Na področjih, kot so rudarstvo, predelava hrane in razvrščanje odpadkov, je tradicionalna oprema za sortiranje pogosto omejena z vidnimi površinskimi značilnostmi, zaradi česar je težko natančno razlikovati inherentne razlike materialov. Stroj za razvrščanje svetlobe z umetno inteligenco je z integracijo tehnologije »optično zaznavanje+umetna inteligenca+natančna izvedba« presegel to omejitev in postal osnovna oprema za doseganje učinkovitega in visoko-natančnega razvrščanja. Njegovo načelo delovanja se lahko vrti okoli treh osrednjih povezav "zbiranja podatkov inteligentne analize dinamičnega razvrščanja", ki tvori popolno inteligentno razvrščevalno zanko.
-Osnovna tehnologija: trije glavni sistemi, ki podpirajo razvrščanje
Učinkovito delovanje optičnih izbirnih strojev z umetno inteligenco temelji na treh tesno usklajenih tehničnih sistemih, ki opravljajo funkcije "videnja", "natančnega presojanja" in "ločevanja":
1. Optični sistem zaznavanja: Zajemite "večdimenzionalni prstni odtis" materialov
Tradicionalni stroji za razvrščanje barv se za prepoznavanje barve in oblike zanašajo izključno na vidno svetlobo, medtem ko lahko optični sistem strojev za razvrščanje svetlobe z umetno inteligenco zbira bogatejše informacije o materialih, tako kot pri vzpostavitvi "večdimenzionalne datoteke identitete" za materiale:
Spektralno zaznavanje: z uporabo tehnologije hiperspektralnega slikanja (ki pokriva vidne-infrardeče pasove) se zajame »spektralni prstni odtis« materialov - imajo različne snovi zaradi različnih kemičnih sestav različne absorpcijske in odbojne lastnosti svetlobe. Na primer, fluoritna ruda (ki vsebuje CaF ₂) ima specifične absorpcijske vrhove v pasovih valovnih dolžin 450 nm in 520 nm, ki jih je mogoče razlikovati od odpadne kamnine; Med razvrščanjem hrane lahko bližnja-infrardeča spektroskopija prodre skozi lupino sadja in zazna notranji sladkor in kislost.
Vizualno zaznavanje: Visoko{0}}hitrostna kamera z linearnim nizom (z ločljivostjo do ravni pod milimetrom) sinhrono skenira s tekočim trakom, da v realnem{1}}času pridobi informacije o obliki, velikosti, površinskih napakah (kot so razpoke, madeži) in druge informacije o materialu. Nekatere naprave bodo opremljene tudi s fluorescenčnim slikanjem in slikanjem s polarizirano svetlobo za prepoznavanje lastnosti, ki niso vidne s prostim očesom, kot so sledi staranja plastike in nečistoče zdravil.
2. Sistem algoritmov AI: jedro doseganja "natančne presoje"
Ogromne podatke, ki jih zbere optični sistem, je treba pretvoriti v odločitve o razvrščanju prek algoritmov umetne inteligence, kar je ključna razlika med stroji za optično razvrščanje z umetno inteligenco in tradicionalno opremo
Učenje funkcij: Na podlagi modelov globokega učenja, kot so konvolucijske nevronske mreže (CNN), se usposabljanje izvaja na veliki količini vzorčnih podatkov (kot so spektralni in slikovni podatki različnih mineralov, sadja in plastike). Model bo samodejno izluščil ključne značilnosti materiala - brez ročne nastavitve "barvnih pragov" ali "standardov oblike", lahko se nauči razlikovati med "ciljnimi materiali" in "nečistočami" (kot je prepoznavanje spektralnih razlik med PET in HDPE med razvrščanjem plastike PET).
Sprejemanje odločitev-v realnem času: usposobljeni model je nameščen v robni računalniški enoti (kot je industrijski čip AI). Ko preidejo novi materiali, lahko algoritem dokonča obdelavo podatkov v 200 ms, izpiše rezultat presoje: "To je ciljni material, obdrži ga" ali "To je nečistoča, odstrani ga" in poda zaupanje (na primer 99,2-odstotna verjetnost je PET). Če se serija materiala spremeni (na primer povečanje vsebnosti vlage v rudi), lahko algoritem tudi dinamično prilagodi parametre prek "spletnega učenja", da se izogne zmanjšanju natančnosti sortiranja.
3. Sistem izvršilnega mehanizma: dokončanje zadnjega koraka "natančnega ločevanja"
Ko algoritem umetne inteligence sprejme odločitev, se mora izvršilna agencija hitro odzvati in ločiti ciljni material in nečistoče v različne kanale. Osnovna oprema vključuje:
Visokofrekvenčni zračni ventil: najpogosteje uporabljen aktuator z odzivnim časom, krajšim od 1 ms, ki razprši visoko{1}}zračni tok (0,6–0,8 MPa), da "odpihne" nečistoče iz ciljnega kanala. Na primer, med razvrščanjem smeti lahko zračni ventil s presojo AI odpihne plastične steklenice v kanal za recikliranje in kamenje v kanal za smeti s hitrostjo obdelave na tisoče kosov na uro.
