CN116100703A - 一种应用再生材料的塑胶制品制造方法和系统 - Google Patents

一种应用再生材料的塑胶制品制造方法和系统 Download PDF

Info

Publication number
CN116100703A
CN116100703A CN202211725554.9A CN202211725554A CN116100703A CN 116100703 A CN116100703 A CN 116100703A CN 202211725554 A CN202211725554 A CN 202211725554A CN 116100703 A CN116100703 A CN 116100703A
Authority
CN
China
Prior art keywords
raw material
additive
cleaning
raw materials
preheating
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.)
Granted
Application number
CN202211725554.9A
Other languages
English (en)
Other versions
CN116100703B (zh
Inventor
提莫·罗斯乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rose Plastic Kunshan Co ltd
Original Assignee
Rose Plastic Kunshan Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Rose Plastic Kunshan Co ltd filed Critical Rose Plastic Kunshan Co ltd
Priority to CN202211725554.9A priority Critical patent/CN116100703B/zh
Priority to CN202311578542.2A priority patent/CN117341094A/zh
Publication of CN116100703A publication Critical patent/CN116100703A/zh
Application granted granted Critical
Publication of CN116100703B publication Critical patent/CN116100703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B29B17/04—Disintegrating plastics, e.g. by milling
    • B29B17/0412—Disintegrating plastics, e.g. by milling to large particles, e.g. beads, granules, flakes, slices
    • 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
    • B29B13/00—Conditioning or physical treatment of the material to be shaped
    • B29B13/02—Conditioning or physical treatment of the material to be shaped by heating
    • B29B13/022—Melting the material to be shaped
    • 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
    • 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
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C48/00—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor
    • B29C48/25—Component parts, details or accessories; Auxiliary operations
    • B29C48/285—Feeding the extrusion material to the extruder
    • B29C48/287—Raw material pre-treatment while feeding
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C48/00—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor
    • B29C48/25—Component parts, details or accessories; Auxiliary operations
    • B29C48/285—Feeding the extrusion material to the extruder
    • B29C48/288—Feeding the extrusion material to the extruder in solid form, e.g. powder or granules
    • 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
    • B29B2017/001—Pretreating the materials before recovery
    • B29B2017/0015—Washing, rinsing
    • 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
    • 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

Abstract

本说明书实施例提供一种应用再生材料的塑胶制品制造方法和系统，方法包括：基于原材料分类装置对原材料分类；将分类后的原材料分别置于原材料清洗装置中，按照预设的清洗参数进行清洗；基于图像检测装置对清洗后的原材料进行筛选；基于粉碎装置对筛选后的原材料进行粉碎，获取不同粒度的原材料粉末，并对不同粒度的原材料粉末进行筛分；将筛分后的原材料粉末和第一添加剂混合后置于熔融装置中进行熔融，获取不同等级的再生材料颗粒；将不同等级的再生材料颗粒和第二添加剂混合后置于挤压成型装置中进行预热，预热完成后进行挤压，获取初始塑胶制品；基于初始塑胶制品获取目标塑胶制品。

