CN106426643A - 一种利用近红外光谱分析装置分选废旧家电破碎塑料的方法 - Google Patents
一种利用近红外光谱分析装置分选废旧家电破碎塑料的方法 Download PDFInfo
- Publication number
- CN106426643A CN106426643A CN201610754316.9A CN201610754316A CN106426643A CN 106426643 A CN106426643 A CN 106426643A CN 201610754316 A CN201610754316 A CN 201610754316A CN 106426643 A CN106426643 A CN 106426643A
- Authority
- CN
- China
- Prior art keywords
- plastic
- plastics
- near infrared
- standard
- household appliances
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
- B29B17/02—Separating plastics from other materials
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/38—Collecting or arranging articles in groups
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
- B29B17/02—Separating plastics from other materials
- B29B2017/0203—Separating plastics from plastics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
- B29B17/02—Separating plastics from other materials
- B29B2017/0213—Specific separating techniques
- B29B2017/0279—Optical identification, e.g. cameras or spectroscopy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/62—Plastics recycling; Rubber recycling
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Mechanical Engineering (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种利用近红外光谱分析分选废旧家电破碎塑料的方法,将破碎后的废旧家电塑料进过破碎筛分之后,经过全光谱光源时,会主要吸收处于红外波段的光,运用近红外光谱仪收集经由片料反射的处于波长720‑1700nm的光线,光谱数据在工控主机内经过最小二乘法进行降噪、高斯拟合进行平滑处理之后再进行高斯函数逼近,提取数据特征值所对应的波长n与半峰宽FWHM,与标准塑料光谱特征值进行对比,比对结果作为触发条件控制机械分选结构,实现不同种塑料的分选操作。本发明解决了废旧家电破碎塑料分选困难、准确率低下的问题,消除了化学法分离家电中废旧塑料所产生的污染与危害,形成一整套完整的废旧破碎塑料的识别、分选方法,实现在工业上的具体应用。
Description
技术领域
本发明涉及环境保护技术领域中的废弃塑料处理、资源化领域,具体地,涉及废旧家电拆解破碎后的塑料片料的快速在线非接触式的分选方法。
背景技术
与一些容易降解的废弃物相比,塑料的结构稳定,平均自然降解时间为300至500年,甚至更多。随着时间的推移,这些未得到有效处理的塑料垃圾正在对地球的有限土地资源与环境造成巨大危害。塑料制品来源于石油,众所周知,石油资源将在不久的将来消耗殆尽,而废弃塑料的回收再利用将会成为缓解石油资源枯竭的有效途径。目前我国对家电产品废旧塑料的分拣效率极低,人力资源成本极高,对工人健康的危害也极其严重。很多地方甚至不加分离,就对废弃塑料进行直接处理,产生了二次环境危害,有害再生塑料甚至再次进入了流通环节,与国家中长期发展规划和可持续发展理念严重偏离。
废旧塑料回收中很重要的问题就是回收纯度,掺杂有异性塑料的回收料会因为不同种组分的性质不同而产生加工成型难、加工成品性能低劣等问题。因此采用有效的手段将异性塑料分离是回收废旧塑料的关键。