Robotska roka: Za prizore s kompleksnimi oblikami, ki zahtevajo fino razvrščanje (kot so neenakomerne rude in poškodovano sadje), lahko šestosna robotska roka v kombinaciji s pozicioniranjem 3D vida natančno zajame materiale in jih postavi na določena območja z natančnostjo razvrščanja ± 2 mm, kar je primerno za področja, kot sta medicina in vrhunska-hrana, ki zahtevajo izjemno visoko natančnost razvrščanja.
-Celoten potek dela: sklenjena-zanka od »hranjenja« do »dokončanja sortiranja«
Delovanje stroja za razvrščanje svetlobe z umetno inteligenco je koherenten proces "izvršitve zaznavne odločitve". Če vzamemo za primer sortiranje rudarjenja, je poseben postopek naslednji:
Predobdelava materiala: vibrirajoči podajalnik enakomerno razporedi rudo po tekočem traku in odstrani prevelike/premajhne delce s presejanjem, da zagotovi razporeditev posameznih delcev materiala -, pri čemer se izogne kopičenju delcev, ki blokira optične signale in vpliva na natančnost zaznavanja.
Zbiranje podatkov: Ruda vstopi v območje zaznavanja vzdolž tekočega traku, njeni spektralni in slikovni podatki pa se sinhrono zbirajo s hiperspektralnimi kamerami in kamerami z nizi linij ter se v realnem-času prenašajo v enoto algoritma AI.
Presoja AI: algoritemska enota hitro analizira podatke, da ugotovi, ali je vsaka ruda "rudnik fluorita" (tarča) ali "odpadna kamnina" (nečistoča), in pošlje navodila ustreznemu izvršilnemu mehanizmu na ustrezni lokaciji.
Izvedba razvrščanja: ko ruda doseže območje izvajanja, če gre za odpadno kamnino, visoko{0}}frekvenčni zračni ventil takoj razprši zračni tok v kanal za odpadno kamnino; Če gre za rudnik fluorita, bo gladko vstopil v ciljni kanal.
Povratne informacije o kakovosti: nekatera oprema bo na območju zbiranja nastavila senzorje za ponovni pregled (kot je rentgenski fluorescenčni spektrometer) za zaznavanje rezultatov razvrščanja. Če se ugotovi, da je odpadna kamnina pomešana s fluoritno rudo, bo samodejno poslana nazaj k algoritmu umetne inteligence za optimizacijo parametrov modela in oblikovanje zaprte zanke "optimizacije odločitve o odkrivanju".
-Tehnična prednost: Zakaj je stroj za optično selekcijo AI bolj učinkovit?
V primerjavi s tradicionalno sortirno opremo, kot so ročno sortirni stroji in stroji za barvno sortiranje, je prednost optičnih sortirnih strojev AI v njihovi "inteligentni nadgradnji":
Večja natančnost: zmožnost prepoznavanja notranjih razlik v komponentah (kot je vsebnost sadnega sladkorja in čistost rude), namesto da bi samo gledali na površino, z natančnostjo razvrščanja več kot 98 % (tradicionalni stroji za razvrščanje barv so približno 90 %).
Večja prilagodljivost: Ni potrebe po ročnem prilagajanju parametrov, zmožnost obvladovanja sprememb v serijah materiala (kot je sadje v različnih letnih časih, rude v različnih rudarskih območjih).
Večja učinkovitost: Hitrost obdelave je 10–20-krat hitrejša od ročnega dela in lahko deluje neprekinjeno 24 ur, kar zmanjša stroške dela.
-Tipična uporaba: pokritost od "rudnikov" do "jedilnih miz"
Načelo delovanja AI optičnega selekcijskega stroja določa njegovo široko uporabnost:
Rudarstvo: Predhodna obogatitev nizko{0}}rud (kot je zavrženje 50 % odpadne kamnine), da se zmanjšajo stroški prevoza in flotacije;
Hrana: Razvrščanje sadja (glede na vsebnost sladkorja in velikost), odstranjevanje nečistoč zrn (razen plesnivih delcev);
Razvrščanje smeti: Ločite plastiko (PET/HDPE), kovino in steklo za izboljšanje stopnje pridobivanja virov;
Medicina: Zaznajte tujke v kapsulah in napake v tabletah, da zagotovite varnost zdravil.
Zaključek
Osnovna logika stroja za optično razvrščanje z umetno inteligenco je nadomestiti "človeško opazovanje" z "optično zaznavo", zamenjati "ročno presojo" z "odločanjem-umetne inteligence" in zamenjati "ročno razvrščanje" z "natančno izvedbo". To ni le naprava za razvrščanje, ampak tudi tipično utelešenje »podatkov-podprte industrijske nadgradnje« - prek stalne analize podatkov in optimizacije modela nenehno izboljšuje učinkovitost in natančnost razvrščanja ter zagotavlja tehnično podporo za krožno gospodarstvo in zeleno proizvodnjo.