Description

一种应用再生材料的塑胶制品制造方法和系统
技术领域
本说明书涉及环保塑料技术领域，特别涉及应用再生材料的塑胶制品制造方法和系统。
背景技术
废旧塑料制品由于受到外界条件的影响及光和热的作用，已有不同程度的老化，如果用废旧塑料制品回收后生产再生制品，再生制品的性能可能无法满足生产生活的需要。因此，需要提供一种应用再生材料的塑胶制品制造方法或系统，改善再生材料的塑胶制品的品质，满足生活使用需求或产品加工需求。
发明内容
本说明书一个或多个实施例提供一种应用再生材料的塑胶制品制造方法，所述方法由处理器执行，至少包括以下步骤：基于原材料分类装置对原材料进行分类；将分类后的原材料分别置于原材料清洗装置中，按照预设的清洗参数进行清洗；基于图像检测装置对清洗后的原材料进行筛选；基于粉碎装置对筛选后的原材料进行粉碎，获取不同粒度的原材料粉末，并对不同粒度的原材料粉末进行筛分；将筛分后的原材料粉末和第一添加剂混合后置于熔融装置中进行熔融，获取不同等级的再生材料颗粒；将不同等级的再生材料颗粒和第二添加剂混合后置于挤压成型装置中进行预热，预热完成后进行挤压，获取初始塑胶制品；基于初始塑胶制品获取目标塑胶制品。
本说明书一个或多个实施例提供一种应用再生材料的塑胶制品制造系统，所述系统包括：分类模块，用于基于原材料分类装置对原材料进行分类；清洗模块，用于将分类后的原材料分别置于原材料清洗装置中，按照预设的清洗参数进行清洗；筛选模块，用于基于图像检测装置对清洗后的原材料进行筛选；粉碎筛分模块，用于基于粉碎装置对筛选后的原材料进行粉碎，获取不同粒度的原材料粉末，并对不同粒度的原材料粉末进行筛分；熔融模块，用于将筛分后的原材料粉末和第一添加剂混合后置于熔融装置中进行熔融，获取不同等级的再生材料颗粒；挤压模块，用于将不同等级的再生材料颗粒和第二添加剂混合后置于挤压成型装置中进行预热，预热完成后进行挤压，获取初始塑胶制品；生成模块，用于基于初始塑胶制品获取目标塑胶制品。
本说明书一个或多个实施例提供一种应用再生材料的塑胶制品制造装置，装置包括处理器；处理器用于执行应用再生材料的塑胶制品制造方法。
本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行应用再生材料的塑胶制品制造方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的应用再生材料的塑胶制品制造系统的应用场景示意图；
图2是根据本说明书一些实施例所示的应用再生材料的塑胶制品制造系统的模块示意图；
图3是根据本说明书一些实施例所示的应用再生材料的塑胶制品制造方法的示例性流程图；
图4是根据本说明书一些实施例所示的确定再生材料颗粒的等级的示例性示意图；
图5是根据本说明书一些实施例所示的获取初始塑胶制品的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1为本说明书一些实施例所示的应用再生材料的塑胶制品制造系统的应用场景示意图。
如图1所示，在应用场景100中可以包括塑胶制品制造装置110、处理器120、网络130。
塑胶制品制造装置110可以用于基于再生材料制造塑料制品。在一些实施例中，塑胶制品制造装置110可以包括原材料分类装置112、原材料清洗装置113、图像检测装置114、粉碎装置115、熔融装置116、挤压成型装置117等中的一种或多种。
原材料分类装置112可以用于对原材料111进行分类。在一些实施例中，原材料分类装置112可以按照一定的预设分类规则对原材料111进行分类。更多关于对原材料进行分类的说明可以参见图3及其相关描述。
原材料清洗装置113可以用于对分类后的原材料111进行清洗。例如，原材料清洗装置113可以用于对原材料111上附着的杂质进行清洗。例如，杂质可以指塑料瓶子上的金属、纸质类的标签、塑料瓶子内部附着的液体、泥沙、油渍等。在一些实施例中，原材料清洗装置113可以按照预设的清洗参数对分类后的原材料111进行清洗。更多关于对原材料进行清洗的说明可以参见图3及其相关描述。
图像检测装置114可以用来对清洗后的原材料111上进行筛选。在一些实施例中，图像检测装置114可以用于对清洗的原材料111进行图像采集，以及基于采集的图像对清洗后的原材料111上进行筛选。筛选出的原材料可以重新置入原材料清洗装置113中进行清洗，直至检测不出杂质。更多关于筛选的说明可以参见图3及其相关描述。
粉碎装置115可以用于对筛选后的原材料111进行粉碎和筛分。在一些实施例中，粉碎装置115可以将筛选后的原材料111粉碎成不同粒度的原材料粉末。每类进行过前述处理操作(包括清洗、筛选)的原材料可以粉碎成不同粒度的原材料粉末。在一些实施例中，粉碎装置115可以进一步对不同粒度的原材料粉末进行筛分。更多关于对原材料进行粉碎和筛分的说明可以参见图3及其相关描述。
熔融装置116可以用于对筛分后的原材料111进行熔融处理，获取不同等级的再生材料颗粒。在一些实施例中，熔融装置116可以对筛分后的原材料粉末和第一添加剂进行混合，并对混合物进行熔融，获取不同等级的再生材料颗粒。更多关于对原材料进行熔融的说明可以参见图3及其相关描述。
挤压成型装置117可以用于对不同等级的再生材料颗粒进行预热和挤压，获取初始塑胶制品。在一些实施例中，挤压成型装置117可以将不同等级的再生材料颗粒和第二添加剂混合后进行混合，并对混合物进行预热，预热完成后进行挤压，获取初始塑胶制品。更多关于对不同等级的再生材料颗粒进行预热和挤压的说明可以参见图3及其相关描述。
处理器120可以通过网络130或直接与塑胶制品制造装置110通信以读写塑胶制品制造装置110的数据、参数和实现对塑胶制品制造装置110的控制。例如，处理器120可以基于原材料分类装置112对原材料111进行分类；将分类后的原材料分别置于原材料清洗装置113中，按照预设的清洗参数进行清洗；基于图像检测装置114对清洗后的原材料进行筛选；基于粉碎装置115对筛选后的原材料进行粉碎，获取不同粒度的原材料粉末，并对不同粒度的原材料粉末进行筛分；将筛分后的原材料粉末和第一添加剂混合后置于熔融装置116中进行熔融，获取不同等级的再生材料颗粒；将不同等级的再生材料颗粒和第二添加剂混合后置于挤压成型装置117中进行预热，预热完成后进行挤压，获取初始塑胶制品；基于初始塑胶制品获取目标塑胶制品118。
在一些实施例中，处理器120可以包含一个或多个子处理设备(例如，单核处理设备或多核多芯处理设备)。仅作为示例，处理器120可以包括中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
