CN110730692B - 用于分拣废品材料的系统和方法 - Google Patents
用于分拣废品材料的系统和方法 Download PDFInfo
- Publication number
- CN110730692B CN110730692B CN201880034949.XA CN201880034949A CN110730692B CN 110730692 B CN110730692 B CN 110730692B CN 201880034949 A CN201880034949 A CN 201880034949A CN 110730692 B CN110730692 B CN 110730692B
- Authority
- CN
- China
- Prior art keywords
- particles
- sensor
- array
- conveyor
- sensors
- 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.)
- Active
Links
Images
Classifications
-
- 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
- B07C5/344—Sorting according to other particular properties according to electric or electromagnetic properties
-
- 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
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/0018—Sorting the articles during free fall
-
- 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
- B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
- B07C5/367—Sorting apparatus characterised by the means used for distribution by means of air using a plurality of separation means
- B07C5/368—Sorting apparatus characterised by the means used for distribution by means of air using a plurality of separation means actuated independently
Abstract
一种系统,具有输送机,以用于输送随机定位在输送机的表面上的至少两个分类的废品颗粒,其中至少一些颗粒包括金属。该系统具有传感器阵列,该传感器阵列具有横向跨越输送机布置的一系列模拟电感式接近传感器。每个传感器的有效感测端面位于感测平面中,并且感测平面与输送机的表面大致平行。控制系统被配置为对来自阵列中的一系列传感器的模拟信号进行采样和量化,并且基于量化的信号将经过阵列的输送机上的废品颗粒定位并分类到至少两个材料类别中的一个材料类别中。还提供了一种用于分拣颗粒的方法。
Description
相关申请的交叉引用
本申请要求于2017年3月28日提交的美国临时申请序列第62/477,589号的权益,其公开内容通过引用整体并入本文。
技术领域
各个实施方式涉及用于在生产线中分拣废品材料(包括包含金属的废品材料)的系统和方法。
背景技术
废金属目前使用输送带或其他生产线通过各种技术进行高速或大量的分拣,这些技术包括:生产线操作员的手工分拣、空气分拣、振动分拣、磁性分拣、光谱分拣等。废品材料通常在分拣之前被切碎,并要求分拣以便于废品中材料的分离和再利用,例如通过基于材料的分类或类型进行分拣。通过分拣,可以将废品材料重新使用,而不是送去垃圾填埋场或焚化炉。另外,与从矿石提炼原始原料或由石油制造塑料相比,使用分拣的废品材料利用更少的能量并且在环境方面更具益处。如果分拣的材料质量符合指定的标准,则制造商可以使用分拣的废品材料代替原始原料。废品材料可以分为金属、塑料等,并且还可以进一步分为各种类型的金属、各种类型的塑料等。例如,可能希望将废品材料分类并分拣为黑色金属和有色金属、重金属、高价值金属(例如铜、镍或钛)、铸造或锻造的金属以及其他各种合金。
发明内容
在一个实施方式中,提供了一种系统。该系统具有输送机,用于输送随机地定位于输送机的表面上的至少两个类别的废品颗粒,其中至少一些颗粒包括金属。输送机在第一方向上行进。该系统具有传感器阵列,该传感器阵列具有一系列横向跨越输送机布置的模拟电感式接近传感器。每个传感器的有效感测端面位于感测平面中,并且感测平面与输送机的表面大致平行。控制系统被配置为对来自阵列中的一系列传感器的模拟信号进行采样和量化,并且基于量化的信号对经过阵列的输送机上的废品颗粒进行定位并分类到至少两个材料类别中的一个材料类别中。
在另一个实施方式中,提供了一种方法。使用具有一系列模拟接近传感器的感测阵列来感测运动的输送机的表面上的废品颗粒,所述一系列模拟接近传感器被布置成使得每个传感器的有效端面位于共同的感测平面中。共同的感测平面与输送机的表面大致平行。利用控制系统对来自阵列中每个传感器的模拟信号进行采样和量化,以提供对应的量化值。利用控制系统产生与输送机的时间物理位置相对应的矩阵,并将量化值输入到矩阵中的单元中。利用控制系统通过将颗粒与表示输送机的背景区分开来将矩阵中的单元的分组识别为所述颗粒。利用控制系统使用分类输入而将颗粒分类到至少两个材料类别中的一个材料类别中,所述分类输入根据与颗粒相关联的矩阵中单元的分组中的值计算得到。
附图说明
图1示出了根据一个实施方式的分拣系统的侧视图;
图2示出了图1的分拣系统的俯视示意图;
图3示出了根据一个实施方式的图1的分拣系统的分解立体图;
图4A和图4B分别示出了与图3的分拣系统一起使用的传感器组件和传感器的立体图;
图5示出了图4的传感器组件的俯视图;
图6示出了传感器与废品颗粒相互作用的示意图;
图7示出了流程图,该流程图图示了使用图1的系统对废品材料进行分类的方法;
图8A至图8D示出了输送带的矩阵的简化示例,该矩阵由控制系统产生,以用于在废品材料经过传感器阵列时对废品材料的颗粒进行识别和分类;
图9是用于设置校准和分类参数的样品数据的曲线图;以及
图10是用于设置校准和分类参数的样品数据的另一个曲线图。
具体实施方式
根据要求,本文公开了详细的实施方式;然而,应当理解,所公开的实施方式仅是示例性的,并且可以通过各种替代的形式来实施。附图不一定按比例;一些特征可能被夸大或最小化以显示特定部件的细节。因此,本文公开的特定的结构和功能细节不应被解释为限制性的,而仅仅是教导本领域技术人员通过各种方式利用本公开的代表性基础。
应当认识到,本文公开的任何电路或其他电气设备可以包括任何数量的微处理器、集成电路、存储器件(例如,闪存、随机存取存储器(RAM)、只读存储器(ROM)、电可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)或它们的其他合适的变型)以及相互协作以执行本文所公开的一个或多个操作的软件。此外,本文公开的任何一个或多个电气设备可以被配置为执行体现在非瞬态计算机可读介质中的计算机程序,该计算机程序被编程为执行本文公开的任何数量的功能。
图1至图3示出了用于将废品材料分为两个或更多个材料分类然后将这些材料分拣到其指定的分类中的系统100或装置。系统100可以是独立装置。在其他例子中,系统100可以与其他分类和分拣系统一起用在或集成在例如较大的生产线中,以对废品材料进行分类和分拣。
输送带102或用于使物体沿路径或方向(此处示出为y方向)运动的其他机构支撑待分拣的颗粒104。待分拣的颗粒104由废品材料的碎片组成,例如来自车辆、飞机、消费电子产品、回收中心的废品材料;或本领域已知的其他固体废品材料。在经过分拣系统100或较大的分拣设施之前,材料104通常通过切碎工艺等被破碎成厘米或毫米数量级的较小碎片。颗粒104可以以单层随机地定位和定向在输送机102上,具有随机且广泛变化的形状,并且具有变化的特性。颗粒104可以包括混合材料。在一个例子中,废品材料包括线材,并且颗粒104可以包括各种形状的线材,包括三维形状,并且线材可以另外是裸露的或绝缘的。