在众多分选方法中,光电分选因其独特的优异性而被广泛关注。中国发明专利《采用近红外光谱特征波长识别几种废旧塑料种类的方法》(张毅民等,专利申请号201410854322.2),提供了几种利用近红外光谱特征波长识别废旧塑料种类的方法,将采集到的原始近红外光谱进行K-M变换,然后对K-M变换处理之后的光谱数据进行主成分分析,提取特征光谱;再建立判别模型,对未知种类的塑料进行识别分析。其中,该方法直接对于原始光谱数据进行K-M变换,而没有经过数据降维,会直接导致要处理大量的数据,降低了系统的相应效率,并且会引入不必要的误差数据,对于最终的判别结果的准确性存在影响。中国专利发明《一种通过近红外高光谱图像技术建立塑料识别模型的方法》(王鹏等,专利申请号201510431718.0),提供了一种通过近红外高光谱图像技术建立塑料识别模型的方法,其步骤是对于原始光谱进行PCA分析,得到载荷系数,并将得到的载荷系数与光谱波长进行作图分析,获取非标准化的典型判别函数、质心及马氏距离,通过马氏距离获取识别半径,建立非标准化的典型判别模型和Fisher判别模型,进而对塑料材质进行判别。
以上方法只提供了两种塑料的辨别分析算法与数据操作方法,为后期的人工拣选提供辅助,塑料的分选还依赖于手工分选。而对于废旧家电通常经过破碎处理,处理后的大量的塑料碎片无法依靠手工拣选,急需形成一套完整的在线、连续、自动化的塑料分选系统。
发明内容
针对现有技术中的缺陷,本发明提供了一种运用近红外光谱分析分选废旧家电破碎塑料的方法。该方法可以对废旧家电破碎塑料进行识别与分选,且实现较高的效率与准确率。在解决传统化学方法分离塑料准确率低下的问题的同时避免了运用化学试剂对于环境的污染与对操作者的健康威胁。采用的在选定起峰区域内进行特征数据筛选的算法提高了判别的速度并且降低了无关特征对于判别结果的影响。
本发明的技术解决方案如下:
一种利用近红外光谱装置分析分选废旧家电破碎塑料的方法,该方法包括标准塑料片的数据收集阶段和待回收塑料片的分选阶段:
所述的标准塑料片的数据收集阶段,具体步骤如下:
①根据待回收的塑料片的组份,依次将标准塑料片进行破碎处理;
②利用近红外光谱装置获取每种破碎后的标准塑料片的近红外光谱数据;
③通过最小二乘法进行降噪和高斯拟合对每种标准片料的近红外光谱数据进行平滑预处理,再运用Mariscotti判别,根据样本特征设定基线位置,取得潜在的起峰区域,在起峰区域内针对潜在的峰位进行高斯函数逼近,筛选出每种标准塑料的特征值(波峰与波谷)所对应的波长n与半峰宽FWHM,作为对比标准;
所述的待回收塑料片的分选阶段,具体步骤如下:
④对待回收塑料片进行破碎处理;
⑤利用近红外光谱装置获取破碎后的待回收塑料片的近红外光谱数据;
⑥通过最小二乘法进行降噪和高斯拟合对待回收塑料片的近红外光谱数据进行平滑预处理,再运用Mariscotti判别,根据样本特征设定基线位置,取得潜在的起峰区域,在起峰区域内针对潜在的峰位进行高斯函数逼近,筛选出每种标准塑料的特征值(波峰与波谷)所对应的波长n与半峰宽FWHM,作为对比标准;
⑦将成分特征值与每种标准塑料的特征值做比对,判断塑料的材质;
⑧工控主机将识别结果编译为控制电磁阀的开关指令,并控制喷气嘴产生喷气动作,将目标塑料喷射到相应的收集斗中。
所述破碎处理后的塑料片的平均粒径为20~40mm。
所述的标准塑料片是聚丙烯塑料、聚苯乙烯塑料、ABS树脂塑料、聚乙烯塑料或聚氯乙烯塑料。
筛选特征值前先选定起峰区域,以降低数据处理量,提高处理速度。可以在一定的置信度的情况下分选常见家电破碎料中的塑料,其中聚苯乙烯塑料的分选准确率可以达到98%。
另一方面,本发明还提供了一种废旧家电拆解破碎塑料的近红外分选装置,包括依次连接的进料分散筛、片料分散槽和片料传送带,该片料传送带由高吸收近红外光能材料制成,在该料传送带末端上方设有光纤镜头和全光谱光源,该光纤镜头经光纤与近红外光谱仪相连,所述的片料传送带的速度由速度调节器控制,所述的近红外光谱仪和速度调节器分别与工控主机相连,工控主机置于片料传送带上方并与电磁阀驱动板相连,电磁阀驱动板置于片料传送带下方并连接多路角度可调气体喷射管组控制其喷射压缩气体,压缩气泵置于电磁阀驱动板下方并作为气源连接压力储气罐,压力储气罐置于电磁阀驱动板下方并与电磁阀驱动板、多路角度可调气体喷射管组相连并由电磁阀驱动板控制释放压缩气体,片料收集容器置于多路角度可调气体喷射管组侧下方,该片料收集容器配备有多个收集斗,用于不同塑料的收集;工控主机将延时触发命令发送到电磁阀驱动板,电磁阀驱动板控制多路角度可调气体喷射管组喷射压缩气体,压缩气体推动待分选的塑料改变塑料的运动轨迹落入相应的收集斗中,实现分选。
与现有技术相比,本方法具有如下的有益效果:
消除了化学法分离家电中废旧塑料所产生的污染与危害,利用近红外分析分选废旧家电破碎塑料,不仅在算法效率、算法精度、适应性、鲁棒性、可伸缩性上进行突破,更将分析理论与具体的分选机构结合起来,形成一整套完整的废旧破碎塑料的识别、分选方法,以实现在工业上的具体应用。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明利用近红外光谱装置分析分选废旧家电破碎塑料的方法的流程图;
图2为实现本发明方法所用的光电分选机;
图2中,1为进料分散筛,2为片料传送带,3为工控主机,4为光谱数据采集设备,5为气体喷嘴,6为物料收集斗(分为A、B、C三个收集斗),7为近红外光谱仪,8为压缩空气源。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
实施例1
选取PS、PP两种塑料所组成的塑料混合物,加入到光电分选机(如图2所示)中进行近红外光谱识别过程。具体的:
步骤一、将标准的PS塑料片加入到光电分选机(如图2所示)中,塑料片依次经过振动分散筛1、破碎塑料经由进料分散筛1进行振动分散,当进入到片料传送带2时又会被突然加速,使得片料在传送带上不重叠且均匀分布。