在一些实施例中，处理器120可以是单个服务器，也可以是服务器组。服务器组可以是集中式的或分布式的，例如，处理器120可以是分布式系统。在一些实施例中，处理器120可以是本地的，也可以是远程的。例如，处理器120可以通过网络130连接到塑胶制品制造装置110以实现对塑胶制品制造装置110的控制。又例如，处理器120可以直接连接到塑胶制品制造装置110以实现对塑胶制品制造装置110的控制。
网络130可以连接系统的各组成部分和/或连接系统与外部资源部分。网络130使得各组成部分之间，以及与系统之外其他部分之间可以进行通讯，促进数据和/或信息的交换。在一些实施例中，网络130可以是有线网络或无线网络中的任意一种或多种。例如，网络130可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。在一些实施例中，网络130可以包括一个或以上网络接入点。例如，网络130可以包括有线或无线网络接入点，例如基站和/或网络交换点等，通过这些进出点系统的一个或多个组件可连接到网络130上以交换数据和/或信息。
应当注意应用场景100仅仅是为了说明的目的而提供，并不意图限制本说明书的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，应用场景100还可以包括测试装置，用于测试塑胶制品制造装置110能否正常工作以及数据是否完整等。又例如，应用场景100可以在其他设备上实现以实现类似或不同的功能。然而，变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的应用再生材料的塑胶制品制造系统的模块示意图。如图2所示，应用再生材料的塑胶制品制造系统200可以包括分类模块210、清洗模块220、筛选模块230、粉碎筛分模块240、熔融模块250、挤压模块260和生成模块270。
在一些实施例中，分类模块210可以用于基于原材料分类装置对原材料进行分类。
在一些实施例中，清洗模块220可以用于将分类后的原材料分别置于原材料清洗装置中，按照预设的清洗参数进行清洗。
在一些实施例中，筛选模块230可以用于基于图像检测装置对清洗后的原材料进行筛选。
在一些实施例中，粉碎筛分模块240可以用于基于粉碎装置对筛选后的原材料进行粉碎，获取不同粒度的原材料粉末，并对不同粒度的原材料粉末进行筛分。
更多关于分类模块210、清洗模块220、筛选模块230、粉碎筛分模块240的内容，参见图3及其相关描述。
在一些实施例中，熔融模块250可以用于将筛分后的原材料粉末和第一添加剂混合后置于熔融装置中进行熔融，获取不同等级的再生材料颗粒。
在一些实施例中，熔融模块250可以进一步用于：获取原材料的分类数据和清洗数据；基于原材料的分类数据和清洗数据，确定第一添加剂的用量，第一添加剂至少包括增塑剂、稳定剂中的一种；确定再生材料颗粒的等级。更多关于获取不同等级的再生材料颗粒的内容，参见图4及其相关描述。
在一些实施例中，挤压模块260可以用于将不同等级的再生材料颗粒和第二添加剂混合后置于挤压成型装置中进行预热，预热完成后进行挤压，获取初始塑胶制品。
在一些实施例中，挤压模块260可以进一步用于确定各个等级的再生材料颗粒之间的质量比例；基于质量比例确定第二添加剂用量、预热时间；基于预热时间进行预热，预热完成后进行挤压，获取初始塑胶制品。在一些实施例中，挤压模块260可以进一步用于获取用户需求数据，用户需求数据至少包括产品厚度、颜色、强度、硬度、透明度中至少一种；基于用户需求数据，确定各个等级的再生材料颗粒之间的质量比例。更多关于获取初始塑胶制品的内容，参见图5及其相关描述。
在一些实施例中，生成模块270可以用于基于初始塑胶制品获取目标塑胶制品。更多关于获取目标塑料制品的内容，参见图3及其相关描述。
需要注意的是，以上对于应用再生材料的塑胶制品制造系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图2中披露的分类模块210、清洗模块220、筛选模块230、粉碎筛分模块240、熔融模块250、挤压模块260和生成模块270可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，清洗模块220、筛选模块230可以是两个模块，也可以是一个模块同时具有清洗功能和筛选功能。例如，各个模块可以共用一个存储模块来存储设备参数或者运行数据，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的应用再生材料的塑胶制品制造方法的示例性流程图。流程300可以由处理器执行。在一些实施例中，流程300可以包括以下步骤：
步骤310，基于原材料分类装置对原材料进行分类。
原材料可以指需要回收利用的塑胶制品。例如，原材料可以是泡沫塑料、日用塑料制品、塑料袋等。
在一些实施例中，可以根据原材料的来源对当前批次的原材料进行分类。根据原材料的来源可以将原材料的类型划分为居民可回收材料、工业再生废料、化工原材料中至少一类。居民可回收材料可以指生活中产生的塑胶制品，例如，塑料瓶、塑料袋、塑料包装物等。工业再生废料可以指工业生产中产生的塑胶制品。化工原材料可以指未制成塑胶制品的材料，例如，化工原材料可以指聚对苯二甲酸乙二酯(PBT)、聚乙烯(PE)、聚氯乙烯(PVC)、聚丙烯(PP)、聚苯乙烯(PS)、聚甲基丙烯酸甲酯(PMMA)、聚碳酸酯(PC)、聚乳酸(PLA)、橡胶等。
在一些实施例中，可以根据原材料的老旧程度对当前批次的原材料进行分类。
原材料的老旧程度可以指原材料经过使用后老化的程度。原材料的老旧程度可以用数字等表示。数字越大，表示原材料越老旧。
原材料的老旧程度可以根据原材料的外观通过图像识别模型进行确定。图像识别模型可以为机器学习模型，例如，图神经网络模型。在一些实施例中，图像识别模型输入为各批次原材料的图像，输出为原材料的老旧程度。原材料的图像可以由摄像机等设备采集得到。
在一些实施例中，图像识别模型可以通过训练得到。例如，向初始图像识别模型输入多个带有第一标签的第一训练样本，基于第一标签和初始图像识别模型的对应输出分别构建损失函数，基于损失函数对初始图像识别模型的参数进行迭代更新，直到满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，第一训练样本可以包括多个批次原材料的样本图像，第一标签可以为各批次原材料的老旧程度。在一些实施例中，第一训练样本可以根据历史采集的图像获取，第一标签可以通过人工标注获取。
在一些实施例中，原材料分类装置可以根据原材料的来源对原材料进行粗分类。例如，可以分别将生活区、原料工厂、加工工厂运来的垃圾分别分拣为居民可回收材料、化工原材料、工业再生废料等类别。
在一些实施例中，原材料分类装置可以根据原材料的材料类型对原材料进行细分类。在一些实施例中，可以在粗分类的分类结果上进一步进行细分类，也可以直接对原材料进行细分类。
