광학적 정렬

Optical sorting

광학 정렬(디지털 정렬이라고도 함)은 카메라 및/또는 레이저를 사용하여 고체 제품을 자동으로 분류하는 프로세스입니다.

사용되는 센서의 종류와 이미지 처리 시스템의 소프트웨어 기반 지능에 따라 광학 선별기는 물체의 색상, 크기, 모양, 구조 특성 및 화학 [1]성분을 인식할 수 있습니다.선별기는 객체를 사용자 정의 승인/거부 기준과 비교하여 불량 제품 및 이물질(FM)을 생산 라인에서 식별 및 제거하거나 등급 또는 재료 유형이 다른 제품을 분리합니다.

광학적 정렬을 통해 전체 생산 볼륨에서 100% 비파괴적인 인라인 검사를 수행할 수 있습니다.

광학 선별기는 전 세계 식품 산업에서 널리 사용되고 있으며, 감자, 과일, 야채, 견과류와 같은 수확된 식품을 가공하는 데 가장 많이 채택되어 있으며, 비파괴적이고 100% 인라인 검사를 전량 생산으로 달성했습니다.이 기술은 의약품 제조 및 영양제 제조, 담배 가공, 폐기물 재활용 및 기타 산업에도 사용됩니다.주관적이고 일관성이 없는 수동 정렬에 비해 광학 정렬은 인건비를 [2]절감하면서 제품 품질 향상, 스루풋 최대화 및 수율 향상에 도움이 됩니다.

역사

광학 분류는 과일이나 [3]야채와 같은 농산물의 산업 분류를 자동화하려는 욕구에서 처음 나온 아이디어이다.1930년대에 자동화된 광학 선별 기술이 고안되기 전에, Unitec과 같은 회사들은 과일 [3]가공의 기계적인 선별을 돕는 목조 기계를 생산하고 있었습니다.1931년 "전기 선별 회사"로 알려진 회사가 설립되었고 1932년까지 미시간 [4]콩 산업에 설치되고 사용되는 세계 최초의 색 선별기를 만들기 시작했습니다.1937년 광학 분류 기술은 두 가지 색상의 선택 [4]원리에 기초한 시스템을 가능하게 하기 위해 발전했다.이후 몇 십 년 동안 중력 공급 시스템과 같은 새롭고 개선된 분류 메커니즘이 설치되었고 더 많은 [5]농업 산업에서 광학 분류가 구현되었습니다.

1960년대 후반에는 철과 비철의 [6]금속을 선별하는 것과 같이 농업 이외의 새로운 산업에 광학 분류가 실시되기 시작했다.1990년대까지 광학 [6]분류는 고체 폐기물의 분류에 많이 사용되고 있었다.

1990년대 후반과 2000년대 초반의 큰 기술혁명으로 인해, CCD, UV,[5] IR 카메라와 같은 새로운 광학 센서의 구현을 통해 광학 선별기가 보다 효율적으로 만들어지고 있었다.오늘날 광학적 정렬은 다양한 산업에서 사용되며, 따라서 특정 선별자의 작업을 지원하기 위한 다양한 메커니즘 선택으로 구현됩니다.

정렬 시스템

광학적 정렬을 통해 전체 생산 볼륨에서 100% 비파괴적인 인라인 검사를 수행할 수 있습니다.

일반적으로 광소터는 피드 시스템, 광학 시스템, 화상 처리 소프트웨어, 분리 시스템 [7]등 4가지 주요 구성 요소를 갖추고 있습니다.공급 시스템의 목적은 제품을 균일한 단분자로 확산시켜 제품이 일정한 속도로 덩어리 없이 광학 시스템에 균등하게 나타나는 것입니다.광학 시스템에는 검사 대상 물체의 흐름 위 및/또는 아래에 수용된 조명 및 센서가 포함됩니다.이미지 처리 시스템은 객체를 사용자 정의 승인/거부 임계값과 비교하여 객체를 분류하고 분리 시스템을 작동시킵니다.보통 작은 제품에서는 압축공기를, 통감자 등 큰 제품에서는 기계장치를 사용하는 분리시스템은 공기 중에 물체를 고정시켜 좋은 제품이 정상적인 궤적을 따라 이동하는 동안 물체를 제거 슛으로 굴절시킵니다.

이상적인 선별기는 응용 프로그램에 따라 달라집니다.따라서 제품의 특성과 사용자의 목적에 따라 이상적인 센서, 소프트웨어 구동 기능 및 기계식 플랫폼이 결정됩니다.

