У областима као што су рударство, прерада хране и класификација отпада, традиционална опрема за сортирање је често ограничена видљивим површинским карактеристикама, што отежава прецизно разликовање инхерентних разлика материјала. АИ машина за сортирање светлости је, кроз интеграцију технологије „оптичка перцепција+вештачка интелигенција+прецизно извршење“, разбила ово ограничење и постала основна опрема за постизање ефикасног и{3}}прецизног сортирања. Његов принцип рада може да се врти око три кључне везе „динамичког сортирања интелигентне анализе прикупљања података“, формирајући потпуну интелигентну петљу за сортирање.
-Основна технологија: Три главна система који подржавају сортирање
Ефикасан рад машина за оптичку селекцију вештачке интелигенције ослања се на три блиско координисана техничка система, који преузимају функције „виђења“, „тачног просуђивања“ и „одвајања“:
1. Оптички сензорски систем: Снимите „мултидимензионални отисак прста“ материјала
Традиционалне машине за сортирање боја ослањају се искључиво на видљиву светлост да би препознале боју и облик, док оптички систем машина за сортирање светлости са вештачком интелигенцијом може да прикупи богатије информације о материјалу, баш као и успостављање „мултидимензионалне датотеке идентитета“ за материјале:
Спектрални сенсинг: Коришћењем технологије хиперспектралног снимања (прекривање видљивих до -инфрацрвених опсега), „спектрални отисак прста“ материјала се хвата - различите супстанце имају различите карактеристике апсорпције и рефлексије светлости због свог различитог хемијског састава. На пример, руда флуорита (која садржи ЦаФ ₂) има специфичне апсорпционе врхове у опсегу таласних дужина од 450 нм и 520 нм, што се може разликовати од отпадне стене; Током сортирања хране, блиска{5}}инфрацрвена спектроскопија може да продре у кожицу воћа и открије унутрашњи шећер и киселост.
Визуелна перцепција: Камера са линеарним низом велике брзине-(са резолуцијом до нивоа испод милиметра) синхроно скенира са покретном траком да би добила-информације у реалном времену о облику, величини, површинским дефектима (као што су пукотине, мрље) и друге информације о материјалу. Неки уређаји ће такође бити опремљени флуоресцентним снимањем и поларизованим светлом како би се идентификовале карактеристике које нису видљиве голим оком, као што су пластичне ознаке старења и нечистоће лекова.
2. Систем АИ алгоритама: срж постизања "тачне пресуде"
Огромни подаци прикупљени од стране оптичког система треба да се конвертују у одлуке о сортирању путем АИ алгоритама, што је кључна разлика између АИ оптичких машина за сортирање и традиционалне опреме
Учење карактеристика: На основу модела дубоког учења као што су конволуционе неуронске мреже (ЦНН), обука се изводи на великој количини података узорка (као што су спектрални и сликовни подаци различитих минерала, воћа и пластике). Модел ће аутоматски издвојити кључне карактеристике материјала - без ручног постављања „прагова боја“ или „стандарда облика“, може научити да разликује „циљне материјале“ и „нечистоће“ (као што је идентификација спектралних разлика између ПЕТ-а и ХДПЕ-а током сортирања ПЕТ пластике).
Одлучивање-у реалном времену: обучени модел се примењује у ивичној рачунарској јединици (као што је индустријски АИ чип). Када нови материјали прођу, алгоритам може да заврши обраду података у року од 200 мс, да испише резултат процене: „Ово је циљни материјал, задржи га“ или „Ово је нечистоћа, елиминишите га“ и даје поверење (као што је вероватноћа од 99,2% ПЕТ). Ако се серија материјала промени (као што је повећање садржаја влаге у руди), алгоритам такође може динамички да прилагођава параметре путем „онлајн учења“ како би избегао смањење тачности сортирања.
3. Систем механизама за извршење: завршетак завршног корака „прецизног одвајања“
Након што алгоритам вештачке интелигенције донесе одлуку, извршна агенција треба да брзо реагује и одвоји циљни материјал и нечистоће у различите канале. Основна опрема укључује:
Ваздушни вентил високе фреквенције: најчешће коришћени актуатор са временом одзива мањим од 1 мс, који распршује проток ваздуха под високим-притиском (0,6-0,8МПа) да би „одувао“ нечистоће из циљаног канала. На пример, током класификације смећа, ваздушни вентил може да користи АИ процену да дува пластичне боце у канал за рециклажу и камење у канал за смеће, брзином обраде од хиљада комада на сат.