系统100将颗粒分类并分拣到选定的两个或更多个材料类别中。在一个例子中,执行二元分类(binary sort)以将材料104分拣到两个类别中。在另一个例子中,材料被分拣到三个或更多个材料类别中。输送带102沿x方向在宽度方向上横向地延伸,并且材料104的碎片或颗粒随机地定位在带102上。在各个例子中,可以对不同的废品材料进行分拣,例如,金属与非金属、各种混合金属、线材与非线材等。
在输送带102附近定位有感测装置或感测组件106。感测装置106被示为定位在带102的包含颗粒104的区域的下方,这在感测装置106和带102的支撑颗粒104的表面108之间提供了固定距离D。
感测装置106具有一个或多个传感器阵列110。在所示的例子中,示出了两个传感器阵列110;然而,系统100可以具有单个阵列110,或者具有多于两个阵列110。每个阵列110包括下文更详细描述的多个模拟接近传感器,并且阵列110中的传感器响应于感测到输送机102上的颗粒104而提供模拟信号。
每个阵列110中的传感器被提供为与数字传感器不同的模拟接近传感器。对于模拟传感器,信号输出可能会发生变化并且可能是数值范围(例如,电压范围)内的任何值。相反,对于数字信号,信号输出只能被提供为二进制信号(例如,0或1)或者一组离散的有限值中的一个值。本公开的分拣和分类系统100使用模拟传感器以在信号中提供更大的分辨率。例如,模拟传感器可以输出在0伏和12伏之间变化的直流电压,并且信号可以是在该范围内的任何值,例如,4.23伏。对于数字传感器,信号输出例如可以是与设定的阈值两侧的电压值对应的两个离散值中的一个值。
控制单元112从感测装置106接收信号以在颗粒沿着带运动时对带102上的颗粒104进行定位、跟踪和分类,以用于将颗粒104分拣到两个或更多个分类中。控制单元112可以由采用多个处理器的联网计算机系统提供,以实现高速多任务的环境,在该环境中在多个不同的处理器上连续地且同时地进行处理。在控制单元112中,每个处理器又能够提供多任务环境,在该环境中多个功能不同的程序可以同时运行,基于优先级和需要共享处理器。对支持在进程组中识别出的功能的硬件实现方式的选择还可能取决于系统的大小和速度以及所分捡的类别。
控制单元112可以包括信号处理单元116,例如以对来自阵列110的信号进行量化和数字化,以供控制单元112在对颗粒104进行分类和分拣时使用。信号处理单元116可以对模拟信号进行量化和数字化以将信号和数据中预定的分辨率保持到例如十分之一伏或百分之一伏,或者可以将模拟信号转换为8位(或更高精度的)值。
控制单元112使用关于输送机102的位置的信息(例如使用来自位置传感器124的输入)来控制感测组件106,以确定输送带102的直线前进以及废品颗粒104在带上的相关联的前进。当输送带102已经前进了预定距离时,控制单元112可以控制处理器116和感测组件106以获取传感器数据。
控制系统112包含数据处理单元,以获取和处理来自传感器组件106的信号和数据。在一个例子中,数据处理单元与信号处理单元116和控制系统112集成在一起,而在其他实施方式中,数据处理单元和信号处理单元是分开的。处理器单元包括用于将来自每个传感器的数据组合到带的表示中的逻辑。处理器单元可以将带的横截面表示为单元的矩阵,并分析传感器数据以确定颗粒104在输送机102上的位置,并确定针对每个颗粒104的输入以用于分类和分拣过程。处理器单元接收指示输送带102的位置以及何时获取传感器数据的信号,使得输送带在其经过传感器组件106和阵列110时在输送带102的一系列离散化部分中被“成像”并形成作为带的线扫描图像的矩阵。控制器112和处理器可以如下所述对矩阵执行各种分析,或者以其他方式操纵传感器数据以对废品材料104进行分类和分拣。
控制单元112使用来自感测组件106的量化和数字化的信号将颗粒104分类到预选的两个或更多个分类中的一个分类中。基于分类结果,控制单元112控制分拣设备114以基于颗粒104的相关联的分类对颗粒104进行分拣。控制单元112还可包括一个或多个显示屏以及人机界面118,以用于在操作期间控制系统100并且还用于校准或系统设置。
废品材料104可以在与系统100一起使用之前被切碎或以其他方式被处理。另外,在与系统100一起使用之前,可以例如使用气刀或另一个定尺寸系统来定废品材料104的尺寸。在一个例子中,可以在与系统100一起使用之前对废品颗粒进行粗分拣,例如,使用包含数字电感式接近传感器的系统来对导电材料与非导电材料进行分类和分离,或者使用磁性分拣系统从有色金属材料中去除黑色金属材料。通常,将废品颗粒104切碎并设定尺寸以具有与传感器端面直径类似或为同一数量级的有效直径。然后,将颗粒104以单层分散颗粒的形式分布到带102上,以避免颗粒之间的重叠,并出于感测和分拣的目的而提供相邻颗粒之间的分离。可以在分布、感测或分拣之前使颗粒104干燥,以提高分拣过程的效率和有效性。
在本例子中,系统100使用模拟电感式接近传感器,使得该系统用于在两类或更多类金属之间进行分拣,因为传感器只能检测导电材料。系统100的一个优点是,在分拣之前不需要清洁或洗涤废品材料104。另外,系统100可以用于分拣包括具有混合组成的颗粒104的废品材料,例如,绝缘线材或其他包覆线材。在各个例子中,系统100用于在以下组中的至少两个组之间进行分拣:金属线材、金属颗粒以及钢和/或不锈钢,其中金属颗粒具有在线材与钢/不锈钢组之间的电导率,并且可以包括铜、铝及其合金。系统100可用于分拣有效直径大至25厘米以上以及小至2毫米的废品颗粒104或22-24号线材。在其他例子中,系统100可以用于从不含金属的废品颗粒104中分拣包含金属的废品颗粒104。
至少一些废品颗粒104可以包括不锈钢、钢、铝、钛、铜以及其他金属和金属合金。废品颗粒104可以另外包含某些金属氧化物,其具有足够用于感测和分拣的电导率。另外,废品颗粒104可以是混合材料,例如包覆有绝缘层的金属线材以及至少部分地被绝缘材料、橡胶材料、塑料材料或其他非导电材料裹住或封装的其他金属。注意,本公开中所指的“导电的”是指颗粒是电导体的或包含金属。本文所指的“非导电的”是指不导电,通常包括电阻率大于大约1mOhm·cm的塑料、橡胶、纸和其他材料。
由线材提供的废品颗粒104可能难以使用其他常规的分类和分拣技术进行检测,因为它通常质量轻,具有线状或其他盘旋形状,并且可能被包覆,这通常提供低信号。根据本公开的系统100能够感测并分拣这种类别的废品材料。
将废品材料的颗粒104提供到带102的第一端部区域120。使用一个或多个马达和支撑辊122使带102运动。控制单元112控制一个或多个马达122以控制带102的运动和速度。马达和支撑辊122被定位成使得阵列110与输送颗粒的带102直接相邻。例如,带102可以直接定位在其支撑的颗粒104和阵列110之间,使得阵列110直接位于带102的输送颗粒104的区域的下方。马达和支撑辊122可将返回的带引导到阵列110下方,使得阵列110定位在由带102形成的闭合环路内。
控制单元112可包括一个或多个位置传感器124或与之通信,以确定带102的位置和时间,以用于当颗粒104通过系统在带上运动时对颗粒104进行定位和跟踪。在一个例子中,输送机102以约每分钟200至800英尺的速度直线运动,但是可以考虑其他速度。在另外的例子中,带102具有400-700英尺/分钟的线速度,并且可以具有与2毫米/毫秒的带运动对应的400英尺/分钟的速度或与3毫米/毫秒的带运动对应的600英尺/分钟的速度或另一个类似的速度。
基于阵列110中的传感器接收到的信号,处理单元和控制系统112以类似于线扫描图像的方式产生表示带102的矩阵。如果传感器未布置成单行,则根据每个传感器沿Y方向(即,颗粒行进方向或带102的运动方向)的距离适当地补偿将数据获取到“线扫描”中的时间。控制系统112和处理单元获取并处理来自阵列110和感测组件106中的传感器的信号以产生矩阵或线扫描图像。矩阵由一系列行形成,其中每行表示带的、延伸了带102的宽度的窄带。每行被划分为多个单元,并且处理单元将来自传感器的数据输入到单元中,使得矩阵是输送带102的表示,例如矩阵表示输送机102在其经过阵列110时的离散化部分或位置。