센서

광학식 정렬기는 빛을 비추고 이미지를 캡처하여 이미지를 처리할 수 있도록 하기 위해 빛과 센서의 조합이 필요합니다.처리된 이미지에 따라 재료의 승인 또는 거부 여부가 결정됩니다.

카메라 소터, 레이저 소터, 소터 등이 있어 하나의 플랫폼에서 이 둘을 조합한 것이 특징입니다.조명, 카메라, 레이저 및 레이저 센서는 가시광선 파장 및 적외선(IR) 및 자외선(UV) 스펙트럼 내에서 기능하도록 설계할 수 있습니다.각 응용 프로그램에 대한 최적의 파장은 분리되는 물체 간의 대비를 최대화합니다.카메라와 레이저 센서는 공간 분해능이 다를 수 있으며, 더 높은 분해능으로 정렬기가 더 작은 결함을 감지하고 제거할 수 있습니다.

형상 정렬을 통해 동일 색상의 결점 및 이물질 검출 가능

카메라

단색 카메라는 검은색에서 흰색까지 회색 음영을 감지해 고대비 불량 제품을 선별할 때 효과적이다.

고해상도의 세련된 컬러 카메라는 수백만 가지 색상을 검출하여 보다 미묘한 색상의 결함을 더 잘 식별할 수 있습니다.삼색 컬러 카메라(3채널 카메라라고도 함)는 가시 스펙트럼 내의 적색, 녹색 및/또는 청색을 포함하여 IR 및 UV를 포함한 세 가지 대역으로 빛을 분할합니다.

지능형 소프트웨어와 함께 카메라 기능을 갖춘 선별기는 제품의 색상, 크기, 모양뿐만 아니라 제품의 색상, 크기, 모양 및 결함 위치를 인식할 수 있습니다.일부 지능형 선별기에서는 사용자가 특정 물체의 총 결함 표면적을 기준으로 결함 제품을 정의할 수도 있습니다.

레이저

카메라가 주로 재료 반사율을 기준으로 제품 정보를 포착하는 반면 레이저와 센서는 재료의 구조적 특성과 색상을 구별할 수 있다.이 구조 특성 검사를 통해 레이저가 곤충, 유리, 금속, 막대기, 돌, 플라스틱 등 다양한 유기 및 무기 이물질을 검출할 수 있습니다. 비록 좋은 제품과 같은 색이라도 마찬가지입니다.

레이저는 가시 스펙트럼이든 [8]그 너머이든 특정 파장의 빛 안에서 작동하도록 설계될 수 있습니다.예를 들어, 레이저는 특정 파장을 사용하여 형광을 자극함으로써 엽록소를 검출할 수 있는데, 이것은 녹색 [9]채소로부터 이물질을 제거하는 데 매우 효과적인 과정이다.

카메라/레이저 조합

하나의 플랫폼에 카메라와 레이저를 장착한 정렬기는 일반적으로 가장 다양한 특성을 식별할 수 있습니다.카메라는 색상, 크기 및 모양을 더 잘 인식하는 반면 레이저 센서는 구조적 특성 차이를 식별하여 이물질의 검출 및 제거를 극대화합니다.

"당단" 감자 스트립의 초분광 이미지에서 눈에 보이지 않는 결함이 보입니다

초분광 이미징

이전에는 불가능했던 정렬 과제를 해결하기 위해 멀티 스펙트럼 및 하이퍼 스펙트럼 이미징 시스템을 특징으로 하는 신세대 정렬기가 [10]개발되고 있습니다.

삼색 카메라와 마찬가지로, 다분광 카메라와 초분광 카메라는 전자파 스펙트럼으로부터 데이터를 수집합니다.빛을 세 개의 대역으로 나누는 삼색 카메라와 달리, 초분광 시스템은 전자 스펙트럼의 넓은 부분을 커버하는 연속적인 범위에 걸쳐 수백 개의 좁은 대역으로 빛을 나눌 수 있습니다.3색 카메라가 수집하는 픽셀당 3개의 데이터 포인트와 비교하여, 초분광 카메라는 픽셀당 수백 개의 데이터 포인트를 수집할 수 있으며, 이러한 데이터 포인트를 조합하여 각 물체에 고유한 스펙트럼 시그니처(지문이라고도 함)를 생성할 수 있습니다.고성능 소프트웨어 인텔리전스로 보완할 경우, 하이퍼 스펙트럼 선별기는 이러한 지문을 처리하여 제품의 화학적 성분을 분류할 수 있도록 합니다.이것은 화학 측정학의 신흥 분야입니다.