步骤二、片料均匀且不重叠地通过由全光谱光源照射的数据采集区4时,光纤接收片料反射的光线,并将其传入到近红外光谱仪7中。
步骤三、光谱数据在工控主机3中依次进行最小二乘法进行降噪、高斯拟合进行平滑预处理,再运用Mariscotti判别,根据样本特征设定基线位置,取得潜在的起峰区域。在起峰区域内针对潜在的峰位进行高斯函数逼近,筛选出每种标准塑料的特征值(波峰与波谷)所对应的波长n与半峰宽FWHM,作为对比标准。
步骤四、再取标准PP重复上述三个步骤,获取特征值数据。
步骤五、将来自废旧家电的2500gPS塑料与1500gPP塑料破碎筛分后控制其粒径在20~40mm之间混合均匀,加入光电分选机(如图2所示),片料均匀且不重叠地通过由全光谱光源照射的数据采集区4时,光纤接收片料反射的光线,并传入到近红外光谱仪7中。光谱数据在工控主机3中依次进行最小二乘法降噪、高斯拟合平滑处理,再运用Mariscotti判别,根据样本特征设定基线位置,取得潜在的起峰区域。在起峰区域内针对潜在的峰位进行高斯函数逼近,筛选出每种标准塑料的特征值(波峰与波谷)所对应的波长n与半峰宽FWHM,并将待分选片料的特征值与标准塑料特征值做对比,识别结果发送到工控主机3。
步骤六、工控主机3将识别结果编译为控制电磁阀的开关指令,并发送到光电分选机的轨道末端的喷气嘴5,喷气嘴的气体来自压缩空气源8,控制喷气嘴产生喷气动作,将所需要的目标材质塑料PS喷射到收集斗6中远离气嘴的收集斗C中,而不需要的塑料PP不受喷气影响在皮带末端自由下落落入收集斗6靠近气嘴的收集斗A中,实现分选。
实施例2
选取冰箱回收中产物PS、PP、ABS三种塑料所组成的塑料混合物,加入到光电分选机(如图2所示)中进行近红外光谱识别过程。具体的:
步骤一、将标准的PS塑料片加入到光电分选机(如图2所示)中,塑料片依次经过振动分散筛1、破碎塑料经由进料分散筛1进行振动分散,当进入到片料传送带2时又会被突然加速,使得片料在传送带上不重叠且均匀分布。
步骤二、片料均匀且不重叠地通过由全光谱光源照射的数据采集区4时,光纤接收片料反射的光线,并将其传入到近红外光谱仪7中。
步骤三、光谱数据在工控主机3中依次进行最小二乘法进行降噪、高斯拟合进行平滑预处理,再运用Mariscotti判别,根据样本特征设定基线位置,取得潜在的起峰区域。在起峰区域内针对潜在的峰位进行高斯函数逼近,筛选出每种标准塑料的特征值(波峰与波谷)所对应的波长n与半峰宽FWHM,作为对比标准。
步骤四、再取标准PP与ABS塑料分别塑料重复上述三个步骤,获取特征值数据作为对比标准。
步骤五、将来自废旧冰箱回收处理后混合塑料(其中ABS占73.8%,PS占7.4%,PP占5.3%,杂质占13.5%)10kg破碎筛分后控制其粒径在20~40mm之间混合均匀,加入光电分选机(如图2所示),片料均匀且不重叠地通过由全光谱光源照射的数据采集区4时,光纤接收片料反射的光线,并传入到近红外光谱仪7中。光谱数据在工控主机3中依次进行最小二乘法降噪、高斯拟合平滑处理,再运用Mariscotti判别,根据样本特征设定基线位置,取得潜在的起峰区域。在起峰区域内针对潜在的峰位进行高斯函数逼近,筛选出每种标准塑料的特征值(波峰与波谷)所对应的波长n与半峰宽FWHM,并将待分选片料的特征值数据与标准塑料特征值数据做对比,识别结果发送到工控主机3。
步骤六、工控主机3将识别结果编译为控制电磁阀的开关指令,并发送到光电分选机的轨道末端的喷气嘴5,喷气嘴的气体来自压缩空气源8,控制喷气嘴产生喷气动作,将所需要的目标材质塑料ABS喷射到收集斗6中远离气嘴的收集斗C中,将所需要的目标材质塑料PS喷射到收集斗6中远离气嘴的收集斗B中,而不需要的塑料PP与杂质不受喷气影响在皮带末端自由下落落入收集斗6靠近气嘴的收集斗A中,实现分选。通过压缩气体喷射的力度来改变片料的运动轨迹,从而实现不同种片料的分离操作。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (3)
1.一种利用近红外光谱装置分析分选废旧家电破碎塑料的方法,其特征在于,该方法包括标准塑料片的数据收集阶段和待回收塑料片的分选阶段:
所述的标准塑料片的数据收集阶段,具体步骤如下:
①根据待回收的塑料片的组份,依次将标准塑料片进行破碎处理;
②利用近红外光谱装置获取每种破碎后的标准塑料片的近红外光谱数据;
③通过最小二乘法进行降噪和高斯拟合对每种标准片料的近红外光谱数据进行平滑预处理,再运用Mariscotti判别,根据样本特征设定基线位置,取得潜在的起峰区域,在起峰区域内针对潜在的峰位进行高斯函数逼近,筛选出每种标准塑料的特征值,即波峰与波谷所对应的波长n与半峰宽FWHM,作为对比标准;所述的待回收塑料片的分选阶段,具体步骤如下:
④对待回收塑料片进行破碎处理;
⑤利用近红外光谱装置获取破碎后的待回收塑料片的近红外光谱数据;
⑥通过最小二乘法进行降噪和高斯拟合对待回收塑料片的近红外光谱数据进行平滑预处理,再运用Mariscotti判别,根据样本特征设定基线位置,取得潜在的起峰区域,在起峰区域内针对潜在的峰位进行高斯函数逼近,筛选出待回收塑料片的成分特征值,即波峰与波谷所对应的波长n与半峰宽FWHM,作为对比标准;