控制单元112如下所述使用来自阵列110中的传感器的信号来识别带102上的颗粒104,并将每个颗粒104分类到多个分类中的一个分类中。然后,控制单元112使用每个颗粒104的分类、颗粒的位置以及输送带102的位置来控制分离器单元114,以对颗粒104进行分拣和分离。
系统100包括位于输送机102的第二端130处的分离器单元114。分离器单元114包括用于基于颗粒104的分类来分离颗粒104的喷射器132的系统。分离器单元114可具有与控制系统112和位置传感器124通信的分离器控制器134,以选择性地启动适当的喷射器132来分离位于输送机上、已到达带的排出端130的选定的废品颗粒104。喷射器132可用于将颗粒104分拣到两个材料类别、三个材料类别或任何其他数量的材料类别中。喷射器132可以是气动的、机械的或本领域已知的其他类型。在一个例子中,喷射器132是空气喷嘴,其被选择性地启动以在选定的颗粒离开输送带时将空气射流引导到选定的废品颗粒104上,从而改变其轨迹,使得颗粒被选择性地引导并分拣到单独的箱136中,例如使用分离盒138。
系统100中也可能存在循环回路。如果存在,则循环回路带走无法分类的颗粒104,并通过系统100将其重新按规定路线发送以重新扫描并重新分拣到一个类别中。
图4A、图4B和图5示出了根据一个实施方式的感测组件106。图4B示出了组件106中的传感器160的插入的放大立体图。在一个例子中,如上面关于图1至图3所描述的那样,感测组件106可以与系统100一起使用。感测组件106被示为具有一个传感器阵列110。一个感测组件或多于一个感测组件可以与系统100一起使用。
感测组件106具有基座构件150或传感器板。基座构件150的尺寸适于横向跨越输送带102延伸,并且其形状适于与用于系统100中的感测组件106的对应的支架配合以被支撑在系统100内。
基座构件150限定了与上表面相交的孔口152的阵列,其中每个孔口的尺寸适于接收模拟接近传感器的阵列110中的对应的传感器160。在其他实施方式中,可以使用其他结构或支撑件来将传感器定位并固定到组件中的阵列中。基座构件150为线束154提供电缆线路以向每个传感器160提供电力,并且还为线束156提供电缆线路以将来自每个传感器160的模拟信号传输到信号处理单元116和控制单元112。
每个传感器具有端面或有效感测表面162。传感器160被布置成阵列110,使得每个传感器的端面162彼此共面,并且位于与带的表面108平行或大致平行的平面中,例如在彼此的5度以内或在合理的误差或容差界限内。传感器的端面162同样大致位于共同的平面中,例如在可接受的误差或容差界限内,例如在彼此的传感器端面直径的5-10%或更小内。传感器160被布置成一系列的行164,其中一行中的传感器偏离相邻行的传感器。阵列110中的传感器160被布置成使得,在X位置或横向方向上并忽略Y位置,相邻的传感器具有重叠或相邻的电磁场。传感器160可以间隔开以减少同一行164中的相邻传感器之间以及相邻的行164中的传感器之间的干扰或串扰。在一个例子中,阵列中的所有传感器160是都是相同类型和尺寸的传感器。在其他例子中,阵列中的传感器160可以具有不同的尺寸,例如,两个、三个或更多个不同的尺寸。
可以基于有效感测区域的边长或端面162的表面积来选择传感器160。还基于传感器的灵敏度和响应率来选择传感器。在一个例子中,端面162的面积例如与待分拣的颗粒104的尺寸大致对应或数量级相同,使得传感器被用于分拣投影面积在传感器表面积的50%、20%或10%以内的颗粒。例如,传感器端面162的面积可以在2毫米至25毫米的范围内,并且在一个例子中,为大约12-15毫米或15-20毫米,以与有效直径在相同的尺寸范围(例如,在两倍或更多倍的范围内)的废品颗粒104一起使用。因此,虽然废品材料104在被分布到带上之前可能经历粗略的分拣过程,但是系统100允许废品颗粒的尺寸变化。
可以基于待分拣的材料来选择传感器160。在本例子中,阵列110中的传感器160各自是电感式模拟接近传感器,例如,用于检测和分拣金属。当传感器中的电流产生磁场时,传感器160产生感应回路。传感器输出指示在回路中流动的电压的信号,该信号基于回路中材料104的存在而变化并且还可以基于金属颗粒的类型或尺寸而变化,或者对于线材与固体颗粒而变化。控制单元112可以使用模拟电压信号的幅度来对材料进行分类。在另外的例子中,控制单元112可以补充地或替代地使用模拟电压信号的变化率来对材料进行分类。
模拟电感式接近传感器160布置成阵列110中的行164,当传感器组件与系统100一起使用时,每行164被定位成横向跨越传感器组件106和带102延伸。阵列110中的每行164可以如所示具有相同数量的传感器160,或者可以具有不同的数量的传感器160。每行164中的传感器160彼此间隔开以减少传感器之间的干扰。同样选择相邻行164之间的间隔以减少相邻行中的传感器之间的干扰。如所示,一行164传感器160沿着横向方向偏离相邻行164的传感器160,以提供对带宽度的感测覆盖。
在本例子中,阵列110包括五行164传感器160,其中每行具有24个相同的模拟电感式接近传感器,其中每个传感器的端面直径为18毫米。因此,阵列110包含120个传感器。每行164中的传感器160彼此间隔开大约传感器直径的五倍,以减少传感器之间的串扰和干扰。因此,每行中的传感器160的数量是传感器的直径和与带的宽度相对应的行的长度的函数。行164的数量是带的宽度、传感器的数量和尺寸以及系统100中所需的感测分辨率的函数。在其他例子中,行可以具有更多或更少数量的传感器,并且阵列可以具有更多或更少数量的行,例如10行。
在本例子中,每行164同样与相邻的行间隔开大约为传感器160的直径的五倍的类似间隔。如图4至图5所示,一行164传感器160横向偏离相邻行的传感器。当传感器160的位置投影到共同的横向轴线或x轴线上时,所述阵列中的传感器160横向跨越带而每12.5mm定位一个传感器,但是传感器160在系统100中可以位于不同的纵向位置。因此,控制单元使用每行具有120个单元的矩阵或线扫描图像,以与阵列中的传感器布置相对应。随机定位在带上的废品颗粒104可能会穿过阵列中的至少两个传感器160的电磁场,并与其相互作用。每个传感器160在分拣组件的吹气杆中具有至少一个对应的阀或喷射器132。
阵列中的传感器的端面162位于单个共同平面或传感器平面中。该平面与包含带的上表面108的平面或带平面平行并间隔开。传感器平面与带平面间隔开距离D,例如小于5毫米、小于2毫米或为1毫米。通常,可以通过减小D来提供改进的分拣性能。传感器平面与带平面间隔开的距离D可以是带102的厚度与附加的间隙距离,以使带102在传感器阵列110上移动。
阵列110中的传感器160可以全部以相同的频率操作,使得直流模拟的电压幅度值的测量结果用于对材料进行分类。在其他例子中,可以使用来自传感器160的附加信息,例如,电压的变化率。当废品颗粒104沿着输送带102运动时,颗粒横穿传感器的阵列110。颗粒104可以穿过或横过阵列中的一个或多个传感器160的电磁场。当颗粒104进入传感器的电磁场时,电磁场受到扰动。由传感器160测得的电压基于颗粒的材料或电导率而改变,并且另外地可能基于材料的类型或质量(例如,线材与非线材)而改变。由于传感器160是模拟传感器,因此它提供具有数据的模拟信号,该数据指示由传感器160测得的、可用于对颗粒进行分类的直流电压的幅度。
当颗粒104全都由输送带102支撑并搁在输送带102上时,废品颗粒全都搁在与传感器阵列110的传感器平面共面的共同的带平面上。这样,当每个颗粒在距离D的上方通过时,每个颗粒的底表面与传感器阵列是等距离的。系统100中的废品颗粒具有类似的尺寸,这是由定尺寸和分拣工艺实现的;然而,废品颗粒的尺寸以及颗粒的形状可能存在差异,使得带上的颗粒的上表面在传感器阵列上方的距离可能不同。因此,颗粒在与带接触的底表面和相对的上表面之间的厚度或距离可能在由系统100分拣的不同颗粒之间是不同的。废品颗粒在一定厚度与阵列中的传感器相互作用,该厚度对应于由传感器的尺寸和电流确定的传感器的穿透深度。
