У таких сферах, як видобуток корисних копалин, харчова промисловість і класифікація відходів, традиційне обладнання для сортування часто обмежене видимими поверхневими елементами, що ускладнює точне розрізнення властивих матеріалів відмінностей. Машина для сортування світла зі штучним інтелектом завдяки інтеграції технології «оптичне сприйняття+штучний інтелект+точне виконання» подолала це обмеження та стала основним обладнанням для досягнення ефективного й високо{3}}точного сортування. Його принцип роботи може обертатися навколо трьох основних ланок «інтелектуального аналізу збору даних, динамічного сортування», утворюючи повний цикл інтелектуального сортування.
-Основна технологія: три основні системи, що підтримують сортування
Ефективна робота машин оптичного відбору штучного інтелекту залежить від трьох тісно скоординованих технічних систем, які відповідно виконують функції «бачення», «точного судження» та «розділення»:
1. Оптична сенсорна система: фіксуйте «багатовимірний відбиток» матеріалів
Традиційні машини для сортування кольорів покладаються виключно на видиме світло для розпізнавання кольору та форми, тоді як оптична система машин для сортування світла зі штучним інтелектом може збирати більш повну інформацію про матеріал, подібно до створення «багатовимірного файлу ідентифікації» для матеріалів:
Спектральне зондування: за допомогою технології гіперспектрального зображення (що охоплює видимі до -інфрачервоних діапазонів) фіксується «спектральний відбиток» матеріалів - різні речовини мають різні характеристики поглинання та відбиття світла через свій різний хімічний склад. Наприклад, флюоритова руда (містить CaF ₂) має специфічні піки поглинання в діапазонах довжин хвиль 450 нм і 520 нм, які можна відрізнити від пустої породи; Під час сортування харчових продуктів спектроскопія ближнього-інфрачервоного діапазону може проникати через шкірку фруктів і виявляти внутрішній цукор і кислотність.
Візуальне сприйняття: високошвидкісна лінійна камера (з роздільною здатністю до субміліметрового рівня) синхронно сканує з конвеєрною стрічкою, щоб отримати-інформацію в реальному часі про форму, розмір, поверхневі дефекти (наприклад, тріщини, плями) та іншу інформацію про матеріал. Деякі пристрої також будуть оснащені флуоресцентною візуалізацією та візуалізацією в поляризованому світлі, щоб ідентифікувати елементи, які не видно неозброєним оком, наприклад сліди старіння пластику та домішки ліків.
2. Система алгоритмів ШІ: ядро досягнення «точного судження»
Масивні дані, зібрані оптичною системою, потрібно перетворювати на рішення щодо сортування за допомогою алгоритмів ШІ, що є ключовою відмінністю оптичних сортувальних машин ШІ від традиційного обладнання
Навчання функцій: на основі моделей глибокого навчання, таких як згорточні нейронні мережі (CNN), навчання виконується на великій кількості вибіркових даних (таких як спектральні дані та дані зображень різних мінералів, фруктів і пластмас). Модель автоматично виділить ключові характеристики матеріалу - без ручного встановлення «кольорових порогів» або «стандартів форми», вона може навчитися розрізняти «цільові матеріали» та «домішки» (наприклад, визначення спектральних відмінностей між PET і HDPE під час сортування PET пластику).
Прийняття-рішень у реальному часі: навчена модель розгортається в периферійному обчислювальному блоці (наприклад, промисловому чіпі ШІ). Коли нові матеріали проходять, алгоритм може завершити обробку даних протягом 200 мс, вивести результат оцінки: «Це цільовий матеріал, збережіть його» або «Це домішка, усуньте його» та надати впевненість (наприклад, 99,2% ймовірності — PET). Якщо партія матеріалу змінюється (наприклад, збільшується вміст вологи в руді), алгоритм також може динамічно коригувати параметри за допомогою «онлайн-навчання», щоб уникнути зниження точності сортування.
3. Система механізму виконання: завершення останнього етапу «точного розділення»
Після того, як алгоритм штучного інтелекту прийме рішення, установа-виконавець має швидко відреагувати та розділити цільовий матеріал і домішки по різних каналах. Основне обладнання включає:
Високочастотний повітряний клапан: найчастіше використовуваний привід із часом відгуку менше 1 мс, який розпилює потік повітря під високим{1}}тиском (0,6–0,8 МПа), щоб «видувати» домішки з цільового каналу. Наприклад, під час класифікації сміття повітряний клапан може використовувати оцінку AI, щоб видувати пластикові пляшки в канал переробки та каміння в сміттєвий канал зі швидкістю обробки тисячі штук на годину.