⑦将成分特征值与每种标准塑料的特征值做比对,判断塑料的材质;
⑧工控主机将识别结果编译为控制电磁阀的开关指令,并控制喷气嘴产生喷气动作,将目标塑料喷射到相应的收集斗中。
2.如权利要求1所述的利用近红外光谱装置分析分选废旧家电破碎塑料的方法,其特征在于,所述破碎处理后的塑料片的平均粒径为20~40mm。
3.如权利要求1所述的利用近红外光谱装置分析分选废旧家电破碎塑料的方法,其特征在于,所述的标准塑料片是聚丙烯塑料、聚苯乙烯塑料、ABS树脂塑料、聚乙烯塑料或聚氯乙烯塑料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610754316.9A CN106426643A (zh) | 2016-08-29 | 2016-08-29 | 一种利用近红外光谱分析装置分选废旧家电破碎塑料的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610754316.9A CN106426643A (zh) | 2016-08-29 | 2016-08-29 | 一种利用近红外光谱分析装置分选废旧家电破碎塑料的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106426643A true CN106426643A (zh) | 2017-02-22 |
Family
ID=58090005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610754316.9A Pending CN106426643A (zh) | 2016-08-29 | 2016-08-29 | 一种利用近红外光谱分析装置分选废旧家电破碎塑料的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106426643A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108827901A (zh) * | 2018-06-04 | 2018-11-16 | 暨南大学 | 一种鉴别再生聚苯乙烯发泡餐盒的方法 |
CN109719055A (zh) * | 2017-10-30 | 2019-05-07 | 松下知识产权经营株式会社 | 树脂判定方法以及树脂判定装置 |
CN110980036A (zh) * | 2020-01-06 | 2020-04-10 | 沙洲职业工学院 | 一种智能垃圾分类装置及其分类方法 |
CN111107948A (zh) * | 2019-12-27 | 2020-05-05 | 重庆康佳光电技术研究院有限公司 | 一种待转移led芯片的筛选方法及装置 |
CN114603751A (zh) * | 2022-03-01 | 2022-06-10 | 界首市旭升塑胶制品有限公司 | 一种塑料鞋生产用废料块处理装置及其处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06335662A (ja) * | 1991-10-11 | 1994-12-06 | Iseki & Co Ltd | メロンの外観評価装置 |
CN102179375A (zh) * | 2011-03-09 | 2011-09-14 | 中国科学院合肥物质科学研究院 | 一种基于近红外作物单籽粒成分无损检测筛选方法 |
-
2016
- 2016-08-29 CN CN201610754316.9A patent/CN106426643A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06335662A (ja) * | 1991-10-11 | 1994-12-06 | Iseki & Co Ltd | メロンの外観評価装置 |
CN102179375A (zh) * | 2011-03-09 | 2011-09-14 | 中国科学院合肥物质科学研究院 | 一种基于近红外作物单籽粒成分无损检测筛选方法 |
Non-Patent Citations (3)
Title |
---|
杨懿: "家电回收处理中异性塑料自动分拣原理及实验研究", 《中国优秀硕士学位论文全文数据库(工程科技Ⅰ辑)》 * |
柴之芳: "《活化分析基础》", 31 December 1982, 原子能出版社 * |
郑对元: "《精通LabVIEW虚拟仪器程序设计》", 31 May 2012, 清华大学出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109719055A (zh) * | 2017-10-30 | 2019-05-07 | 松下知识产权经营株式会社 | 树脂判定方法以及树脂判定装置 |
CN109719055B (zh) * | 2017-10-30 | 2021-04-20 | 松下知识产权经营株式会社 | 树脂判定方法以及树脂判定装置 |
CN108827901A (zh) * | 2018-06-04 | 2018-11-16 | 暨南大学 | 一种鉴别再生聚苯乙烯发泡餐盒的方法 |