图6示出了阵列110中的传感器160和带102上的颗粒104的局部示意性横截面图。从图中可以看出,带102的上表面108或带平面高出包含传感器160的端面162的传感器平面距离D。传感器160包括由诸如铜的线匝制成的感应线圈172以及包含电子振荡器和电容器的电子模块170。传感器160从外部电源接收电力。感应线圈172和电子模块170的电容器以通过电源维持的频率产生正弦波振荡。振荡产生电磁场,该电磁场从传感器160的端面162或有效表面162延伸出。不受导电颗粒干扰(当在带102上没有废品材料时)的电磁场在174处示出。当包含诸如金属的导电材料的废品颗粒104进入电磁场时,一些振荡能量转移到废品颗粒104中并产生涡流。废品颗粒和涡流导致传感器160的功率损失或减小,并且所产生的电磁场176的幅度减小。传感器160的幅度(例如电压)作为信号通过输出端178从传感器提供。注意,对于模拟传感器,传感器160可以不断地提供由控制单元112周期性地采样或获取的输出信号,例如作为电压范围内的可变电压。
参照图7,示出了用于使用图1至图5所示的系统100的控制单元112和传感器组件106对颗粒104进行分类的方法200。在其他实施方式中,方法200中的各个步骤可以被组合、重新排列或省略。
在202处,控制单元112和处理单元基于输送机102的位置从一行164传感器获取数据。
当控制单元112和处理单元从传感器160接收数据时,控制单元112和处理器形成与传感器阵列110相关联的矩阵或线扫描图像,该矩阵或线扫描图像还被链接至带102的位置或坐标以供分离器单元114使用,如204所示。处理器接收来自传感器阵列110的数据与来自阵列中的每个传感器160的信号。处理器接收来自传感器的信号,并且基于例如由数字编码器提供的带102的位置,将来自选定的传感器的数据输入到矩阵的单元中。矩阵提供带102的表示,其中矩阵中的每个单元与阵列中的传感器160相关联。在一个例子中,矩阵行的单元可以与阵列中的每个传感器相关联,其中各单元按照当投影到共同的横向轴线上时传感器横跨带的排序来排序。因此,矩阵行中的相邻单元可以与阵列的不同行中的传感器160相关联。
控制单元和处理器从模拟电感式传感器160接收数字化的直流电压信号或量化值。在一个例子中,量化值可以是0至255之间的8位灰度值。传感器160可以基于传感器类型输出0-12、0-11、0-10伏或另一个范围的任何值,并且基于传感器电压输出,处理器分配对应的位值。在一个例子中,零伏等同于量化值零。在其他例子中,零伏等同于量化值255。在其他例子中,处理器可以使用其他量化值,例如4位、16位、32位,可以直接使用电压值等。
矩阵中的单元用传感器160在时间窗口内或在时间戳处测得的峰值电压填充。在其他例子中,传感器信号数据可以例如通过对数据进行求平均值、归一化或以其他方式处理来进行后处理以减少噪声。
处理器和控制单元112可以使用矩阵,矩阵的单元包含下面确定的关于颗粒位置和颗粒特性的附加信息。处理器和控制单元112可以替代地使用成像库处理工具(例如MATROX)来创建填充有每个颗粒的信号数据的表格或其他数据库,所述信号数据包括下面关于另外的实施方式所述的量化的8位电压值、边界信息和其他颗粒特性。
在206处,控制单元112通过将颗粒104与表示输送机102的背景信号区别开来识别矩阵中可能包含该颗粒的单元。当一组相邻的单元具有相似的值或某个范围内的值以指示颗粒104的存在时,或者当单个单元与背景足够不同时,可以将颗粒104与背景区分开。然后,控制器112将这些矩阵单元归在一起,并将它们识别为表示颗粒的“分组”。
在208处,控制器112为每个分组确定相关联的分类输入或量化值输入。例如,控制器112可以使用来自与分组相关联的单元的峰值电压作为分类输入,例如,分组中的最高或最低的单元电压或量化值。在其他例子中,控制器将用于分组的分类输入计算为分组中所有值的总和、分组中所有单元的平均值、来自分组中的三个单元的峰值电压或量化值的平均值、来自三个相邻单元的峰值电压或量化值的平均值等。通过将数据一起归到单个单元或分类输入中以表示颗粒并对颗粒整体做出决策,与每个传感器和相关联的喷射器作为与其他传感器和喷射器的分开的独立单元来操作的废品分拣中更常规的做法相比,可以获得更高的准确性。
在210处,控制单元112基于颗粒的分类来控制分离器单元114选择性地启动喷射器132以将颗粒喷射到期望的箱中。控制单元112基于来自矩阵的单元的颗粒104的分类和与该颗粒相关联的分组以及基于输送机102的位置和时间来控制喷射器132。
图8A至图8D示出了由系统100实现的方法200的简化例子。在图8中,传感器阵列110包括三行164,其中每行中有三个传感器160,并且不同行中的传感器彼此偏离。基于沿着横向轴线x投影的传感器位置,传感器160被标记为图8A所示的传感器1-9。在图8A中示出了时间t1时的废品颗粒104,图8B中示出了时间t2时的废品颗粒104、图8C中示出了时间t3时的废品颗粒104,图8D中示出了时间t4时的废品颗粒104,这些时间对应于控制系统112基于带102的运动获取传感器数据的顺序时间。
矩阵250由控制单元和处理器112创建,并具有与每个时间相关联的行(L)252以及每行中的n个单元254,其中n等于阵列中的传感器的数量,在本示例中等于9。单元254被标记为1-9以与传感器1-9对应。
当颗粒经过阵列110时,控制单元112用峰值电压值或等效分类值(例如8位值)填充矩阵的行L1。在每个时间步长下填充的矩阵250的单元在该单元内具有带下划线的值。在本例子中,未感测到导电的废品颗粒的传感器160的电压为10伏,并且图4所示的颗粒由峰值传感器电压约为2.5伏的金属(例如钢或不锈钢)形成,但是这可能会基于颗粒160在传感器160上方的厚度而变化,而无论颗粒是穿过传感器160的整个电磁场还是仅通过其一部分等等。为了简化,矩阵250中所示的电压值进行了舍位,并且在另外的例子中,可以将其测量到十分之一或百分之一伏。相反,对于8位分类值,10伏可能是量化值0,零伏的量化值为255,而2.5伏的电压的相关联的量化值为191。
在图8A中,控制单元112和处理器开始填充矩阵250的行L1。在时间t1,系统100刚刚启动,使得矩阵250为空或清除的。颗粒104覆盖传感器3,而颗粒距传感器6和9足够远,使得这些传感器的电压在10伏不受影响。因此,如图所示,控制单元112将来自传感器3、6和9的模拟峰值电压输入到矩阵的行L1中。
在图8B中,带和颗粒104前进了,并且控制单元112在时间t2填充矩阵250。在一行164传感器中,颗粒104覆盖传感器3和6,并且颗粒距传感器9足够远,使得电压不受影响;并且如图所示,控制单元112将来自传感器3、6和9的模拟峰值电压输入到矩阵250的行L2中。在另一行164传感器中,颗粒104覆盖传感器2,而颗粒距传感器5和8足够远,使得电压不受影响;并且如图所示,控制单元112将来自传感器2、5和8的模拟峰值电压输入到矩阵250的行L1中。
在图8C中,带和颗粒104前进了,并且控制单元112在时间t3填充矩阵250。在一行164传感器中,颗粒104距传感器3、6和9足够远,使得电压不受影响;并且如图所示,控制单元112将来自传感器3、6和9的模拟峰值电压输入到矩阵250的行L3中。在另一行164传感器中,颗粒104覆盖传感器2和5,并且颗粒距传感器8足够远,使得电压不受影响;并且如图所示,控制单元112将来自传感器2、5和8的模拟峰值电压输入到矩阵250的行L2中。在另一传感器行中,颗粒104也覆盖传感器1,而颗粒距传感器4和7足够远,使得电压不受影响;并且如图所示,控制单元112将来自传感器1、4和7的模拟峰值电压输入到矩阵250的行L1中。
在图8D中,带和颗粒104前进了,并且控制单元112在时间t4填充矩阵250。从矩阵250可以看出,L1行是完整的并且是不变的。在一行164传感器中,颗粒104距传感器3、6和9足够远,使得电压不受影响;并且如图所示,控制单元112将来自传感器3、6和9的模拟峰值电压输入到矩阵的行L4中。在另一传感器行中,颗粒104距传感器2、5和8足够远,使得电压不受影响;并且如图所示,控制单元112将来自传感器2、5和8的模拟峰值电压输入到矩阵250的行L3中。在另一传感器行中,颗粒104覆盖传感器1和4,颗粒距传感器7足够远,使得电压不受影响;并且如图所示,控制单元112将来自传感器1、4和7的模拟峰值电压输入到矩阵250的行L2中。
在图8D中看出,行L1和L2中的单元的分组通常指示颗粒104的存在、位置和形状,使得控制单元112可以将分组识别为颗粒并使用行L1中的单元1、2和3和行L2中的单元1-5或1-6对颗粒104进行分类和分拣。在其他例子中,颗粒的形状或大小可以设置为使得阵列中只有一个或两个传感器可以检测到颗粒。