在一些实施例中，原材料的材料类型可以包括但不限于聚对苯二甲酸乙二酯(PET)、聚乙烯(PE)、聚氯乙烯(PVC)、聚丙烯(PP)、聚苯乙烯(PS)、聚甲基丙烯酸甲酯(PMMA)、聚碳酸酯(PC)、聚乳酸(PLA)、橡胶等。相应的，可以将原材料按照材料类型进一步划分为聚对苯二甲酸乙二酯(PET)、聚乙烯(PE)、聚氯乙烯(PVC)、聚丙烯(PP)、聚苯乙烯(PS)、聚甲基丙烯酸甲酯(PMMA)、聚碳酸酯(PC)、聚乳酸(PLA)、橡胶等类别。
在一些实施例中，原材料分类装置可以通过多种方式对原材料进行细分类，例如，可以通过静电筛选、浮力筛选、冷冻筛选等方式对原材料进行细分类。作为示例，由于原材料的密度不同，进行浮力筛选时可以利用原材料在不同密度的溶液中的沉浮情况对原材料进行筛选。
步骤320，将分类后的原材料分别置于原材料清洗装置中，按照预设的清洗参数进行清洗。
清洗参数可以指原材料清洗装置对原材料进行清洗时的工作参数。在一些实施例中，清洗参数可以包括清洗方式、清洗力度以及对应的清洗时间等。其中，清洗方式可以包括超声波洗涤、洗涤剂洗涤、水洗等方式。
在一些实施例中，清洗参数可以根据原材料类型、体积、脏污程度等进行预设。例如，当原材料类型为居民可回收材料，并且原材料体积越大，脏污程度越大，使用的清洗方式越多，清洗力度越大，清洗时间越长。其中，脏污程度可以通过原材料上脏污面积占原材料总面积的比值来确定。比值越高，脏污程度越高。
在一些实施例中，处理器可以基于当前类别原材料的原材料类型、体积、脏污程度构建状态向量；基于状态向量在清洗数据库进行向量匹配，确定关联状态向量；基于关联状态向量确定原材料的清洗参数。
状态向量可以是基于原材料的原材料类型、体积、脏污程度构建的特征向量。在一些实施例中，可以对原材料的原材料类型、体积、脏污程度进行特征提取得到状态向量。
清洗数据库是指用于存储、索引和查询向量的数据库。清洗数据库可以包括多个参考状态向量及其对应的参考清洗参数。参考状态向量可以基于历史原材料的原材料类型、体积、脏污程度进行构建。参考清洗参数可以基于对历史原材料进行清洗的历史数据确定。基于多个参考状态向量及其对应的参考清洗参数可以构建清洗数据库。
关联状态向量是从多个参考状态向量中选取的目标特征向量。
在一些实施例中，处理器可以基于状态向量，通过清洗数据库确定符合第一预设条件的参考状态向量作为关联状态向量。其中，第一预设条件可以指用于确定关联状态向量的预设条件。在一些实施例中，第一预设条件可以包括向量距离满足距离阈值、向量距离最小等。
在一些实施例中，处理器可以将关联状态向量对应的参考清洗参数确定为原材料的清洗参数。
步骤330，基于图像检测装置对清洗后的原材料进行筛选。
在一些实施例中，图像检测装置可以用于对清洗后的原材料进行图像采集，处理器可以基于采集的图像确定清洗后的原材料的脏污程度，以及将脏污程度超出脏污阈值的原材料筛选出来。筛选出的原材料可以重新置入原材料清洗装置中进行清洗，直至检测不出杂质。其中，脏污阈值可以由人为或系统预设。
在一些实施例中，处理器可以通过脏污确定模型对采集的图像进行处理，确定原材料的脏污程度。脏污确定模型可以为机器学习模型，例如，图神经网络模型。
在一些实施例中，脏污确定模型输入为采集的图像，输出为原材料的脏污程度。
在一些实施例中，脏污确定模型可以通过训练得到。例如，向初始脏污确定模型输入多个带有第二标签的第二训练样本，基于第二标签和初始脏污确定模型的对应输出分别构建损失函数，基于损失函数对初始脏污确定模型的参数进行迭代更新，直到满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，第二训练样本可以包括多个样本采集图像，第二标签可以为原材料的脏污程度。在一些实施例中，第二训练样本可以根据图像检测装置的历史采集的图像获取，第二标签可以通过人工对历史筛选数据进行标注获取。
步骤340，基于粉碎装置对筛选后的原材料进行粉碎，获取不同粒度的原材料粉末，并对不同粒度的原材料粉末进行筛分。
原材料粉末可以指原材料粉碎后得到的颗粒。原材料粉末可以是多种粒度的原材料粉末的混合物。
粒度可以指原材料粉末中颗粒的大小。粒度可以根据颗粒的直径确定。例如，粒度可以是1mm、2mm等。
在一些实施例中，可以分别将筛选后的一种原材料加入粉碎装置中，分别得到同一种原材料对应的不同粒度的原材料粉末。
筛分的方式可以包括多种。例如，可以通过离心装置对原材料粉末进行筛分，得到不同粒度的原材料粉末。作为示例，可以将包含1mm、2mm和5mm原材料粉末的混合物加入离心装置中，通过设置不同的离心力分别进行筛分得到1mm、2mm和5mm原材料粉末。
通过将原材料制成不同粒度的原材料粉末，可以将原材料制备出便于处理、储藏的形态。
步骤350，将筛分后的原材料粉末和第一添加剂混合后置于熔融装置中进行熔融，获取不同等级的再生材料颗粒。
第一添加剂可以指在在原材料粉末的熔融过程中需要添加的添加剂。通过使用第一添加剂，可以改进原材料粉末的性能，使其变得易于后续加工。在一些实施例中，第一添加剂至少可以包括增塑剂、稳定剂中的一种。增塑剂可以塑化和赋予原材料粉末柔软性。示例性的增塑剂可以包括但不限于邻苯二甲酸酯类、脂肪族二元酸酯类、磷酸酯类、氯化石蜡等。稳定剂可以增加原材料粉末和第一添加剂在熔融过程中的稳定性。示例性的稳定剂可以包括但不限于液体钡锌复合物等。
在一些实施例中，再生材料颗粒的等级可以通过各种可行的方式表示。例如，可以通过1级、2级、3级等进行表示，数值越大，表示再生材料颗粒的等级越低。又例如，可以通过A级、B级、C级等进行表示，其中，A级、B级、C级可以分别对应1级、2级、3级。
再生材料颗粒的等级可以通过多种方式进行划分。例如，由于再生材料颗粒是由塑胶成分和第一添加剂(例如，增塑剂、稳定剂等)制得的，相应的，可以根据再生材料颗粒中塑胶成分的含量比例进行再生材料颗粒的等级的划分。例如，再生材料颗粒中的塑胶成分的含量比例小于或等于60％，可以划分为C级；再生材料颗粒中的塑胶成分的含量比例在60％-80％之间，可以划分为B级；再生材料颗粒中的塑胶成分的含量比例大于或等于80％，可以划分为A级。基于再生材料颗粒中的塑胶成分的含量比例进行等级划分的划分规则可以人工设定。
一般而言，化工原材料制得的再生材料颗粒中的塑胶成分含量高于工业再生废料制得的再生材料颗粒中的塑胶成分含量，工业再生废料制得的再生材料颗粒中的塑胶成分含量高于居民可回收材料制得的再生材料颗粒中的塑胶成分含量。相应的，按照上述划分规则可以将由化工原材料制得的再生材料颗粒划分为1级(A级)、将由工业再生废料制得的再生材料颗粒划分为2级(B级)；将由居民可回收材料制得的再生材料颗粒划分为3级(C级)。
