Sellistes valdkondades nagu kaevandamine, toiduainete töötlemine ja jäätmete klassifitseerimine on traditsioonilised sorteerimisseadmed sageli piiratud nähtavate pinnaomadustega, mistõttu on materjalide olemuslike erinevuste täpne eristamine raske. Tehisintellekti valgussorteerimismasin on tehnoloogia „optiline taju+tehisintellekt+täpne täitmine” integreerimise kaudu ületanud selle piirangu ja muutunud tõhusa ja -täpse sortimise saavutamise põhiseadmeks. Selle tööpõhimõte võib tiirleda "andmete kogumise intelligentse analüüsi dünaamilise sortimise" kolme põhilüli ümber, moodustades tervikliku intelligentse sortimisahela. )
-Põhitehnoloogia: kolm peamist sortimist toetavat süsteemi
Tehisintellekti optiliste valikumasinate tõhus töö põhineb kolmel tihedalt koordineeritud tehnilisel süsteemil, mis täidavad vastavalt "nägemise", "täpse hinnangu andmise" ja "eraldamise" funktsioone:
1. Optiline sensorsüsteem: jäädvustage materjalide "mitmemõõtmeline sõrmejälg".
Traditsioonilised värvisorteerimismasinad toetuvad värvi ja kuju tuvastamiseks ainult nähtavale valgusele, samas kui tehisintellekti valgussorteerimismasinate optiline süsteem suudab koguda rikkalikumat materjaliteavet, nagu ka materjalide "mitmemõõtmelise identiteedifaili" loomine:
Spektrituvastus: kasutades hüperspektraalset kujutise tehnoloogiat (katab nähtavad infrapuna-{0}lähedased ribad) jäädvustatakse materjalide spektraalne sõrmejälg - erinevatel ainetel on nende erineva keemilise koostise tõttu erinevad valguse neeldumis- ja peegeldusomadused. Näiteks fluoriidimaagil (sisaldab CaF₂) on spetsiifilised neeldumispiigid 450 nm ja 520 nm lainepikkuste ribades, mida saab eristada aherainest; Toidu sorteerimise ajal võib lähi-infrapunaspektroskoopia tungida läbi puuvilja kesta ja tuvastada sisemise suhkru ja happesuse. )
Visuaalne taju: kiire{0}}lineaarmassiiviga kaamera (eraldusvõimega kuni alammillimeetrini) skannib sünkroonselt konveierilindiga, et saada reaalajas teavet materjali kuju, suuruse, pinnadefektide (nt praod, plekid) ja muu teabe kohta. Mõned seadmed varustatakse ka fluorestsentskujutise ja polariseeritud valguse kujutisega, et tuvastada palja silmaga nähtamatud tunnused, nagu plasti vananemisjäljed ja ravimite lisandid.
2. AI algoritmisüsteem: "täpse hinnangu" saavutamise tuum
Optilise süsteemi kogutud tohutud andmed tuleb AI-algoritmide abil teisendada sorteerimisotsusteks, mis on peamine erinevus AI optiliste sorteerimismasinate ja traditsiooniliste seadmete vahel.
Funktsioonide õppimine: Süvaõppe mudelite, nagu konvolutsioonilised närvivõrgud (CNN) põhjal viiakse koolitus läbi suure hulga näidisandmete põhjal (nt erinevate mineraalide, puuviljade ja plastide spektri- ja kujutisandmed). Mudel eraldab automaatselt materjali põhiomadused - ilma käsitsi "värviläve" või "kujustandardeid" määramata, see võib õppida eristama "sihtmaterjale" ja "lisandeid" (nt tuvastama PET-i ja HDPE-i spektraalseid erinevusi PET-plasti sorteerimisel). )
Otsuste tegemine{0}}reaalajas: väljaõppinud mudelit kasutatakse äärearvutusüksuses (nt tööstuslik tehisintellekti kiip). Kui uued materjalid läbivad, saab algoritm andmete töötlemise lõpule viia 200 ms jooksul, väljastada otsuse tulemuse: "See on sihtmaterjal, hoidke seda" või "See on lisand, kõrvaldage see" ja annab kindlustunde (nt 99,2% tõenäosusega on PET). Kui materjalipartii muutub (nt maagi niiskusesisalduse suurenemine), saab algoritm parameetreid dünaamiliselt kohandada ka "veebiõppe" kaudu, et vältida sortimise täpsuse vähenemist. )
3. Täitmismehhanismi süsteem: "täpse eraldamise" viimase etapi lõpuleviimine
Pärast tehisintellekti algoritmi otsuse tegemist peab rakendusasutus kiiresti reageerima ning eraldama sihtmaterjali ja lisandid erinevatesse kanalitesse. Põhivarustus sisaldab:
Kõrgsageduslik õhuklapp: kõige sagedamini kasutatav täiturmehhanism, mille reaktsiooniaeg on alla 1 ms ja mis pihustab kõrgrõhuga õhuvoolu (0,6–0,8 MPa), et "puhutakse ära" sihtkanalist lisandid. Näiteks prügi klassifitseerimise ajal saab õhuklapp kasutada tehisintellekti hinnangut, et puhuda plastpudelid ringlussevõtukanalisse ja kivid prügikanalisse, töötlemiskiirusega tuhandeid tükke tunnis. )