矩阵250可以具有设定数量的行(L)或n行,其中n大于传感器的行164的数量和/或大于时间步长。当矩阵中各行的数据随时间推移而改变,并填充新数据,最终可能会删除或清除原始或更早的数据。例如,在具有n行的矩阵250中,当在时间tn获取数据之后,来自L1的数据将会在下一个时间步长tn+1被清除。
控制单元112可以经历校准处理以设置用于各种分类的标准。通过系统100提供由用于二元分类的每个选定的分类的已知材料形成的第一和第二颗粒104。在其他例子中,可以另外提供来自第三分类的第三颗粒用于三元分类。
系统100可以基于待分拣的材料和相关联的分类通过各种模式操作。操作员可以使用HMI 118选择模式。在一个例子中,系统100包括顺序地运行不同模式的多个阵列110。注意,对于使用模拟电感式接近传感器的系统100,系统100不能对非导电材料进行检测或分类。
在第一操作模式中,控制系统112在导电材料之间进行分拣,并且可以基于下列组使用二元或三元分类来进行分拣:导电线材、钢和不锈钢以及其他金属。因此,系统100对任何具有特征的事物进行分类和分拣。控制系统112使用传感器160的整个电压范围(例如,0-10伏)来填充矩阵250,或者基于0-10伏的范围来设置和使用8位分类值,使得每位具有相关联的0.04伏大小范围或分辨率。控制单元112基于与各种电压范围相比的分组的单元中的峰值电压或另一种标准来对颗粒104进行分类。控制单元可以另外使用分组的区域作为分类参数。
在第二操作模式中,控制系统112在导电的线材材料和导电的非线材材料之间分拣。控制系统112使用传感器的减小的选定电压范围(例如,4-10或5-10伏)来填充矩阵,该减小的选定电压范围以与线材相关联的传感器电压值为目标,并忽略低于该范围的传感器值。然后,控制系统112如上面关于第一模式大致描述的那样对颗粒104进行分类。
在第三操作模式中,控制系统112在导电金属(例如,钢或不锈钢)和其他导电金属(例如铜和铝或它们的合金)之间进行分拣。控制系统112使用传感器的减小的选定电压范围(例如,0-1、0-2、0-3或0-4伏)来填充矩阵250,该减小的选定电压范围以与金属相关联的传感器信号和电压值为目标,并忽略超出该范围的传感器电压值。例如,在所述的系统100中,不锈钢具有为1伏的相关联的电压特征,而铜和铝具有为3-4伏的更高的电压特征。在使用数据填充矩阵250之前,控制系统112另外可以基于低值来额外地升高来自传感器160的电压。因此,控制系统可能能够区分不同的金属或甚至不同的合金。
在第四模式中,控制系统112可以使用系统100从不含金属或导电材料的废品颗粒中分拣出包含金属的废品颗粒。控制系统112将电压信号不同于基线电压信号的任何事物分类为含金属的颗粒,并控制喷射器将这些颗粒分拣到箱中。
在所有模式中,控制器112都使用来自位于与带平行的传感器平面中的传感器160的单个阵列110的模拟信号。控制系统112使用模拟传感器的可变性信号来提供与电导率有关的信息,并因此提供与材料的分类有关的信息。常规系统可以使用一系列数字接近传感器的阵列,其中每个阵列中的传感器通常通过转动电位计而设置为不同的阈值以提供信号,和/或设置在距带不同的距离处以基于截止策略进行分拣。在本公开的系统100中,当改变分拣进料或生产策略时,不需要调节带与传感器之间的距离。传感器阵列相对于带保持固定,并且可以选择不同的程序或分拣方法或将不同的程序或分拣方法加载到控制器112中,以改变进料或生产策略。
图9示出了来自系统100的样品校准数据,其包括不锈钢、铜、铝和绝缘线材。将数据以与颗粒相关联的矩阵中单元的面积或数量对被识别为颗粒的矩阵中单元的峰值电压来作图。来自图9的数据可用于设置相关联的材料分类的电压范围,以供控制系统在材料分类和分拣时使用。
图10示出了来自系统100的样品校准数据,其包括不锈钢、铜、铝和绝缘线材。将数据以与颗粒相关联的矩阵中单元的面积或数量对被识别为颗粒的矩阵中分组的8位分类值的和来作图。来自图10的数据可用于设置相关联的材料分类的电压范围,以供控制系统在材料分类和分拣时使用。
在另外的例子中,控制器112还可以根据矩阵250的数据来确定用于颗粒104的分类的二次分类输入。在一个例子中,将传感器电压的变化率用作二次分类输入。在另一个例子中,二次分类输入可以基于计算出的形状、尺寸、宽高比、纹理特征、电压标准偏差或由矩阵中的传感器数据得到的分组或识别出的颗粒的另一个特征作为颗粒的二次特征。例如,二次分类输入可以由与颗粒范围相关联的区域上的电压之和、使用颗粒面积除以边框面积所确定的面积比因子、根据颗粒周长和颗粒面积所确定的紧密度因子等来提供。纹理特征可以包括等级、无量纲周长(周长除以面积的平方根)、通过对颗粒阈值化或从一个等级图像中减去另一个等级图像所产生的孔数、总孔面积占总面积的比例、最大孔面积的面积比例和哈拉利克(Haralick)纹理特征。通过经由快速傅立叶变换(FFT)对矩阵进行变换,可以获得分组的纹理值。FFT幅度图像中不同频带的平均对数标度的幅度可以用作区分纹理特征。某些二次分类特征(例如纹理)只能通过使用比颗粒尺寸更小的传感器来获得,以提供提高的分辨率和此类分析所需的数据。
二次分类输入可以单独用于对颗粒进行分类。替代地,利用二次分类输入,控制单元112可以为每个分组或识别的颗粒生成数据向量,其既包括基于电压的分类输入,也包括一个或多个次级分类输入。然后,在这种情况下,控制单元会通过将数据向量输入到机器学习算法中来根据数据向量对颗粒进行分类。控制单元可以使用支持向量机(SVM)、偏最小二乘法判别分析(PLSDA)、神经网络、决策树的随机森林或另一种机器学习和分类技术来评估数据向量并对颗粒104进行分类。在一个例子中,神经网络用于基于对传感器或矩阵数据的分析,将每个废品颗粒104分类到基于元素或化学组分的预选的合金族列表或其他预选材料列表中的一个中。在其他例子中,控制单元可以使用查找表,该查找表绘制数据向量,然后基于一个或多个区域、阈值或截止平面对分组进行分类。在一个例子中,颗粒104的分类可以是多级分类。
在一个例子中,控制单元112将数据向量输入到神经网络中以对颗粒进行分类。神经网络程序可以通过运行神经网络通过“监督学习”过程来进行“训练”以“学习”输入和输出数据组之间的关系。然后,由此学习到的关系可以用于基于给定的一组输入来预测输出(即,对每个废品颗粒进行分类),给定的一组输入例如涉及由具有已知化学性质的代表性的废品样品所产生的分类输入、数据集、直方图等。
控制单元112可以使用神经网络和分析/决策逻辑来为选定的废品材料提供分类方案,以使用二元分类系统对材料进行分类,或者将颗粒分类到三个或更多个分类中的一个分类中。可以使用可商购的神经网络配置工具来建立输入和输出的数据集之间的已知的广义函数关系。可以应用诸如反向传播和竞争性学习的已知算法技术来估计给定类型的输入和输出数据的各种参数或权重。一旦获得了输入和输出之间的特定函数关系,网络可以与新的输入集一起使用来预测输出值。将认识到,一旦开发出来,神经网络可以将来自多个输入的信息合并到决策过程中,以有效的方式对颗粒进行分类。
在各种实施方式中,提供了一种系统以对在运动的输送机上随机定位的废品颗粒进行分拣,其中至少一些废品颗粒包括金属。该系统包括用于输送随机定位的至少两个类别的废品颗粒的输送带,其中输送带在第一方向上行进。传感器阵列具有一系列模拟接近传感器,其中每个传感器的有效感测端面位于感测平面内,该感测平面与输送机平行并直接相邻。传感器阵列具有至少一个传感器行,其中每个传感器行横向跨越带延伸。一个传感器行可以横向偏离相邻的一个传感器行。该系统具有控制系统,该控制系统被配置为接收和处理来自一系列接近传感器的模拟信号,以识别并定位经过阵列的输送机上的废品颗粒。控制系统通过分析来自传感器阵列的模拟信号来产生对应于输送机上的物理位置的线扫描图像(或矩阵)。模拟信号提供在一定信号值范围内的可变信号,并且可以被采样和量化,使得模拟信号保持至少4位、8位、16位或更高的信号分辨率。控制系统将基于模拟信号的值输入到矩阵的单元中,其中矩阵的每个单元对应于阵列中相关联的模拟传感器。控制系统通过将颗粒与指示输送机的背景区分开来识别包含颗粒的矩阵的单元,并基于与颗粒相关联的矩阵的每个单元的值来计算颗粒的分类输入。然后,控制系统使用分类输入将颗粒分类到废品材料的至少两个分类中的一个分类中。控制系统可以将颗粒的分类输入与基于待分拣的废品材料的至少两个分类所选择的一个或多个阈值进行比较。在另外的例子中,控制系统使用第一电压阈值在第一材料分类和第二材料分类之间进行分拣,并且使用第二电压阈值在第二材料分类和第三材料分类之间进行分拣。在另外的例子中,控制系统结合分类输入使用颗粒的形状和/或尺寸信息来确定与该颗粒相关联的数据向量,并且根据数据向量对颗粒进行分类。