Роботска рука: За сцене са сложеним облицима и које захтевају фино сортирање (као што су неправилне руде и оштећени плодови), рука робота са шест осовина у комбинацији са позиционирањем 3Д вида може прецизно да ухвати материјале и постави их на одређена места, са прецизношћу сортирања од ± 2 мм, погодна за поља као што су медицина и високо{2}}и сортирање хране која захтева изузетно квалитетно сортирање цц.
-Завршен ток посла: затворен-петља од „уношења“ до „довршетка сортирања“
Рад машине за сортирање светлости са вештачком интелигенцијом је кохерентан процес „извршавања одлуке о перцепцији“. Узимајући сортирање рударства као пример, специфичан процес је следећи:
Предтретман материјала: Вибрациони улагач равномерно распоређује руду по транспортној траци и уклања честице превелике/мање величине кроз просијавање како би се обезбедио распоред једне честице материјала - избегавајући слагање честица које блокира оптичке сигнале и утиче на тачност детекције.
Прикупљање података: Руда улази у област детекције дуж покретне траке, а њене спектралне податке и податке о слици синхроно прикупљају хиперспектралне камере и камере са линијским низом и преносе се у реалном-времену јединици АИ алгоритма.
Процена вештачке интелигенције: Алгоритамска јединица брзо анализира податке како би утврдила да ли је свака руда „рудник флуорита“ (мета) или „отпадна стена“ (нечистоћа), и шаље упутства одговарајућем извршном механизму на одговарајућој локацији.
Извођење сортирања: Када руда достигне подручје извршења, ако је у питању отпадна стена, високофреквентни ваздушни вентил одмах распршује проток ваздуха у канал за отпадну стену; Ако је у питању рудник флуорита, он ће глатко ући у циљни канал.
Повратне информације о квалитету: Нека опрема ће поставити сензоре за поновну инспекцију (као што је флуоресцентни спектрометар Кс-) у области сакупљања да би открила резултате сортирања. Ако се открије да је отпадна стена помешана са флуоритном рудом, она ће аутоматски бити враћена АИ алгоритму да оптимизује параметре модела и формира затворену петљу „оптимизације одлуке о детекцији“.
-Техничка предност: Зашто је АИ машина за оптички избор ефикаснија?
У поређењу са традиционалном опремом за сортирање као што су машине за ручно сортирање и сортирање у боји, предност АИ оптичких машина за сортирање лежи у њиховој "интелигентној надоградњи":
Већа прецизност: у стању да идентификује разлике у унутрашњим компонентама (као што је садржај воћног шећера и чистоћа руде), уместо да се само гледа у површину, са прецизношћу сортирања од преко 98% (традиционалне машине за сортирање у боји су око 90%).
Јача прилагодљивост: Нема потребе за ручно подешавањем параметара, способан да се носи са променама у серијама материјала (као што су воће у различитим годишњим добима, руде у различитим областима рударства).
Већа ефикасност: Брзина обраде је 10-20 пута већа од ручног рада и може радити непрекидно 24 сата, смањујући трошкове рада.
-Типична примена: покривеност од "рудника" до "трпезаријских столова"
Принцип рада АИ оптичке машине за селекцију одређује њену широку примену:
Рударство: Претходно обогаћивање ниског{0}}руда (као што је одбацивање 50% отпадног камена) да би се смањили трошкови транспорта и флотације;
Храна: сортирање воћа (на основу садржаја шећера и величине), уклањање нечистоћа у зрну (искључујући плесниве честице);
Класификација смећа: Одвојите пластику (ПЕТ/ХДПЕ), метал и стакло да бисте побољшали стопу опоравка ресурса;
Медицина: Откријте стране предмете у капсулама и дефекте у таблетама како бисте осигурали безбедност лека.
Закључак
Основна логика АИ оптичке машине за сортирање је да се „људско посматрање“ замени са „оптичком перцепцијом“, замени „ручно расуђивање“ са „АИ одлука-доношење“ и замени „ручно сортирање“ са „прецизно извршење“. То није само уређај за сортирање, већ и типично отелотворење „надоградње-покренуте подацима индустрије“ - кроз непрекидну анализу података и оптимизацију модела, континуирано побољшава ефикасност и тачност сортирања, пружајући техничку подршку за циркуларну економију и зелену производњу.