在一些实施例中，还可以根据弹性和韧性、颜色和透明度、密度和强度对再生材料颗粒的等级进行二次分级。在一些实施例中，可以基于弹性和韧性、颜色和透明度、密度和强度对再生材料颗粒分别进行评分得到第一评分、第二评分和第三评分，并根据各评分和对应预设的评分阈值进一步对再生材料颗粒的等级进行二次分级。例如，可以在1级(或A级)下设置1.1级(或A1级)用于表示第一评分、第二评分和第三评分均处于1级评分区间(或A级评分区间)且三项评分均高于对应的评分阈值；在1级(或A级)下设置1.2级(或A2级)用于表示第一评分、第二评分和第三评分均处于1级评分区间(或A级评分区间)且三项评分中有两项高于对应的评分阈值、在1级(或A级)下设置1.3级(或A3级)用于表示第一评分、第二评分和第三评分均处于1级评分区间(或A级评分区间)且三项评分中仅有一项高于对应的评分阈值。其中，第一评分是指根据再生材料颗粒的弹性和韧性进行打分得到的评分值。第一评分可以由数值表示。例如，第一评分可以是(m，n)，其中，m表示根据再生材料颗粒的弹性进行打分得到的评分值、n表示根据再生材料颗粒的韧性进行打分得到的评分值。第二评分是指根据再生材料颗粒的颜色和透明度进行打分得到的评分值，第三评分是指根据再生材料颗粒的密度和强度进行打分得到的评分值。第二评分、第三评分与第一评分的表示方式类似，在此不再赘述。更多关于评分的说明可以参见图4及其相关描述。
在一些实施例中，处理器可以将筛分后的原材料粉末和第一添加剂混合后置于熔融装置，按照预设的熔融参数进行熔融，以获取不同等级的再生材料颗粒。
熔融参数可以指熔融装置的工作参数。在一些实施例中，熔融参数可以包括熔融温度等。在一些实施例中，熔融参数可以根据原材料类型进行预设。例如，当原材料类型为PP时，可以设置熔融温度为164℃-170℃；当原材料类型为PBT时，可以设置熔融温度为225℃-235℃。
在一些实施例中，处理器可以获取原材料的分类数据和清洗数据；基于分类数据和所述清洗数据，确定第一添加剂的用量；基于第一添加剂的用量确定再生材料颗粒的等级。更多关于确定再生材料颗粒的等级的说明可以参见图4及其相关描述。
步骤360，将不同等级的再生材料颗粒和第二添加剂混合后置于挤压成型装置中进行预热，预热完成后进行挤压，获取初始塑胶制品。
第二添加剂可以指在再生材料颗粒的挤压过程中需要添加的添加剂。第二添加剂可以用于多种再生材料颗粒的混合加工过程。第二添加剂可以包括相容剂、润滑剂、填充剂中至少一种。相容剂可以增加不同等级的再生材料颗粒的相容度。示例性的相容剂可以包括但不限于氯化聚乙烯等。润滑剂可以改善树脂的内流动性，减少树脂分子链间的内摩擦。示例性的润滑剂可以包括但不限于脂肪酸及其酯类、脂肪酸酰胺、金属皂、烃类、有机硅化合物等。填充剂可以改善再生材料颗粒的性能，或能增容、增重等。示例性的填充剂可以包括但不限于无机填充剂(如碳酸钙、陶土、滑石、硅藻土、二氧化硅、云母粉、石棉、金属、金属氧化物等)和有机填充剂(如热固性树脂中空球、木粉、粉末纤维素等)。
通过使用第二添加剂，可以促进不同等级的再生材料颗粒的融合，提高加工效率，缩短所用加工时间和预热温度，也包括改善融合后混合体的性质，使其变得易于后续加工。
初始塑胶制品可以指基于再生材料颗粒生产的再生塑胶制品的雏形。
在一些实施例中，可以按照各个等级的再生材料颗粒之间的质量比例将各个等级的再生材料颗粒和一定用量的第二添加剂进行混合。
质量比例可以指在制备初始塑胶制品时使用的各个等级的再生材料颗粒的质量之间的比值。
质量比例可以通过多种方式进行表示，例如，可以由某一等级的再生材料颗粒的质量占所有等级的再生材料颗粒的总质量的比例表示。作为示例，当制备某初始塑胶制品时，需要使用A级的再生材料颗粒为10g，B级的再生材料颗粒为10g，C级的再生材料颗粒为10g，则A级的再生材料颗粒的质量比例为1/3。又例如，可以由各等级的再生材料颗粒的质量的比值进行表示。上述示例中，A级、B级和C级再生材料颗粒之间的质量比例可以是10：10：10。更多关于各个等级的再生材料颗粒之间的质量比例的说明可以参见图5及其相关描述。
在一些实施例中，处理器可以确定预热参数，基于预热参数控制挤压成型装置对再生材料颗粒进行预热。预热参数可以指挤压成型装置进行预热时的工作参数。在一些实施例中，预热参数可以包括预热时间、预热温度等中的至少一种。
预热参数可以根据多种方式确定。在一些实施例中，预热温度可以根据原材料类型的熔点确定。例如，可以将原材料类型的熔点确定为预热温度。
在一些实施例中，预热时间可以根据等级较低的再生材料颗粒的质量比例确定。例如，等级较低的再生材料颗粒的质量比例较高时，预热时间较长。
在一些实施例中，挤压成型装置预热完成后，处理器可以控制挤压成型装置按照挤压参数进行挤压，获取不同等级的再生材料颗粒。
挤压参数可以指挤压成型装置对再生材料颗粒进行挤压成型时的工作参数。在一些实施例中，挤压参数可以包括产品成型要求等。产品成型要求可以指用户对目标塑胶制品的形状、厚度、硬度等的要求。在一些实施例中，产品成型要求可以基于用户需求数据获取。例如，可以将用户需求数据中对目标塑胶制品的形状、厚度、硬度等的要求作为产品成型要求。更多关于用户需求数据的说明可以参见图5及其相关描述。
在一些实施例中，处理器可以通过确定各个等级的再生材料颗粒之间的质量比例；基于质量比例确定第二添加剂的用量、预热时间；基于预热时间进行预热，预热完成后进行挤压，获取初始塑胶制品。更多关于确定第二添加剂的用量等的说明可以参见图5及其相关描述。
步骤370，基于初始塑胶制品获取目标塑胶制品。
目标塑胶制品可以指对初始塑胶制品处理得到的成品。
在一些实施例中，处理器可以对初始塑胶制品进行检测，确定初始塑胶制品的合格度；以及，基于合格度对初始塑胶制品进行处理得到目标塑胶制品。
合格度可以用于衡量初始塑胶制品的质量。合格度可以用0-1的数值进行表示。数值越大，表示质量越高。
在一些实施例中，处理器可以获取当前初始塑胶制品的图像，以及基于合格度检测模型对用户需求数据和初始塑胶制品的图像进行处理，确定初始塑胶制品的合格度。
合格度检测模型可以为机器学习模型，例如，卷积神经网络模型。在一些实施例中，合格度检测模型输入为用户需求数据和初始塑胶制品的图像，输出为初始塑胶制品的合格度。
在一些实施例中，合格度检测模型可以通过训练得到。例如，向初始合格度检测模型输入多个带有第三标签的第三训练样本，基于第三标签和初始合格度检测模型的对应输出分别构建损失函数，基于损失函数对初始合格度检测模型的参数进行迭代更新，直到满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，第三训练样本可以包括多个样本用户需求数据，按照对应样本用户需求数据进行生产得到的样本初始塑胶制品的图像。第三标签可以为各样本初始塑胶制品的合格度。在一些实施例中，第三训练样本可以基于历史生产数据获取。第三标签可以通过人工标注获取。
在一些实施例中，处理器可以对合格度不满足合格度阈值的初始塑胶制品进行修整，得到目标塑胶制品。示例性的修整方式可以包括但不限形状修整、颜色修整等。
在一些实施例中，处理器可以将合格度满足合格度阈值的初始塑胶制品确定为目标塑胶制品。