在各种实施方式中,提供了一种用于分拣废品颗粒的方法。该方法可用于分拣废品颗粒。至少一些废品颗粒包括金属。在一个例子中,该方法将包含金属的颗粒与非金属颗粒分拣到两个或更多个分类中。在其他例子中,该方法将包含不同金属的颗粒或线材与非线材分拣到两个或更多个分类中。从具有一系列模拟接近传感器的传感器阵列接收一系列模拟信号,该一系列模拟接近传感器被布置成使得传感器的有效端面位于共同的感测平面中。对一系列信号进行处理以对经过阵列的输送机上的包含金属的废品颗粒进行定位和识别。每个信号可以被量化以提供具有至少4、8、16或更高位分辨率的值。通过分析来自传感器阵列的模拟信号,产生与输送机的物理位置相对应的线扫描图像或矩阵,矩阵中的每个单元对应于阵列中相关联的模拟传感器。基于输送机的物理位置,将来自每个传感器的值输入到矩阵的单元中。通过将颗粒与指示输送机的背景区分开来识别矩阵中包含颗粒的单元,并基于与颗粒相关联的矩阵中每个单元的值来计算颗粒的分类输入。使用分类输入将颗粒分类到至少两个材料分类中的一个材料分类中。可以将颗粒的分类输入与基于待分拣的材料的至少两个分类所选择的一个或多个阈值进行比较。在另外的例子中,根据数据向量对颗粒进行分类,该数据向量既具有分类输入,又具有使用被识别为颗粒的矩阵中的单元所确定的颗粒的形状和/或尺寸信息。然后将颗粒分拣到一个分类中。
尽管上面描述了示例性实施方式,但是这些实施方式并不旨在描述本公开的所有可能形式。相反,说明书中使用的词语是描述性的词语而不是限制性的词语,并且应当理解,在不脱离本公开的精神和范围的情况下,可以做出各种改变。另外,各种实施方式的特征可以组合形成本公开的另外的实施方式。
Claims (19)
1.一种用于分拣废品材料的系统,包括:
输送机,其用于输送随机地定位于所述输送机的表面上的至少两个类别的废品颗粒,至少一些颗粒包括金属,所述输送机在第一方向上行进;
传感器阵列,其具有一系列横向跨越所述输送机布置的模拟电感式接近传感器,其中每个传感器的有效感测端面位于感测平面中,其中所述感测平面与所述输送机的所述表面大致平行;以及
控制系统,其被配置为对来自阵列中的一系列传感器的模拟信号进行采样和量化,并且基于量化的信号对经过所述阵列的所述输送机上的废品颗粒进行定位并分类到至少两个材料类别中的一个材料类别中,
所述控制系统还被配置为形成与所述输送机上的物理位置相对应的矩阵,将来自传感器的量化的模拟信号输入到所述矩阵的单元中,通过将颗粒与表示所述输送机的背景区别开而识别所述矩阵中包含所述颗粒的单元的分组,基于与所述分组相关联的所述矩阵中至少一个单元中的值来计算所述颗粒的分类输入,并基于所述分类输入将所述颗粒分类到至少两个材料类别中的一个材料类别中。
2.根据权利要求1所述的系统,其中,所述传感器阵列中的一系列传感器被布置成至少第一传感器行和第二传感器行,其中每传感器行横向跨越所述输送机延伸;并且
其中所述阵列中的第一行中的传感器横向偏离所述阵列中的第二行中的传感器。
3.根据权利要求1所述的系统,其中,所述阵列中的每个传感器与所述阵列中的相邻的传感器间隔开至少传感器的直径的五倍。
4.根据权利要求1所述的系统,其中,所述阵列中的每个传感器横向偏离所述阵列中的其余的传感器。
5.根据权利要求1所述的系统,其中,每个传感器的有效感测端面的面积的大小被设计为与废品颗粒的投影面积为相同量级。
6.根据权利要求1所述的系统,其还包括定位于所述传感器阵列的下游的分离单元;
其中,所述控制系统还被配置为控制所述分离单元以基于颗粒的位置和分类来分拣所述输送机上的颗粒。
7.根据权利要求1所述的系统,其中,所述矩阵的每一行具有与所述阵列中的每个传感器相关联的单元;并且
其中所述量化的模拟信号表示电压幅度和电压变化率中的一个。
8.根据权利要求1所述的系统,其中,所述控制系统还被配置为对每个模拟信号进行采样和量化,使得为量化的模拟信号分配至少一个八位值。
9.根据权利要求1所述的系统,其中,所述控制系统还被配置为通过将所述颗粒的所述分类输入与基于至少两个材料类别所选择的一个或多个阈值进行比较来对所述颗粒进行分类。
10.根据权利要求9所述的系统,其中,所述控制系统被配置为使用第一电压阈值在第一材料类别和第二材料类别之间进行分拣,并且使用第二电压阈值在第二材料类别和第三材料类别之间进行分拣。
11.根据权利要求1所述的系统,其中,所述控制系统还被配置为结合所述分类输入使用由所述传感器阵列确定的二次分类输入来确定与所述颗粒相关联的数据向量,并且根据所述数据向量对所述颗粒进行分类。
12.一种用于分拣废品材料的方法,包括:
使用具有一系列模拟接近传感器的感测阵列来感测运动的输送机的表面上的废品颗粒,所述一系列模拟接近传感器被布置成使得每个传感器的有效端面位于共同的感测平面中,所述共同的感测平面与所述输送机的所述表面大致平行;
利用控制系统对来自阵列中每个传感器的模拟信号进行采样和量化,以提供对应的量化值;
利用所述控制系统产生与所述输送机的时间物理位置相对应的矩阵,并将量化值输入到所述矩阵的单元中;
利用所述控制系统通过将颗粒与表示所述输送机的背景区分开来将所述矩阵中的单元的分组识别为所述颗粒;以及
利用所述控制系统使用分类输入而将所述颗粒分类到至少两个材料类别中的一个材料类别中,所述分类输入根据与所述颗粒相关联的所述矩阵中单元的所述分组中的值计算得到。
13.根据权利要求12所述的方法,其还包括控制分离单元,以基于所述分类将所述颗粒分拣到所述至少两个材料类别中的一个材料类别中。
14.根据权利要求12所述的方法,其中,所述矩阵的行中的每个单元对应于所述阵列中的相关联的传感器;并且
其中量化值代表电压幅度和电压变化率中的一个。
15.根据权利要求12所述的方法,其中,如果所述量化值落入预定的值范围内,则通过所述控制系统将所述量化值输入到所述矩阵的对应的单元中。
16.根据权利要求12所述的方法,其中,利用所述控制系统通过将所述分类输入与基于至少两个待分拣的材料类别所选择的一个或多个阈值进行比较来对所述颗粒进行分类。
17.根据权利要求12所述的方法,其中,利用所述控制系统通过将所述分类输入与用于在第一材料类别和第二材料类别之间进行分拣的第一阈值和用于在第二材料类别和第三材料类别之间进行分拣的第二阈值进行比较来对所述颗粒进行分类。
18.根据权利要求12所述的方法,其还包括根据单元的分组来确定所述颗粒的二次分类输入;
其中利用所述控制系统根据所述分组的数据向量将所述颗粒分类到至少两个类别中的一个类别中,所述数据向量包括所述分类输入和所述二次分类输入。
19.根据权利要求18所述的方法,其中,所述控制系统通过将所述数据向量输入到机器学习算法中来对所述颗粒进行分类。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762477589P | 2017-03-28 | 2017-03-28 | |
US62/477,589 | 2017-03-28 | ||
PCT/US2018/024582 WO2018183337A1 (en) | 2017-03-28 | 2018-03-27 | System and method for sorting scrap materials |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110730692A CN110730692A (zh) | 2020-01-24 |
CN110730692B true CN110730692B (zh) | 2022-04-29 |
Family
ID=63678164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880034949.XA Active CN110730692B (zh) | 2017-03-28 | 2018-03-27 | 用于分拣废品材料的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11192146B2 (zh) |
EP (1) | EP3600702B1 (zh) |
CN (1) | CN110730692B (zh) |