CN111107948A (zh) * | 2019-12-27 | 2020-05-05 | 重庆康佳光电技术研究院有限公司 | 一种待转移led芯片的筛选方法及装置 |
CN110980036A (zh) * | 2020-01-06 | 2020-04-10 | 沙洲职业工学院 | 一种智能垃圾分类装置及其分类方法 |
CN114603751A (zh) * | 2022-03-01 | 2022-06-10 | 界首市旭升塑胶制品有限公司 | 一种塑料鞋生产用废料块处理装置及其处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106426643A (zh) | 一种利用近红外光谱分析装置分选废旧家电破碎塑料的方法 | |
Zheng et al. | A discrimination model in waste plastics sorting using NIR hyperspectral imaging system | |
CN104443949B (zh) | 一种智能识别卡自动分选收集方法 | |
KR102344688B1 (ko) | Qr코드를 이용한 재활용쓰레기 회수방법 | |
US20210346916A1 (en) | Material handling using machine learning system | |
US20220023918A1 (en) | Material handling using machine learning system | |
CN104096680A (zh) | 基于微波加热与红外线阵成像的矿石分选系统及方法 | |
Tang et al. | Industrial polymers classification using laser-induced breakdown spectroscopy combined with self-organizing maps and K-means algorithm | |
CN104502309A (zh) | 采用近红外光谱特征波长识别几种废旧塑料种类的方法 | |
CN110202716B (zh) | 废品塑料瓶分拣系统及其分拣方法 | |
CN104849231B (zh) | 一种塑料材质在线识别的方法及装置 | |
Roh et al. | Identification of black plastics realized with the aid of Raman spectroscopy and fuzzy radial basis function neural networks classifier | |
Wahab et al. | Development of a prototype automated sorting system for plastic recycling | |
CN106273067B (zh) | 废旧纤维制品智能识别与分拣系统 | |
CN110980036A (zh) | 一种智能垃圾分类装置及其分类方法 | |
CN110665852A (zh) | 一种普通生活垃圾的智能识别与分炼装置及方法 | |
CA2878391A1 (en) | A method and device for identifying material types of spatial objects | |
Gülcan | A novel approach for sensor based sorting performance determination | |
CN105486661A (zh) | 一种基于高斯过程的近红外光谱煤灰分快速检测方法 | |
CN106426642A (zh) | 废旧家电拆解破碎塑料的近红外分选装置 | |
Anding et al. | Application of intelligent image processing in the construction material industry | |
Cesetti et al. | Waste processing: new near infrared technologies for material identification and selection | |
Marchesi et al. | Evaluating chemometric strategies and machine learning approaches for a miniaturized near-infrared spectrometer in plastic waste classification | |
CN204892376U (zh) | 一种自动喂料及分类装置 | |
CN104297204B (zh) | 一种鉴别卫生用纸是否掺有回用纤维的方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170222 |
|
WD01 | Invention patent application deemed withdrawn after publication |