本说明书的一些实施例中，可以针对性地对不同种类原材料进行分析处理，并根据用户需求，确定符合实际的再生塑胶制品加工参数，实现自动化的控制，使生产效率保持较高水平。
图4是根据本说明书一些实施例所示的确定再生材料颗粒的等级的示例性示意图。
在一些实施例中，熔融模块250可以获取原材料的分类数据410和清洗数据420；基于分类数据410和清洗数据420，确定第一添加剂的用量430；基于第一添加剂的用量430确定再生材料颗粒的等级450。
分类数据是指与原材料的分类相关的数据。在一些实施例中，分类数据可以包括原材料类型(例如，原材料类型可以包括居民可回收材料、工业再生废料或化工原材料等)。更多关于原材料类型的内容可以参见图3及其相关描述。
在一些实施例中，分类数据还可以包括原材料的分类复杂程度、原材料的老旧程度等中的一种或多种。
原材料的分类复杂程度可以指当前批次的原材料中原材料类型的种类数量。原材料类型的种类数量越多，原材料的分类复杂程度越高。原材料的分类复杂程度可以由数值表示，数值对应于原材料类型的种类数量。例如，当前批次的原材料中仅包含居民可回收材料、工业再生废料或化工原材料中的一种时，则原材料类型的种类数量为1，原材料的分类复杂程度为1。又例如，当前批次的原材料中包含居民可回收材料、工业再生废料和化工原材料时，则原材料类型的种类数量为3，原材料的分类复杂程度为3。原材料的老旧程度是指原材料经过使用后老化的程度。更多关于原材料的老旧程度的说明可以参见图3及其相关描述。
分类数据可以通过多种方式获取。例如，处理器可以通过与原材料分类装置进行通信，以获取分类数据。在一些实施例中，处理器可以根据原材料的批次获取各批次原材料的分类数据。
清洗数据是指与清洗原材料的清洗参数相关的数据。例如，清洗数据可以包括清洗方式、清洗力度、清洗时间等。更多关于清洗参数的说明可以参见图3及其相关描述。
清洗数据可以通过多种方式获取。例如，处理器可以通过与原材料清洗装置进行通信，以获取清洗数据。
处理器可以基于分类数据和清洗数据，通过各种可行的方式确定第一添加剂的用量。在一些实施例中，处理器可以基于分类数据和清洗数据，根据预设用量规则确定第一添加剂的用量。例如，预设用量规则可以包括：分类数据中原材料的老旧程度越高，第一添加剂的用量越高，但第一添加剂的成本需要控制在一定的成本要求内。原材料的老旧程度越高时，对应第一添加剂的成本要求越低。又例如，预设用量规则可以包括：清洗数据中的清洗时长越长(例如一般批次的正常清洗时长为1小时，某批次清洗时长为2小时)，第一添加剂的用量越低(例如一般批次的添加量为2Kg，则对该批次的添加量可以为1.5Kg)。
当原材料的老旧程度较高或原材料的清洗时间较长时，说明当前批次的原材料质量较差，再生带来的收益较低。通过降低第一添加剂的成本要求，可以有效节省成本。
在一些实施例中，处理器可以基于分类数据和清洗数据，通过向量匹配确定第一添加剂的用量。
在一些实施例中，处理器可以基于原材料的分类数据构建分类向量。分类向量的元素可以包括原材料类型、原材料的分类复杂程度和原材料的老旧程度。例如，分类向量可以为(A，B，C)，其中A表示原材料类型、B表示原材料的分类复杂程度、C表示原材料的老旧程度。
在一些实施例中，处理器可以基于分类向量在用量数据库中进行向量匹配，确定关联分类向量。用量数据库是指用于存储、索引和查询向量的向量数据库。通过向量数据库，可以面对大量向量快速进行相似性查询和其他向量管理。
在一些实施例中，用量数据库中可以包括多个参考分类向量及其对应的第一添加剂的用量范围。
在一些实施例中，参考分类向量可以基于历史分类数据进行构建。例如，通过对多个历史分类数据进行向量构建可以得到多个参考分类向量。参考分类向量对应的第一添加剂的用量范围可以根据历史用量数据获取。其中，历史用量数据中可以包括各历史分类数据对应的原材料在再生过程中所用到的第一添加剂的用量数据。在一些实施例中，可以基于多个参考分类向量及其对应的第一添加剂的用量范围构建用量数据库。
在一些实施例中，处理器可以基于分类向量，在用量数据库中确定符合预设条件的向量，将符合预设条件的向量确定为关联分类向量。其中，预设条件可以指用于确定第一关联特征向量的判断条件。在一些实施例中，预设条件可以包括向量距离满足距离阈值、向量距离最小等。
在一些实施例中，处理器可以基于确定的关联分类向量对应的第一添加剂的用量范围确定最终的第一添加剂的用量。在一些实施例中，处理器可以通过成本控制数据，从第一添加剂的用量范围中确定最终的第一添加剂的用量。
成本控制数据是指用于控制生产成本的数据。例如，成本控制数据中可以包括第一添加剂的成本上限、第二添加剂的成本上限等。
在一些实施例中，成本控制数据可以根据原材料的分类数据进行确定。例如，当原材料的分类复杂程度较低或老旧程度较低时，意味着原材料的成分单一(比如为化工原材料)、品质较好，则成本控制数据可以较高。又例如，当原材料的分类复杂程度较高或老旧程度较高时，意味着利用该批次原材料生产出的再生材料颗粒的价值可能较低，则成本控制数据可以较低。
在一些实施例中，处理器可以根据预设确定规则，通过成本控制数据从第一添加剂的用量范围中确定最终的第一添加剂的用量。在一些实施例中，示例性的预设确定规则可以是通过成本控制数据所属的成本范围，将第一添加剂的用量范围的上限、下限或平均值等确定为第一添加剂的用量。例如，当成本控制数据所属的成本范围为成本范围1时，可以将第一添加剂的用量范围的上限确定为第一添加剂的用量；当成本控制数据所属的成本范围为成本范围2时，可以将第一添加剂的用量范围的平均值确定为第一添加剂的用量；当成本控制数据所属的成本范围为成本范围3时，可以将第一添加剂的用量范围的下限确定为第一添加剂的用量。其中，成本范围1>成本范围2>成本范围3，具体的成本范围可以是系统默认值、经验值、人为预先设定值等或其任意组合，可以根据实际需求设定，本说明书对此不做限制。
在一些实施例中，处理器可以进一步根据原材料的清洗数据对第一添加剂的用量进行调整。在一些实施例中，处理器可以根据清洗数据中的清洗时长与时长阈值的关系，对第一添加剂的用量进行调整。当清洗数据中的清洗时长超出时长阈值时，可以减少第一添加剂的用量。其中，调整幅度可以根据清洗时长超出时长阈值的比例进行确定。例如，当清洗时长超出时长阈值的比例为10％时，可以调整第一添加剂的用量为原用量的95％。
在一些实施例中，处理器可以通过等级模型440对原材料的分类数据410、第一添加剂的用量430进行处理，预测再生材料颗粒的等级450。
等级模型可以为机器学习模型。例如，等级模型可以为神经网络模型、深度神经网络模型、卷积神经网络模型、循环神经网络模型等或其任意组合。
在一些实施例中，等级模型440的输入可以包括原材料的分类数据410、第一添加剂的用量430，等级模型440的输出可以包括再生材料颗粒的等级450。更多关于再生材料颗粒的等级的内容可以参见图3及其相关描述。
在一些实施例中，等级模型可以通过多个有第四标签的第四训练样本训练得到。例如，可以将多个带有第四标签的第四训练样本输入初始等级模型，通过标签和初始等级模型的结果构建损失函数，基于损失函数迭代更新初始等级模型的参数。当初始等级模型的损失函数满足预设条件时模型训练完成，得到训练好的等级模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等中的一种或多种。
在一些实施例中，第四训练样本可以包括样本原材料的分类数据、样本第一添加剂的用量。第四标签可以为样本原材料的分类数据、样本第一添加剂的用量对应的再生材料颗粒的等级。在一些实施例中，第四训练样本可以基于历史数据获得。第四标签可以通过人工标注获得。
在一些实施例中，等级模型440可以包括多个处理层。例如，等级模型440可以包括第一预测层441、第二预测层442、第三预测层443。
在一些实施例中，第一预测层441可以用于对原材料的分类数据410、第一添加剂的用量430进行处理，确定第一评分451。第一评分可以相关于再生材料颗粒的弹性和韧性。例如，第一评分可以是第一预测层对再生材料颗粒的弹性和韧性进行定量评估后输出的评分值。
在一些实施例中，第二预测层442可以用于对原材料的分类数据410、第一添加剂的用量430进行处理，确定第二评分452。第二评分可以相关于再生材料颗粒的颜色和透明度。例如，第二评分可以是第二预测层对再生材料颗粒的颜色和透明度进行定量评估后输出的评分值。
在一些实施例中，第三预测层443可以用于对原材料的分类数据410、第一添加剂的用量430进行处理，确定第三评分453。第三评分可以相关于再生材料颗粒的密度和强度。例如，第三评分可以是第三预测层对再生材料颗粒的密度和强度进行定量评估后输出的评分值。
在一些实施例中，处理器可以基于第一评分451、第二评分452和第三评分453，通过各种可行的方法得到再生材料颗粒的等级450。例如，可以通过对第一评分451、第二评分452和第三评分453加权求和的方法确定再生材料颗粒的等级，其中，各评分值的权重可以通过人工设置。
在一些实施例中，第一预测层441、第二预测层442、第三预测层443均可以通过同一组第一训练样本训练得到，每个处理层对应的第一标签可以不同。在一些实施例中，第一预测层对应的第一标签可以是样本再生材料颗粒的实际第一评分，第二预测层对应的第一标签可以是样本再生材料颗粒的实际第二评分，第三预测层对应的第一标签可以是样本再生材料颗粒的实际第三评分，其中，样本再生材料颗粒是基于样本原材料和样本第一添加剂得到的再生材料颗粒。在一些实施例中，各个处理层对应的第一标签可以通过人工标注获得。
本说明书一些实施例中，通过等级模型预测再生材料等级，可以准确高效地确定生产处的再生材料颗粒的等级。通过分别对再生材料的弹性和韧性、颜色和透明度、密度和强度等特征进行评分，进一步根据三项评分确定再生材料颗粒的等级，有利于提高再生材料颗粒的等级的预测准确度，为按需制造目标塑胶制品提供基础。
图5是根据本说明书一些实施例所示的获取初始塑胶制品的示例性流程图。流程500可以由处理器执行。在一些实施例中，流程500可以包括以下步骤：
步骤510，确定各个等级的再生材料颗粒之间的质量比例。
质量比例可以指在制备初始塑胶制品时使用的各个等级的再生材料颗粒的质量之间的比值。
在一些实施例中，处理器可以获取用户需求数据，基于用户需求数据，确定各个等级的再生材料颗粒之间的质量比例。
用户需求数据可以指与用户对产品的质量要求有关的数据。在一些实施例中，用户需求数据可以包括对产品的厚度、颜色、强度、硬度、透明度(例如，包括全透明、半透明和不透明等)等的质量要求。例如，用户需求数据可以包括厚度为0.2mm、颜色为白色、强度为50MPa、硬度为60H、透明度为全透明的质量要求。
用户需求数据可以通过向量表示，向量的每一个元素可以分别表示用户对产品的厚度、颜色、强度、硬度、透明度的最低质量要求。最低质量要求可以通过评分来衡量。评分可以由0-10的数值表示，数值越高，表示质量要求越高。例如，用户需求数据可以为(3，3，4，5，5)，表示产品厚度、颜色、强度、硬度、透明度的最低质量要求分别为3分、3分、4分、5分、5分。
用户需求数据可以通过用户终端获取。用户通过用户终端输入用户需求数据，处理器通过网络获取用户需求数据。示例性的用户终端可以包括移动设备、平板计算机等或其任意组合。
在一些实施例中，处理器可以基于用户需求数据，通过预设算法确定各个等级的再生材料颗粒之间的质量比例。示例性的预设算法可以包括：确定多个候选组合，所述候选组合包括一组各个等级的再生材料颗粒的质量比例；对多个候选组合进行至少一轮迭代更新，确定目标组合。其中，多轮迭代的至少一轮包括：对至少一个候选组合，基于与历史最优组合的关系更新对应的调整幅度，基于调整幅度更新候选组合。更多关于历史最优组合的说明可以参见后文相关描述。
候选组合可以是初始确定的不同等级的再生材料颗粒的质量比例。在一些实施例中，候选组合的维度可以为D(每个维度的元素可以对应一个等级的再生材料颗粒的初始质量)。相应的，候选组合中可以包括D个元素。例如，候选组合可以是(X1，X2，…，XD)，其中，X1表示维度序号为1的某一等级的再生材料颗粒的初始质量、X2表示维度序号为2的某一等级的再生材料颗粒的初始质量，以此类推。在一些实施例中，候选组合的维度可以为3。相应的，候选组合中可以包括3个元素。例如，候选组合可以是(X1，X2，X3)，其中，元素X1表示等级为A级的再生材料颗粒的初始质量、元素X2表示等级为B级的再生材料颗粒的初始质量、元素X3表示等级为C级的再生材料颗粒的初始质量。在一些实施例中，候选组合的维度还可以为9。相应的，候选组合中可以包括9个元素。例如，候选组合可以是(X1，X2，…，X9)，其中，元素X1表示等级为A1级的再生材料颗粒的初始质量、元素X2表示等级为A2级的再生材料颗粒的初始质量，以此类推，元素X9表示等级为C3级的再生材料颗粒的初始质量。多个候选组合中每一个候选组合的维度相同。
在一些实施例中，迭代更新可以包括多轮。处理器可以基于多个候选组合，经多轮迭代后得到多个更新后的候选组合。更新后的候选组合可以用于确定目标组合。在一些实施例中，处理器还可以通过比较多个更新后的候选组合的适应度的方式确定目标组合。关于适应度的更多说明可以参见后文相关部分。
在一些实施例中，第一轮迭代所用的初始的多个候选组合可以通过随机的方法生成。例如，可以随机生成初始候选组合为(X0 1，X0 2，…，X0 D)等，其中，0为标识符(代表第0轮迭代，即还未开始迭代的初始值)。前一轮得到的更新后的候选组合可以作为下一轮迭代更新的对象。
在一些实施例中，构建初始候选组合时可以优先设置等级较低的再生材料颗粒的初始质量，将等级较高的再生材料颗粒的初始质量设置为较低或为0。例如，初始候选组合的维度为3时，可以设置C等级的再生材料颗粒的初始质量，将A等级的再生材料颗粒和B等级的再生材料颗粒的初始质量设置为0。通过该种构建方式，可以优先使用等级最低的再生材料颗粒，然后逐渐增加等级较高的再生材料颗粒的质量，以便满足成本控制需要。