CA (1) | CA3057860C (zh) |
ES (1) | ES2963047T3 (zh) |
WO (1) | WO2018183337A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10799916B2 (en) * | 2018-11-26 | 2020-10-13 | CD Processing Ltd. | Systems and methods for sorting and collecting enhanced grade metal-bearing ores from metal bearing ores |
CN112207047A (zh) * | 2019-07-11 | 2021-01-12 | 昆山华复精密金属有限公司 | 一种自动化检测线 |
CN111687072A (zh) * | 2020-06-29 | 2020-09-22 | 萧县华恒静电科技有限公司 | 一种金属检测装置 |
CN112115765A (zh) * | 2020-07-28 | 2020-12-22 | 南京航空航天大学 | 一种目标图像区域的提取方法、系统以及计算机存储介质 |
CN112122179A (zh) * | 2020-11-16 | 2020-12-25 | 罗建政 | 一种针对小型零件的自动回收的金属探测仪 |
US20230364647A1 (en) * | 2022-05-16 | 2023-11-16 | Technische Universiteit Delft | Recycling of scrap |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1396845A (zh) * | 2000-01-27 | 2003-02-12 | 康莫DaS有限公司 | 从松散材料流中拣选金属碎块的设备和方法 |
US20070262000A1 (en) * | 2006-03-31 | 2007-11-15 | Valerio Thomas A | Method and apparatus for sorting fine nonferrous metals and insulated wire pieces |
US20090250384A1 (en) * | 2008-04-03 | 2009-10-08 | Valerio Thomas A | System and method for sorting dissimilar materials using a dynamic sensor |
US7674994B1 (en) * | 2004-10-21 | 2010-03-09 | Valerio Thomas A | Method and apparatus for sorting metal |
CN104540603A (zh) * | 2012-08-16 | 2015-04-22 | 陶朗分选有限公司 | 通过考虑变化的带特性来分析金属物体的方法和设备 |
CN105013718A (zh) * | 2015-07-31 | 2015-11-04 | 泉州装备制造研究所 | 基于多种检测方式的块状固体建筑垃圾分拣系统 |
CN106423913A (zh) * | 2016-09-09 | 2017-02-22 | 华侨大学 | 一种建筑垃圾的分选方法和系统 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE430545B (sv) | 1982-04-01 | 1983-11-21 | Asea Ab | Anordning for detektering av metallforemal i ett materialflode |
US4718559A (en) | 1982-07-12 | 1988-01-12 | Magnetic Separation Systems, Inc. | Process for recovery of non-ferrous metallic concentrate from solid waste |
US5413222A (en) | 1994-01-21 | 1995-05-09 | Holder; Morris E. | Method for separating a particular metal fraction from a stream of materials containing various metals |
US6545240B2 (en) | 1996-02-16 | 2003-04-08 | Huron Valley Steel Corporation | Metal scrap sorting system |
US6144004A (en) * | 1998-10-30 | 2000-11-07 | Magnetic Separation Systems, Inc. | Optical glass sorting machine and method |
US6757584B2 (en) * | 2000-07-19 | 2004-06-29 | Prudsys Ag | Device and method for generating a classifier for automatically sorting objects |
JP2009512552A (ja) | 2005-10-24 | 2009-03-26 | エムティディ アメリカ リミテッド | 異種材料分類処理システム及び装置 |
AU2012286597A1 (en) | 2011-07-28 | 2014-01-16 | Technological Resources Pty. Limited | Sorting mined material |
KR20130096517A (ko) | 2012-02-22 | 2013-08-30 | 주식회사 포스코 | 철 스크랩의 특정 성분 선별 방법 및 장치 |
US20130297251A1 (en) | 2012-05-04 | 2013-11-07 | Abl Ip Holding, Llc | System and Method For Determining High Resolution Positional Data From Limited Number of Analog Inputs |
US9119239B2 (en) | 2012-05-04 | 2015-08-25 | Abl Ip Holding, Llc | Gestural control dimmer switch |
KR101591914B1 (ko) * | 2014-04-25 | 2016-02-05 | 한전원자력연료 주식회사 | 금속 스크랩 분류 장치 |
US10113910B2 (en) | 2014-08-26 | 2018-10-30 | Digimarc Corporation | Sensor-synchronized spectrally-structured-light imaging |
US9858681B2 (en) | 2014-10-27 | 2018-01-02 | Digimarc Corporation | Signal detection, recognition and tracking with feature vector transforms |
-
2018
- 2018-03-27 US US16/497,471 patent/US11192146B2/en active Active
- 2018-03-27 EP EP18774274.7A patent/EP3600702B1/en active Active
- 2018-03-27 CN CN201880034949.XA patent/CN110730692B/zh active Active
- 2018-03-27 WO PCT/US2018/024582 patent/WO2018183337A1/en unknown
- 2018-03-27 ES ES18774274T patent/ES2963047T3/es active Active