Рука робота: для сцен зі складними формами, які вимагають точного сортування (наприклад, нестандартні руди та пошкоджені фрукти), шестиосьова рука робота в поєднанні з 3D-позиціонуванням може точно захоплювати матеріали та розміщувати їх у визначених місцях із точністю сортування ± 2 мм, що підходить для таких сфер, як медицина та високо-продукти харчування, де потрібна надзвичайно висока точність сортування.
-Повний робочий процес: замкнутий-цикл від «подачі» до «завершення сортування»
Робота машини для сортування світла штучного інтелекту є узгодженим процесом «виконання рішень сприйняття». Взявши як приклад сортування майнінгу, конкретний процес виглядає наступним чином:
Попередня обробка матеріалу: вібраційний живильник рівномірно розподіляє руду на конвеєрній стрічці та видаляє завеликі/занижені частинки шляхом просіювання, щоб забезпечити однорідне розташування частинок у матеріалі -, уникаючи накопичення частинок, яке блокує оптичні сигнали та впливає на точність виявлення.
Збір даних: руда потрапляє в зону виявлення вздовж стрічки конвеєра, і її спектральні дані та дані зображення синхронно збираються гіперспектральними камерами та камерами лінійного масиву та передаються в реальному-часі до блоку алгоритму AI.
Судження ШІ: блок алгоритму швидко аналізує дані, щоб визначити, чи є кожна руда «флюоритовою шахтою» (мішень) чи «пустою породою» (домішка), і надсилає інструкції відповідному механізму виконання у відповідному місці.
Виконання сортування: коли руда досягає робочої зони, якщо це порожня порода, високочастотний{0}}повітряний клапан негайно розпилює потік повітря в канал порожньої породи; Якщо це флюоритова шахта, то вона буде плавно входити в цільовий канал.
Зворотній зв’язок щодо якості: для визначення результатів сортування в зоні збору деяке обладнання встановлює датчики повторної перевірки (наприклад, рентгенівський флуоресцентний спектрометр). Якщо буде виявлено, що порожня порода змішана з флюоритовою рудою, вона буде автоматично передана алгоритму штучного інтелекту для оптимізації параметрів моделі та формування замкнутого циклу «оптимізації рішення щодо виявлення».
-Технічна перевага: чому машина оптичного відбору AI більш ефективна?
Порівняно з традиційним обладнанням для сортування, таким як ручне сортування та сортувальні машини за кольором, перевага оптичних сортувальних машин AI полягає в їх «інтелектуальному оновленні»:
Вища точність: можливість ідентифікувати внутрішні відмінності компонентів (наприклад, вміст фруктового цукру та чистоту руди), а не просто дивитися на поверхню, з точністю сортування понад 98% (традиційні сортувальні машини за кольором становлять близько 90%).
Покращена адаптивність: немає необхідності вручну налаштовувати параметри, здатність впоратися зі змінами в партіях матеріалу (таких як фрукти в різні сезони, руди в різних районах видобутку).
Вища ефективність: швидкість обробки в 10-20 разів швидша, ніж ручна праця, і він може працювати безперервно протягом 24 годин, зменшуючи витрати на оплату праці.
-Типове застосування: покриття від «шахт» до «обідніх столів»
Принцип роботи машини оптичного відбору штучного інтелекту визначає її широке застосування:
Видобуток корисних копалин: попередньо збагачуйте руди низького вмісту (наприклад, викидайте 50% пустої породи), щоб зменшити витрати на транспортування та флотацію;
Продукти харчування: сортування фруктів (за цукристістю та розміром), видалення зернових домішок (за винятком частинок плісняви);
Класифікація сміття: розділяйте пластик (PET/HDPE), метал і скло, щоб покращити швидкість відновлення ресурсів;
Медицина: Виявляйте сторонні предмети в капсулах і дефекти в таблетках, щоб переконатися в безпеці ліків.
Висновок
Основна логіка машини оптичного сортування штучного інтелекту полягає в тому, щоб замінити «спостереження людини» на «оптичне сприйняття», замінити «ручне оцінювання» на «прийняття-рішень зі штучним інтелектом» і замінити «ручне сортування» на «точне виконання». Це не лише пристрій для сортування, але й типове втілення «-керованої даними промислової модернізації» - завдяки безперервному аналізу даних і оптимізації моделі, він постійно покращує ефективність і точність сортування, надаючи технічну підтримку для економіки замкнутого циклу та екологічного виробництва.