Robotikäsi: keeruka kujuga ja peent sorteerimist nõudvate stseenide jaoks (nagu ebakorrapärased maagid ja kahjustatud puuviljad) suudab kuueteljeline robotkäsi koos 3D-nägemise positsioneerimisega täpselt haarata materjale ja paigutada need ettenähtud kohtadesse sorteerimistäpsusega ± 2 mm, mis sobib sellistesse valdkondadesse nagu meditsiin ja kõrgekvaliteedilist{2}toitude sorteerimist. )
-Täielik töövoog: suletud{0}ahel "söötmisest" kuni "sortimise lõpetamiseni"
AI valgussorteerimismasina töö on "tajuotsuse täitmise" sidus protsess. Võttes näiteks kaevanduste sortimise, on konkreetne protsess järgmine:
Materjali eeltöötlus: vibreeriv söötur jaotab maagi ühtlaselt konveierilindile ja eemaldab sõelumise teel liiga suured/alamõõdulised osakesed, et tagada materjali üksikute osakeste paigutus -, vältides osakeste virnastumist, mis blokeerib optilisi signaale ja mõjutab tuvastamise täpsust. )
Andmete kogumine: maak siseneb tuvastusalasse mööda konveierilinti ning selle spektraal- ja pildiandmeid koguvad sünkroonselt hüperspektraalkaamerad ja joonmassiivikaamerad ning edastatakse need reaalajas-AI algoritmiüksusele. )
AI otsustus: algoritmiüksus analüüsib kiiresti andmeid, et teha kindlaks, kas iga maak on "fluoriidikaevandus" (sihtmärk) või "jääkkivi" (lisand), ja saadab juhised vastavasse asukohta vastavale täitmismehhanismile. )
Sorteerimise teostamine: kui maak jõuab täitmisalasse, kui see on jääkkivi, pihustab kõrgsageduslik{0}}õhuklapp kohe õhuvoolu jääkkivi kanalisse; Kui tegemist on fluoriidikaevandusega, siseneb see sujuvalt sihtkanalisse. )
Kvaliteedi tagasiside: mõned seadmed seadistavad sorteerimistulemuste tuvastamiseks kogumisalale korduskontrolli andurid (nt röntgenfluorestsentsspektromeeter). Kui leitakse, et jääkkivi on segunenud fluoriidimaagiga, suunatakse see automaatselt tagasi AI-algoritmile, et optimeerida mudeli parameetreid ja moodustada suletud ahela "tuvastusotsuse optimeerimine".
-Tehniline eelis: miks on AI optilise valiku masin tõhusam? )
Võrreldes traditsiooniliste sorteerimisseadmetega, nagu käsitsi sorteerimis- ja värvisorteerimismasinad, seisneb tehisintellekti optiliste sorteerimismasinate eelis nende "intelligentses uuenduses":
Suurem täpsus: suudab tuvastada komponentide sisemisi erinevusi (nt puuviljasuhkru sisaldus ja maagi puhtus), selle asemel, et vaadata ainult pinda, sorteerimistäpsusega üle 98% (traditsioonilised värvisorteerimismasinad on umbes 90%). )
Tugevam kohanemisvõime: pole vaja parameetreid käsitsi reguleerida, suudab toime tulla materjalipartiide muutustega (nt puuviljad erinevatel aastaaegadel, maagid erinevatel kaevandusaladel). )
Suurem efektiivsus: töötlemiskiirus on 10-20 korda kiirem kui käsitsitöö ja see võib töötada pidevalt 24 tundi, vähendades tööjõukulusid.
-Tüüpiline rakendus: katvus "kaevandustest" kuni "söögilaudadeni"
AI optilise valiku masina tööpõhimõte määrab selle laialdase rakendatavuse:
Kaevandamine: madala kvaliteediga{0}}maakide eelrikastamine (nt 50% jääkkivist kõrvaldamine), et vähendada transpordi- ja floteerimiskulusid; )
Toit: puuviljade liigitamine (suhkrusisalduse ja suuruse alusel), tera lisandite eemaldamine (v.a hallitanud osakesed); )
Prügi klassifikatsioon: eraldage plast (PET/HDPE), metall ja klaas, et parandada ressursside taaskasutamise määra; )
Meditsiin: ravimiohutuse tagamiseks tuvastage kapslites võõrkehad ja tablettide defektid. )
Järeldus
Tehisintellekti optilise sorteerimismasina põhiloogika seisneb selles, et "inimvaatlus" asendatakse "optilise tajuga", "käsitsi otsustamine" asendatakse "AI-otsuste{0}}tegemisega" ja "käsitsi sortimine" asendatakse sõnaga "täpne teostamine". See pole mitte ainult sorteerimisseade, vaid ka pideva andmeanalüüsi ja mudeli optimeerimise kaudu pideva andmeanalüüsi ja mudeli optimeerimise kaudu ka "andmepõhise-tööstuse uuendamise" tüüpiline teostus. See parandab pidevalt sortimise tõhusust ja täpsust, pakkudes tehnilist tuge ringmajanduse ja keskkonnasäästliku tootmise jaoks.