Optisk sortering
Optisk sortering (kallas ibland digital sortering ) är den automatiserade processen att sortera fasta produkter med hjälp av kameror och/eller lasrar .
bildbehandlingssystemets mjukvarudrivna intelligens kan optiska sorterare känna igen objekts färg, storlek, form, strukturella egenskaper och kemiska sammansättning. Sorteraren jämför objekt med användardefinierade acceptera/avvisa kriterier för att identifiera och ta bort defekta produkter och främmande material (FM) från produktionslinjen, eller för att separera produkter av olika kvaliteter eller typer av material.
Optisk sortering uppnår oförstörande, 100 procent inspektion i rad vid fulla produktionsvolymer.
Optiska sorterare är i utbredd användning i livsmedelsindustrin över hela världen, med den högsta användningen vid bearbetning av skördade livsmedel som potatis, frukt, grönsaker och nötter där de uppnår oförstörande, 100 procent inspektion i rad vid fulla produktionsvolymer. Tekniken används också inom läkemedelstillverkning och nutraceutisk tillverkning, tobaksbearbetning, avfallsåtervinning och andra industrier. Jämfört med manuell sortering, som är subjektiv och inkonsekvent, hjälper optisk sortering till att förbättra produktkvaliteten, maximera genomströmningen och öka utbytet samtidigt som arbetskostnaderna sänks.
Historia
Optisk sortering är en idé som först kom ur önskan att automatisera industriell sortering av jordbruksvaror som frukt och grönsaker. Innan automatiserad optisk sorteringsteknik skapades på 1930-talet, tillverkade företag som Unitec trämaskiner för att hjälpa till med mekanisk sortering av fruktbearbetning. 1931 bildades ett företag känt som "the Electric Sorting Company" och började skapa världens första färgsorterare, som installerades och användes i Michigans bönindustri 1932. 1937 hade den optiska sorteringstekniken utvecklats för att möjliggöra för system baserade på en tvåfärgsprincip för urval. Under de närmaste decennierna installerades nya och förbättrade sorteringsmekanismer, som tyngdkraftsmatningssystem och implementering av optisk sortering i mer jordbruksindustrier.
I slutet av 1960-talet började optisk sortering implementeras i nya branscher bortom jordbruket, som sortering av järn- och icke-järnmetaller. På 1990-talet användes optisk sortering flitigt vid sortering av fast avfall.
Med den stora tekniska revolutionen som ägde rum i slutet av 1990-talet och början av 2000-talet, effektiviserades optiska sorterare genom implementeringen av nya optiska sensorer, som CCD-, UV- och IR-kameror. Idag används optisk sortering i en mängd olika branscher och implementeras som sådan med ett varierande urval av mekanismer för att hjälpa till i den specifika sorterarens uppgift.
Sorteringssystemet
I allmänhet har optiska sorterare fyra huvudkomponenter: matningssystemet, det optiska systemet, bildbehandlingsprogramvaran och separationssystemet. Syftet med matningssystemet är att sprida produkter i ett enhetligt monolager så att produkterna presenteras för det optiska systemet jämnt, utan klumpar, med konstant hastighet. Det optiska systemet inkluderar lampor och sensorer placerade ovanför och/eller under flödet av de föremål som inspekteras. Bildbehandlingssystemet jämför objekt med användardefinierade acceptera/avvisa trösklar för att klassificera objekt och aktivera separationssystemet. Separationssystemet - vanligtvis tryckluft för små produkter och mekaniska anordningar för större produkter, som hel potatis - pekar ut föremål i luften och avleder föremålen för att avlägsnas till en rejektränna medan den goda produkten fortsätter längs sin normala bana.
Den idealiska sorteraren att använda beror på applikationen. Därför bestämmer produktens egenskaper och användarens mål de ideala sensorerna, mjukvarudrivna kapaciteterna och den mekaniska plattformen.
Sensorer
Optiska sorterare kräver en kombination av ljus och sensorer för att belysa och ta bilder av objekten så att bilderna kan bearbetas. De bearbetade bilderna avgör om materialet ska accepteras eller förkastas.
Det finns kamerasorterare, lasersorterare och sorterare som har en kombination av de två på en plattform. Ljus, kameror, lasrar och lasersensorer kan designas för att fungera inom synliga ljusvåglängder såväl som infraröda (IR) och ultravioletta (UV) spektrum . De optimala våglängderna för varje applikation maximerar kontrasten mellan objekten som ska separeras. Kameror och lasersensorer kan skilja sig åt i rumslig upplösning, med högre upplösningar som gör att sorteraren kan upptäcka och ta bort mindre defekter.
Kameror
Monokroma kameror upptäcker nyanser av grått från svart till vitt och kan vara effektiva vid sortering av produkter med högkontrastdefekter.
Sofistikerade färgkameror med hög färgupplösning kan upptäcka miljontals färger för att bättre särskilja mer subtila färgdefekter. Trikromatiska färgkameror (även kallade trekanalskameror) delar upp ljuset i tre band, som kan inkludera rött, grönt och/eller blått inom det synliga spektrumet samt IR och UV.
Tillsammans med intelligent programvara kan sorterare med kameror känna igen varje objekts färg, storlek och form; samt färg, storlek, form och placering av en defekt på en produkt. Vissa intelligenta sorterare tillåter till och med användaren att definiera en defekt produkt baserat på den totala defekta ytan för ett givet objekt.
Lasrar
Medan kameror fångar produktinformation baserad främst på materialreflektans, kan lasrar och deras sensorer särskilja ett materials strukturella egenskaper tillsammans med deras färg. Denna inspektion av strukturella egenskaper gör det möjligt för lasrar att upptäcka ett brett utbud av organiskt och oorganiskt främmande material såsom insekter, glas, metall, pinnar, stenar och plast; även om de har samma färg som den bra produkten.
Lasrar kan utformas för att fungera inom specifika ljusvåglängder; oavsett om det är på det synliga spektrumet eller bortom. Till exempel kan lasrar detektera klorofyll genom att stimulera fluorescens med hjälp av specifika våglängder; vilket är en process som är mycket effektiv för att ta bort främmande material från gröna grönsaker.
Kamera/laserkombinationer
Sorterare utrustade med kameror och lasrar på en plattform är i allmänhet kapabla att identifiera det bredaste utbudet av attribut. Kameror är ofta bättre på att känna igen färg, storlek och form medan lasersensorer identifierar skillnader i strukturella egenskaper för att maximera detektering och borttagning av främmande material.
Hyperspektral avbildning
Driven av behovet av att lösa tidigare omöjliga sorteringsutmaningar utvecklas en ny generation av sorterare med multispektrala och hyperspektrala bildsystem.
Liksom trikromatiska kameror samlar multispektrala och hyperspektrala kameror in data från det elektromagnetiska spektrumet. Till skillnad från trikromatiska kameror, som delar upp ljus i tre band, kan hyperspektrala system dela upp ljus i hundratals smala band över ett kontinuerligt område som täcker en stor del av det elektromagnetiska spektrumet. Jämfört med de tre datapunkterna per pixel som samlas in av trikromatiska kameror, kan hyperspektrala kameror samla in hundratals datapunkter per pixel, som kombineras för att skapa en unik spektralsignatur ( även kallad ett fingeravtryck) för varje objekt. När den kompletteras med kapabel mjukvaruintelligens bearbetar en hyperspektral sorterare dessa fingeravtryck för att möjliggöra sortering på produktens kemiska sammansättning. Detta är ett framväxande område av kemometri .
Mjukvarudriven intelligens
När sensorerna väl fångar objektets svar på energikällan används bildbehandling för att manipulera rådata. Bildbehandlingen extraherar och kategoriserar information om specifika funktioner. Användaren definierar sedan acceptera/avvisa trösklar som används för att bestämma vad som är bra och dåligt i rådataflödet. Konsten och vetenskapen kring bildbehandling ligger i att utveckla algoritmer som maximerar sorterarens effektivitet samtidigt som de presenterar ett enkelt användargränssnitt för operatören.
Objektbaserad igenkänning är ett klassiskt exempel på mjukvarudriven intelligens. Det tillåter användaren att definiera en defekt produkt baserat på var en defekt ligger på produkten och/eller den totala defekta ytan av ett föremål. Det ger mer kontroll när det gäller att definiera ett bredare utbud av defekta produkter. När den används för att styra sorterarens utmatningssystem kan den förbättra noggrannheten vid utmatning av defekta produkter. Detta förbättrar produktkvaliteten och ökar avkastningen.
Nya mjukvarudrivna funktioner utvecklas ständigt för att möta de specifika behoven hos olika applikationer. När datorhårdvaran blir kraftfullare blir nya mjukvarudrivna framsteg möjliga. Vissa av dessa framsteg ökar effektiviteten hos sorterare för att uppnå bättre resultat medan andra möjliggör att helt nya sorteringsbeslut kan fattas.
Plattformar
De överväganden som avgör den idealiska plattformen för en specifik tillämpning inkluderar produktens natur – stor eller liten, våt eller torr, ömtålig eller okrossbar, rund eller lätt att stabilisera – och användarens mål. I allmänhet kan produkter som är mindre än ett riskorn och lika stora som hel potatis sorteras. Genomströmningen sträcker sig från mindre än 2 ton produkt per timme på sorterare med låg kapacitet till mer än 35 ton produkt per timme på sorterare med hög kapacitet.
Kanalsorterare
De enklaste optiska sorterarna är kanalsorterare, en typ av färgsorterare som kan vara effektiv för produkter som är små, hårda och torra med en konsekvent storlek och form; som ris och frön. För dessa produkter erbjuder kanalsorterare en prisvärd lösning och enkel användning med ett litet utrymme. Kanalsorterare har monokromatiska kameror eller färgkameror och tar bort defekter och främmande material endast baserat på skillnader i färg.
För produkter som inte kan hanteras av en kanalsorterare – såsom mjuka, våta eller icke-homogena produkter – och för processorer som vill ha mer kontroll över kvaliteten på sin produkt, frittfallssorterare (även kallade vattenfalls- eller gravitationsmatade sorterare), chute- matning, sorterare eller bandsorterare är mer idealiska. Dessa mer sofistikerade sorterare har ofta avancerade kameror och/eller lasrar som, när de kompletteras med kapabel mjukvaruintelligens, upptäcker objekts storlek, form, färg, strukturella egenskaper och kemiska sammansättning.
Fritt fall och rännmatade sorterare
Frifallssorterare inspekterar produkten i luften under fritt fall och sorterare som matas med ränna stabiliserar produkten på en ränna före inspektion i luften. De stora fördelarna med sorterare med fritt fall och ränna, jämfört med bandsorterare, är ett lägre pris och lägre underhåll. Dessa sorterare är ofta mest lämpade för nötter och bär samt frysta och torkade frukter, grönsaker, potatisremsor och skaldjur, förutom avfallsåtervinningsapplikationer som kräver medelstora genomströmningar.
Bandsorterare
Bandsorteringsplattformar föredras ofta för tillämpningar med högre kapacitet såsom grönsaks- och potatisprodukter före konservering, frysning eller torkning. Produkterna stabiliseras ofta på ett löpande band innan besiktning. Vissa bandsorterare inspekterar produkter ovanifrån bandet, medan andra sorterare också skickar bort produkter från bandet för en luftinspektion. Dessa sorterare kan antingen utformas för att uppnå traditionell tvåvägssortering eller trevägssortering om två ejektorsystem med tre utmatningsströmmar är utrustade.
ADR-system
En femte typ av sorteringsplattform, som kallas ett system för automatisk defektborttagning (ADR), är specifikt för potatisremsor (pommes frites). Till skillnad från andra sorterare som matar ut produkter med defekter från produktionslinjen, identifierar ADR-system defekter och skär faktiskt bort defekterna från remsorna. Kombinationen av ett ADR-system följt av en mekanisk nubbin-hyvel är en annan typ av optiskt sorteringssystem eftersom det använder optiska sensorer för att identifiera och ta bort defekter.
Enfilsinspektionssystem
De ovan beskrivna plattformarna arbetar alla med material i bulk; vilket innebär att de inte behöver materialet i en enda fil för att inspekteras. Däremot är en sjätte typ av plattform, som används inom läkemedelsindustrin, ett enfils optiskt inspektionssystem. Dessa sorterare är effektiva för att ta bort främmande föremål baserat på skillnader i storlek, form och färg. De är inte lika populära som de andra plattformarna på grund av minskad effektivitet.
Mekaniska väghyvlar
För produkter som kräver sortering endast efter storlek används mekaniska sorteringssystem eftersom sensorer och bildbehandlingsprogram inte är nödvändiga. Dessa mekaniska sorteringssystem kallas ibland för sorteringssystem, men bör inte förväxlas med optiska sorterare som har sensorer och bildbehandlingssystem.
Praktisk användning
Avfall och återvinning
Optiska sorteringsmaskiner kan användas för att identifiera och kassera tillverkningsavfall, såsom metaller, gipsskivor, kartong och olika plaster. Inom metallindustrin används optiska sorteringsmaskiner för att kassera plast, glas, trä och andra metaller som inte behövs. Plastindustrin använder optiska sorteringsmaskiner för att inte bara kassera olika material som de listade utan även olika typer av plast. Optiska sorteringsmaskiner kasserar olika typer av plaster genom att särskilja hartstyper. Hartstyper som optiska sorteringsmaskiner kan identifiera är: HDPE, PVC, PLA, PE och andra.
Optisk sortering bidrar också till återvinningen eftersom det kasserade materialet förvaras i papperskorgar. När en papperskorg är full med ett visst material kan den skickas till lämplig återvinningsanläggning. Optiska sorteringsmaskiners förmåga att skilja mellan hartstyper underlättar också plaståtervinningsprocessen eftersom det finns olika metoder som används för varje plasttyp.
Mat och dryck
Inom kaffeindustrin används optiska sorteringsmaskiner för att identifiera och ta bort underutvecklade kaffebönor som kallas quakers; quakers är bönor som innehåller mestadels kolhydrater och sockerarter. En mer exakt kalibrering ger ett lägre totalt antal defekta produkter. Vissa kaffeföretag som Counter Culture använder dessa maskiner utöver redan existerande sorteringsmetoder för att skapa en kopp kaffe med bättre smak. En begränsning är att någon måste programmera dessa maskiner för hand för att identifiera defekta produkter.
Denna vetenskap är dock inte begränsad till kaffebönor; livsmedel såsom senapsfrön, frukter, vete och hampa kan alla bearbetas genom optiska sorteringsmaskiner.
I vintillverkningsprocessen sorteras druvor och bär som kaffebönor. Druvsortering används för att säkerställa att inga omogna/gröna delar av växten är inblandade i vinframställningsprocessen. Tidigare användes manuell sortering via sorteringstabeller för att skilja de defekta druvorna från de mer effektiva druvorna. Nu ger mekanisk skörd en högre effektivitet jämfört med manuell sortering. På olika ställen i linjen sorteras material ut via flera optiska sorteringsmaskiner. Varje maskin letar efter olika material av olika former och storlekar.
Bären eller druvorna kan sedan sorteras därefter med hjälp av en kamera, en laser eller någon form av LED-teknik med hänsyn till formen och formen på den givna frukten. Sorteringsmaskinen kasserar då alla onödiga element.