소프트웨어 중심의 인텔리전스

센서가 에너지원에 대한 물체의 반응을 포착하면 이미지 처리가 원시 데이터를 조작하기 위해 사용됩니다.이미지 처리는 특정 기능에 대한 정보를 추출하고 분류합니다.그런 다음 사용자는 원시 데이터 흐름에서 무엇이 좋고 나쁨을 판별하는 데 사용되는 수락/거부 임계값을 정의합니다.화상 처리의 기술과 과학은 조작자에게 간단한 사용자 인터페이스를 제시하면서 정렬기의 효과를 극대화하는 알고리즘을 개발하는 데 있다.

객체 기반 인식은 소프트웨어 기반 인텔리전스의 전형적인 예입니다.사용자는 제품의 결함 위치 및/또는 물체의 전체 결함 표면적을 기준으로 결함 제품을 정의할 수 있습니다.보다 광범위한 불량 제품을 정의하는 데 더 많은 제어 기능을 제공합니다.선별기의 배출 시스템을 제어하기 위해 사용하면 불량품의 배출 정확도를 향상시킬 수 있습니다.이를 통해 제품의 품질이 향상되고 수율이 높아집니다.

다양한 애플리케이션의 특정 요구에 대응하기 위해 새로운 소프트웨어 기반 기능이 지속적으로 개발되고 있습니다.컴퓨팅 하드웨어가 강력해짐에 따라 소프트웨어 주도의 새로운 발전이 가능해졌습니다.이러한 진보 중 일부는 선별기(sorter)의 효율성을 높여 더 나은 결과를 달성하는 반면, 다른 일부는 완전히 새로운 정렬 결정을 내릴 수 있게 합니다.

플랫폼

특정 애플리케이션에 이상적인 플랫폼을 결정하는 고려사항에는 제품의 특성(대소, 습기 또는 건조, 깨지기 쉽거나 깨지기 쉬운 것, 둥글거나 안정하기 쉬운 것)과 사용자의 목표 등이 포함됩니다.일반적으로 쌀 한 톨보다 작고 통감자만한 제품을 분류할 수 있다.처리량은 저용량 선별기에서 시간당 2톤 미만의 제품에서 고용량 선별기에서 시간당 35톤 이상의 제품에 이르기까지 다양합니다.

채널 정렬기

가장 간단한 광학 선별기는 채널 선별기로 쌀과 씨앗과 같이 크기와 모양이 일정하고 작고 단단하며 건조한 제품에 효과적일 수 있습니다.이러한 제품의 경우 채널 정렬기는 적은 설치 공간으로 경제적인 솔루션과 사용 편의성을 제공합니다.채널 선별기는 단색이나 컬러 카메라를 탑재해 색상 차이만으로 결함이나 이물질을 제거한다.

소프트, 웨트, 비균질 제품 등 채널 소터로 처리할 수 없는 제품 및 제품의 품질을 보다 효과적으로 제어하고 싶은 프로세서의 경우 프리폴 소터(폭포 또는 중력 공급 소터라고도 함), 슈트 공급, 소터 또는 벨트 소터가 더 이상적입니다.이러한 보다 정교한 정렬기는 종종 고성능 소프트웨어 인텔리전스로 보완되면 물체의 크기, 모양, 색상, 구조적 특성 및 화학 성분을 감지하는 첨단 카메라 및/또는 레이저를 갖추고 있습니다.

프리폴 및 슈트 공급 선별기

프리폴 선별기는 프리폴 시 제품을 공중에서 검사하고, 슛 공급 선별기는 공중 검사 전에 제품을 슛에 고정시킨다.벨트 선별기에 비해 프리폴 및 슈트 공급 선별기의 주요 장점은 저렴한 가격과 낮은 유지 보수입니다.이러한 선별기는 보통 견과류와 딸기류뿐만 아니라 냉동 및 건조 과일, 야채, 감자 스트립 및 해산물에 적합하며 중간 부피의 처리량이 필요한 폐기물 재활용 애플리케이션에도 적합합니다.

벨트 정렬기

광소터는 가시광선 파장 내에서도 기능할 수 있으며 적외선 및 자외선 스펙트럼에서도 기능할 수 있습니다.