- 2018-03-27 CA CA3057860A patent/CA3057860C/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1396845A (zh) * | 2000-01-27 | 2003-02-12 | 康莫DaS有限公司 | 从松散材料流中拣选金属碎块的设备和方法 |
US7674994B1 (en) * | 2004-10-21 | 2010-03-09 | Valerio Thomas A | Method and apparatus for sorting metal |
US20070262000A1 (en) * | 2006-03-31 | 2007-11-15 | Valerio Thomas A | Method and apparatus for sorting fine nonferrous metals and insulated wire pieces |
US20090250384A1 (en) * | 2008-04-03 | 2009-10-08 | Valerio Thomas A | System and method for sorting dissimilar materials using a dynamic sensor |
CN104540603A (zh) * | 2012-08-16 | 2015-04-22 | 陶朗分选有限公司 | 通过考虑变化的带特性来分析金属物体的方法和设备 |
CN105013718A (zh) * | 2015-07-31 | 2015-11-04 | 泉州装备制造研究所 | 基于多种检测方式的块状固体建筑垃圾分拣系统 |
CN106423913A (zh) * | 2016-09-09 | 2017-02-22 | 华侨大学 | 一种建筑垃圾的分选方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CA3057860C (en) | 2023-10-10 |
EP3600702B1 (en) | 2023-10-18 |
US11192146B2 (en) | 2021-12-07 |
EP3600702A4 (en) | 2020-12-23 |
US20200101497A1 (en) | 2020-04-02 |
CA3057860A1 (en) | 2018-10-04 |
ES2963047T3 (es) | 2024-03-25 |
WO2018183337A1 (en) | 2018-10-04 |
CN110730692A (zh) | 2020-01-24 |
EP3600702A1 (en) | 2020-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110730692B (zh) | 用于分拣废品材料的系统和方法 | |
CN112243392B (zh) | 视觉和模拟感测废品分拣系统和方法 | |
Gundupalli et al. | A review on automated sorting of source-separated municipal solid waste for recycling | |
O’Toole et al. | Classification of nonferrous metals using magnetic induction spectroscopy | |
US20210346916A1 (en) | Material handling using machine learning system | |
US11975365B2 (en) | Computer program product for classifying materials | |
CA2647700C (en) | Method and apparatus for sorting fine nonferrous metals and insulated wire pieces | |
EP2844403B1 (en) | High capacity cascade-type mineral sorting machine | |
CN114600169A (zh) | 用于堆料分选的神经网络 | |
CA2291982A1 (en) | Method and apparatus for classifying and recovering the main components of used batteries | |
US10350644B1 (en) | System and method for induction-based metal detection and high resolution sorting | |
EP2698214B1 (en) | Method and apparatus for analyzing metal objects considering changing belt properties | |
US11514589B2 (en) | Method for determining at least one mechanical property of at least one object | |
Kroell et al. | Sensor-based particle mass prediction of lightweight packaging waste using machine learning algorithms | |
CN105122045A (zh) | 分选采出物料 | |
EP0743104B1 (de) | Verfahren und Vorrichtung zur Identifizierung von unterschiedlichen, länglichen metallischen Gegenständen, insbesondere von Besteckteilen | |
Kroell et al. | Assessment of sensor-based sorting performance for lightweight packaging waste through sensor-based material. ow monitoring: Concept and preliminary results | |
PL208399B1 (pl) | Układ i sposób automatycznego sortowania przedmiotów | |
O’Toole et al. | Classification of non-ferrous scrap metal using two component magnetic induction spectroscopy | |
Maier et al. | A survey of the state of the art in sensor-based sorting technology and research | |
Williams et al. | A review of the classification of non-ferrous metals using magnetic induction for recycling | |
US20220339674A1 (en) | Apparatus and method for classifying parts for separating or sorting a set of parts | |
US20240133830A1 (en) | Correction techniques for material classification | |
WO2024086838A1 (en) | Correction techniques for material classification | |
WO2023003669A1 (en) | Material classification system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |