tehnoloģiju (aptverot tuvās -infrasarkanās joslas), tiek uztverts materiālu "spektrālais pirkstu nospiedums" - dažādām vielām ir atšķirīgas gaismas absorbcijas un atstarošanas īpašības to atšķirīgā ķīmiskā sastāva dēļ. Piemēram, fluorīta rūdai (satur CaF₂) ir specifiski absorbcijas maksimumi 450 nm un 520 nm viļņu garuma joslās, ko var atšķirt no atkritumiem; Pārtikas šķirošanas laikā tuvās-infrasarkanā spektroskopija var iekļūt augļu mizā un noteikt iekšējo cukuru un skābumu. )
Vizuālā uztvere: ātrdarbīga-lineārā bloka kamera (ar izšķirtspēju līdz zem milimetra līmeņa) sinhroni skenē ar konveijera lenti, lai iegūtu reāllaika informāciju par materiāla formu, izmēru, virsmas defektiem (piemēram, plaisām, traipiem) un citu informāciju. Dažas ierīces tiks aprīkotas arī ar fluorescences attēlveidošanu un polarizētās gaismas attēlveidošanu, lai identificētu ar neapbruņotu aci neredzamus elementus, piemēram, plastmasas novecošanās pēdas un zāļu piemaisījumus.
2. AI algoritmu sistēma: "precīza sprieduma" sasniegšanas pamats
Optiskās sistēmas savāktie masveida dati ir jāpārvērš šķirošanas lēmumos, izmantojot AI algoritmus, kas ir galvenā atšķirība starp AI optiskajām šķirošanas mašīnām un tradicionālajām iekārtām.
Iezīmju apguve: pamatojoties uz dziļās mācīšanās modeļiem, piemēram, konvolucionālajiem neironu tīkliem (CNN), apmācība tiek veikta, izmantojot lielu datu paraugu daudzumu (piemēram, dažādu minerālu, augļu un plastmasas spektrālo un attēlu datus). Modelis automātiski izvilks galvenās materiāla iezīmes -, manuāli nenosakot "krāsu sliekšņus" vai "formas standartus", tas var iemācīties atšķirt "mērķa materiālus" un "piemaisījumus" (piemēram, PET plastmasas šķirošanas laikā noteikt PET un HDPE spektrālās atšķirības). )
Lēmumu pieņemšana reāllaikā{0}}: apmācītais modelis tiek izvietots malas skaitļošanas vienībā (piemēram, rūpnieciskajā AI mikroshēmā). Kad jauni materiāli tiek nodoti, algoritms var pabeigt datu apstrādi 200 ms laikā, izvadīt sprieduma rezultātu: "Šis ir mērķa materiāls, paturiet to" vai "Šis ir piemaisījums, noņemiet to" un nodrošina pārliecību (piemēram, 99,2% varbūtība ir PET). Ja mainās materiāla partija (piemēram, palielinās rūdas mitruma saturs), algoritms var arī dinamiski pielāgot parametrus, izmantojot "tiešsaistes mācīšanos", lai izvairītos no šķirošanas precizitātes samazināšanās. )
3. Izpildes mehānisma sistēma: "precīzas atdalīšanas" pēdējā posma pabeigšana
Pēc tam, kad AI algoritms ir pieņēmis lēmumu, izpildaģentūrai ātri jāreaģē un mērķa materiāls un piemaisījumi ir jānodala dažādos kanālos. Pamataprīkojumā ietilpst:
Augstas frekvences gaisa vārsts: visbiežāk izmantotais izpildmehānisms, kura reakcijas laiks ir mazāks par 1 ms un kas izsmidzina augsta spiediena gaisa plūsmu (0,6–0,8 MPa), lai "izpūstu" piemaisījumus no mērķa kanāla. Piemēram, atkritumu klasifikācijas laikā gaisa vārsts var izmantot AI spriedumu, lai iepūstu plastmasas pudeles pārstrādes kanālā un akmeņus atkritumu kanālā ar apstrādes ātrumu tūkstošiem gabalu stundā. )
Robota roka: ainas ar sarežģītām formām un kurām nepieciešama smalka šķirošana (piemēram, neregulāras rūdas un bojāti augļi), sešu asu robota roka apvienojumā ar 3D redzes pozicionēšanu var precīzi satvert materiālus un novietot tos noteiktās vietās ar šķirošanas precizitāti ± 2 mm, piemērota tādām jomām kā medicīna un augstas{2}augstas klases pārtikas šķirošana. )
-Pilnīga darbplūsma: slēgta{0} cilpa no "padeves" uz "šķirošanas pabeigšanu"
AI gaismas šķirošanas mašīnas darbība ir saskaņots "uztveres lēmuma izpildes" process. Kā piemēru ņemot kalnrūpniecības šķirošanu, konkrētais process ir šāds:
Materiāla pirmapstrāde: vibrējošais padevējs vienmērīgi izkliedē rūdu uz konveijera lentes un, izmantojot sijāšanu, noņem pārāk lielas/mazgabarīta daļiņas, lai nodrošinātu materiāla atsevišķu daļiņu izvietojumu -, izvairoties no daļiņu sakraušanās, kas bloķē optiskos signālus un ietekmē noteikšanas precizitāti. )
Datu vākšana: rūda nonāk noteikšanas zonā pa konveijera lenti, un tās spektrālos datus un attēla datus sinhroni apkopo hiperspektrālās kameras un līniju masīvu kameras un reāllaikā pārsūta uz AI algoritma vienību. )
AI spriedums: algoritma vienība ātri analizē datus, lai noteiktu, vai katra rūda ir "fluorīta raktuves" (mērķis) vai "atkritumu iezis" (piemaisījums), un nosūta norādījumus uz atbilstošo izpildmehānismu attiecīgajā vietā. )
Šķirošanas izpilde: kad rūda sasniedz izpildes zonu, ja tas ir atkritumiežs, augstfrekvences gaisa vārsts nekavējoties izsmidzina gaisa plūsmu atkritumiežu kanālā; Ja tā ir fluorīta raktuves, tā vienmērīgi iekļūs mērķa kanālā. )
Atsauksmes par kvalitāti: dažas iekārtas savākšanas zonā iestatīs atkārtotas pārbaudes sensorus (piemēram, rentgenstaru fluorescences spektrometru), lai noteiktu šķirošanas rezultātus. Ja tiks konstatēts, ka atkritumi ir sajaukti ar fluorīta rūdu, tie tiks automātiski atgriezti atpakaļ AI algoritmā, lai optimizētu modeļa parametrus un izveidotu slēgtu "atklāšanas lēmumu optimizācijas" cilpu.
-Tehniskā priekšrocība: kāpēc AI optiskā atlases iekārta ir efektīvāka? )
Salīdzinājumā ar tradicionālajām šķirošanas iekārtām, piemēram, manuālajām šķirošanas iekārtām un krāsu šķirošanas iekārtām, AI optisko šķirošanas iekārtu priekšrocība ir to "inteliģentā jaunināšana":
Augstāka precizitāte: spēj noteikt iekšējās komponentu atšķirības (piemēram, augļu cukura saturu un rūdas tīrību), nevis tikai aplūkot virsmu, ar šķirošanas precizitāti virs 98% (tradicionālajās krāsu šķirošanas mašīnās ir aptuveni 90%). )
Spēcīgāka pielāgošanās spēja: nav nepieciešams manuāli pielāgot parametrus, kas spēj tikt galā ar izmaiņām materiālu partijās (piemēram, augļi dažādos gadalaikos, rūdas dažādās ieguves vietās). )
Augstāka efektivitāte: apstrādes ātrums ir 10-20 reizes ātrāks nekā roku darbs, un tas var strādāt nepārtraukti 24 stundas, samazinot darbaspēka izmaksas.
-Tipisks pielietojums: pārklājums no "raktuvēm" līdz "ēdamgaldiem"
AI optiskās atlases mašīnas darbības princips nosaka tās plašo pielietojamību:
Ieguves rūpniecība: iepriekš bagātiniet zemas- kvalitātes rūdas (piemēram, 50% atkritumiežu izmešana), lai samazinātu transportēšanas un flotācijas izmaksas; )
Pārtika: augļu šķirošana (pamatojoties uz cukura saturu un lielumu), graudu piemaisījumu noņemšana (izņemot sapelējuma daļiņas); )
Atkritumu klasifikācija: Atsevišķa plastmasa (PET/HDPE), metāls un stikls, lai uzlabotu resursu atgūšanas ātrumu; )
Medicīna: Atklājiet svešķermeņus kapsulās un defektus tabletēs, lai nodrošinātu zāļu drošumu. )
Secinājums
AI optiskās šķirošanas iekārtas galvenā loģika ir aizstāt "cilvēka novērošanu" ar "optisko uztveri", aizstāt "manuālu spriedumu" ar "AI lēmumu pieņemšanu" un aizstāt "manuālo šķirošanu" ar "precīzu izpildi". Tā ir ne tikai šķirošanas ierīce, bet arī tipisks "datu -vadītas rūpnieciskās jaunināšanas" - iemiesojums, izmantojot nepārtrauktu datu analīzi un modeļu optimizāciju, tā nepārtraukti uzlabo šķirošanas efektivitāti un precizitāti, nodrošinot tehnisko atbalstu aprites ekonomikai un videi draudzīgai ražošanai.