벨트 선별 플랫폼은 통조림, 냉동 또는 건조 전에 야채 및 감자 제품과 같은 대용량 애플리케이션에 선호됩니다.제품을 검사하기 전에 컨베이어 벨트에서 안정화시키는 경우가 많습니다.벨트 위에서 제품을 검사하는 사람도 있고, 벨트 밖으로 제품을 보내서 공중 검사를 하는 사람도 있습니다.이러한 정렬기는 3개의 아웃피드 스트림이 있는 2개의 이젝터 시스템이 장착된 경우 기존의 2방향 정렬 또는 3방향 정렬이 가능하도록 설계될 수 있습니다.

ADR 시스템

ADR(자동 결점 제거) 시스템이라고 하는 다섯 번째 유형의 분류 플랫폼은 감자 스트립(프렌치 프라이) 전용입니다.ADR 시스템은 결함이 있는 제품을 생산 라인에서 꺼내는 다른 선별기와 달리 결함을 식별하고 스트립에서 결함을 실제로 잘라냅니다.ADR 시스템과 기계적 너빈 그레이더의 조합은 광학 센서를 사용하여 결함을 식별하고 제거하기 때문에 광학 분류 시스템의 또 다른 유형입니다.

단일 파일 검사 시스템

위에서 설명한 플랫폼은 모두 재료를 대량으로 사용하여 작동합니다. 즉, 검사하기 위해 재료를 한 줄로 정리할 필요가 없습니다.반면 제약업계에서 사용되는 여섯 번째 유형의 플랫폼은 단일 파일 광학 검사 시스템이다.이 선별기는 크기, 모양, 색상의 차이로 이물질을 제거하는 데 효과적입니다.효율 저하로 인해 다른 플랫폼만큼 인기가 없습니다.

기계 학년

크기별로만 정렬해야 하는 제품의 경우 센서와 이미지 처리 소프트웨어가 필요하지 않기 때문에 기계식 그레이딩 시스템을 사용합니다.이러한 기계적 등급 시스템을 정렬 시스템이라고 부르기도 하지만 센서 및 이미지 처리 시스템을 특징으로 하는 광학 정렬기와 혼동해서는 안 됩니다.

실용적 사용

폐기물 및 재활용

금속, 건식벽, 골판지 및 다양한 [11]플라스틱과 같은 제조 폐기물을 식별하고 폐기하는 데 광학 선별기를 사용할 수 있습니다.금속산업에서는 플라스틱, 유리, 목재 및 기타 불필요한 [12]금속을 폐기하기 위해 광학식 선별기를 사용한다.플라스틱 업계는 광학식 선별기를 사용하여 열거된 것과 같은 다양한 재료뿐만 아니라 다양한 종류의 플라스틱을 폐기합니다.광학식 선별기는 수지 종류를 구분하여 다른 종류의 플라스틱을 폐기한다.광학식 선별기가 식별할 수 있는 수지 유형은 HDPE, PVC, PLA, PE [12]등입니다.

광학적 분류는 또한 버려진 물질들이 쓰레기통에 저장되기 때문에 재활용에 도움이 된다.한 통에 특정 물질이 가득 차면 적절한 재활용 [13]시설로 보낼 수 있습니다.플라스틱 [14]종류별로 사용되는 방법이 다르기 때문에 수지 종류를 구분하는 광학식 선별기의 기능도 플라스틱 재활용 과정에 도움이 됩니다.

음식과 음료

커피 산업에서, 광학적 선별기는 퀘이커라고 불리는 덜 발달된 커피 원두를 식별하고 제거하기 위해 사용된다; 퀘이커는 대부분 탄수화물과 설탕을 [15]함유한 원두이다.보다 정확한 보정을 통해 불량품의 [15]총 개수를 줄일 수 있습니다.Counter Culture와 같은 일부 커피 회사들은 더 나은 맛의 [15]커피를 만들기 위해 기존의 선별 방법 외에 이 기계들을 사용한다.한 가지 제한사항은 결함 [15]제품을 식별하기 위해 누군가가 이러한 기계들을 손으로 프로그래밍해야 한다는 것입니다.

그러나, 이 과학은 커피 원두에만 국한되지 않고, 겨자씨, 과일, 밀, 그리고 삼베와 같은 식품들은 모두 광학 선별기를 [16]통해 가공될 수 있다.

와인 제조 공정에서는 포도와 베리를 [17]원두처럼 분류한다.포도 선별은 포도 제조 과정에 식물의 [17]미숙/녹색 부분이 관여하지 않도록 하기 위해 사용됩니다.과거에는 불량 포도와 보다 효과적인 [17]포도를 분리하기 위해 선별 테이블을 통한 수동 선별이 사용되었습니다.이제 기계적인 수확은 수동 [17]분류에 비해 더 높은 효율률을 제공합니다.라인의 다른 지점에서 재료는 여러 광학 선별기를 [17]통해 분류됩니다.각 기계는 모양과 [17]크기가 다른 다양한 재료를 찾고 있습니다.

그리고 나서, 베리나 포도는 주어진 과일의 모양과 형태에 대해 카메라, 레이저 또는 LED 기술을 사용하여 적절히 분류할 수 있습니다.그런 다음 정렬 기계는 불필요한 [18]요소를 모두 폐기합니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Computer vision technology for food quality evaluation. Sun, Da-Wen. (1st ed.). Amsterdam: Elsevier/Academic Press. 2008. ISBN 978-0-12-373642-0. OCLC 228148344.{{cite book}}: CS1 유지보수: 기타 (링크)
  2. ^ Nondestructive testing of food quality. Irudayaraj, Joseph, 1961-, Reh, Christoph. (1st ed.). Ames, Iowa: Blackwell Pub./IFT Press. 2008. ISBN 978-0-470-38828-0. OCLC 236187975.{{cite book}}: CS1 유지보수: 기타 (링크)
  3. ^ a b "About us". Unitec Group. Retrieved 2020-04-02.
  4. ^ a b "Optical Sorting Technology Explained - Satake USA". www.satake-usa.com. Retrieved 2020-04-02.
  5. ^ a b "Optical Sorting Systems - Satake USA". www.satake-usa.com. Retrieved 2020-04-02.
  6. ^ a b "The History Of MSS Optical Sorting & Recycling Technology". Retrieved 2020-04-02.
  7. ^ Detecting foreign bodies in food. Edwards, M. C. (Michael Charles). Boca Raton: CRC Press. 2004. ISBN 1-85573-839-2. OCLC 56123328.{{cite book}}: CS1 유지보수: 기타 (링크)
  8. ^ US 5675419, van den Bergh, Herman; Lane, Marvin & Mallon, John, "산란/전송 라이트 정보 시스템", 1997-10-07년 발행
  9. ^ Zheng, Hong; Lu, Hongfei; Zheng, Yueping; Lou, Heqiang; Chen, Cuiqin (2010-12-01). "Automatic sorting of Chinese jujube (Zizyphus jujuba Mill. cv. 'hongxing') using chlorophyll fluorescence and support vector machine". Journal of Food Engineering. 101 (4): 402–408. doi:10.1016/j.jfoodeng.2010.07.028. ISSN 0260-8774.
  10. ^ "StackPath". www.vision-systems.com. Retrieved 2020-03-24.
  11. ^ US EPA, OLEM (2015-05-26). "Typical Wastes Generated by Industry Sectors". US EPA. Retrieved 2020-04-02.
  12. ^ a b "Optical Sorting Applications And Sorting Machines MSS". Retrieved 2020-04-02.
  13. ^ "A Look at Optical Sorting". Waste360. 2015-09-10. Retrieved 2020-04-02.
  14. ^ "Plastic recycling", Wikipedia, 2020-04-01, retrieved 2020-04-02
  15. ^ a b c d "Optical Sorting Q&A". Counter Culture Coffee. 2018-09-21. Retrieved 2020-04-02.
  16. ^ "Intel Seed Ltd. Grain and Forage Seed Manitoba Seed Cleaning and Conditioning Manitoba HOME". www.intelseed.ca. Retrieved 2020-04-02.
  17. ^ a b c d e f Beyerer, Jürgen; León, Fernando Puente (2013). OCM 2013 - Optical Characterization of Materials - conference proceedings. KIT Scientific Publishing. ISBN 978-3-86644-965-7.
  18. ^ Lafontaine, Magali; Freund, Maximilian; Vieth, Kai-Uwe; Negara, Christian (2013-12-01). "Automatic Fruit Sorting by Non-Destructive Determination of Quality Parameters Using Visible/Near Infrared to Improve Wine Quality: I. Red Wine Production". NIR News. 24 (8): 6–8. doi:10.1255/nirn.1403. S2CID 95941922.