在一些实施例中，处理器可以根据用户需求数据和再生材料颗粒的第一评分、第二评分和第三评分构建初始候选组合。例如，假设用户需求数据中对强度、透明度的要求较高时，可以优先选取B级再生材料颗粒中对强度和透明度的评分较高的B2级再生材料颗粒。相应的，可以设置B2等级的再生材料颗粒的初始质量为较高值，将其他等级的再生材料颗粒的初始质量设置为0或较低值。更多关于二次分级的内容可以参见图3及其相关描述。
本说明书的一些实施例，通过二次分级的再生材料颗粒的评分确定初始候选组合中二次分级的再生材料颗粒的质量比，可以提高再生材料颗粒的利用率，降低成本，并且可以提高迭代效率。
在一些实施例中，在至少一轮迭代中，对于多个候选组合中的至少一个，可以进行以下处理：更新候选组合的调整幅度(即，待更新调整幅度)，得到更新后调整幅度；基于更新后调整幅度，更新候选组合。
调整幅度是指候选组合中一个或多个等级的再生材料颗粒的质量的更新幅度。调整幅度可以包括多个，多个调整幅度可以与多个候选组合一一对应。调整幅度可以包括多个调整元素。多个调整元素可以与候选组合中的每一等级的再生材料颗粒的质量的更新幅度一一对应。候选组合的维度为D时，对应的调整幅度可以表示为(v1，v2，…，vd)，1≤d≤D，其中，v1表示对维度序号为1的某一等级的再生材料颗粒的质量进行调整的调整元素，v2表示对维度序号为2的某一等级的再生材料颗粒的质量进行调整的调整元素，以此类推，vd表示对维度序号为d的某一等级的再生材料颗粒的质量进行调整的调整元素。
在一些实施例中，对于多轮迭代更新中的至少一轮，处理器可以基于候选组合与历史最优解的关系，更新调整幅度。例如，如果候选组合与历史最优解的差值较小，则对应的调整幅度较小；反之则较大。在一些实施例中，多个候选组合对应的调整幅度的初始值可以相同或不同。其中，初始调整幅度可以基于随机的方式生成。
在一些实施例中，处理器可以通过公式(1)对调整幅度进行更新：
Figure BDA0004029678470000151
其中，
Figure BDA0004029678470000152
表示第i个候选组合在第k+1轮迭代后第d维的调整元素；N表示候选组合的数量；i表示候选组合编号，其中，1≤i≤N；d表示候选组合中维度序号，其中，1≤d≤D，D表示候选组合的维度；k表示迭代轮数，其中，k≥0；
Figure BDA0004029678470000153
表示第i个候选组合在第k轮迭代后第d维的调整元素；
Figure BDA0004029678470000154
表示第i个候选组合在第k轮迭代后更新的候选组合；ω表示惯性权重常数；c1表示个体学习因子，c2表示群体学习因子；r1和r2为区间[0，1]内的任意数值，用于增强随机性；
Figure BDA0004029678470000155
表示第i个候选组合在第k轮迭代后第d维的历史最优组合(也可以称为个体最优组合)；
Figure BDA0004029678470000156
表示N个候选组合在第k轮迭代后第d维的历史最优组合(也可以称为群体最优组合)。前述惯性权重常数ω、个体学习因子c1、群体学习因子c2以及随机常数r1和r2可以是根据实际需求设定的系统默认值、经验值、人为预先设定值等或其任意组合。
在一些实施例中，对于某一候选组合(例如，第n个候选组合)，历史最优组合包括第n个候选组合对应的个体最优组合，以及与多个候选组合共同对应的群体最优组合。其中，多个候选组合对应的群体最优组合相同，个体最优组合不同。
个体最优组合可以指截至当前迭代更新轮，第i个候选组合对应的所有更新候选组合中适应度最优的更新候选组合。例如，截至第k轮迭代，第i个候选组合对应的个体最优组合可以是在第k轮迭代前的多轮历史迭代的每一轮迭代中得到的所有更新候选组合中的最优的候选组合。其中，最优的候选组合可以指多个候选组合中适应度最高的候选组合。关于适应度的说明可以参见下文。
群体最优组合可以指截至当前迭代更新轮，多个候选组合对应的所有更新候选组合中最优的候选组合。例如，截至第k轮迭代，群体最优组合可以是在第k轮迭代前的多轮历史迭代的每一轮迭代中得到的多个更新候选组合中的最优的候选组合。
在一些实施例中，个体最优组合和群体最优组合可以根据适应度确定。例如，可以将第i个候选组合在第k轮迭代前的多轮历史迭代的每一轮迭代中得到的多个候选组合中适应度最高的候选组合确定为个体最优组合。又例如，可以将N个候选组合在第k轮迭代前的多轮历史迭代的每一轮迭代中得到的多个候选组合中适应度最高的候选组合确定为群体最优组合。
在一些实施例中，对于某个候选组合对应的调整幅度，该调整幅度中某个调整元素基于以下公式更新：更新后的调整元素＝权重1*待更新调整元素+权重2*第一差值+权重3*第二差值。其中，第一差值对应于该候选组合与其对应的个体最优组合的差值；第二差值对应于该候选组合与群体最优解的差值。权重1、权重2、权重3可以预设，也可以通过其他方式确定，例如，基于回归分析等算法确定。
在一些实施例中，对调整幅度进行更新时需要考虑约束条件。即，对调整幅度进行更新的幅度需要满足约束条件。
在一些实施例中，约束条件可以包括成本约束条件和需求约束条件。
成本约束条件可以是与成本有关的约束条件，每个等级的再生材料颗粒的成本不一。例如，成本约束条件可以是根据不同等级的再生材料颗粒制备产品的制备成本控制在最大成本内。其中，制备成本可以根据不同等级的再生材料颗粒的成本和数量计算得到。最大成本可以由人为设定。作为示例，由于等级高(例如A级)的再生材料颗粒的成本较高，调整幅度在更新时可以考虑对等级高的再生材料颗粒的质量的调整幅度设置为较低。
需求约束条件可以是与用户需求有关的约束条件。例如，需求约束条件可以是根据不同等级的再生材料颗粒制备的产品的质量满足用户需求。作为示例，若用户需求数据中对产品的透明度要求较高，调整幅度在更新时可以考虑将B级再生材料颗粒里透明度较高(即第二评分较高)的再生材料颗粒的质量的调整幅度设置为较高。
本说明书的一些实施例中，通过设定约束条件，在一定程度上可以确保确定的候选组合的准确性，使得迭代更新得到的候选组合在满足用户需求的前提下，保证成本。
在一些实施例中，对于多轮迭代更新中的至少一轮，处理器可以基于与某一等级的再生材料颗粒的质量对应的调整元素迭代更新该等级的再生材料颗粒的质量。例如，可以将调整元素与原来该等级的再生材料颗粒的质量相加，得到更新后该等级的再生材料颗粒的质量。
在一些实施例中，处理器可以通过公式(2)对候选组合进行更新：
Figure BDA0004029678470000161
其中，
Figure BDA0004029678470000162
表示第i个候选组合在第k+1轮迭代后更新的候选组合，
Figure BDA0004029678470000163
表示第i个候选组合在第k轮迭代后更新的候选组合，
Figure BDA0004029678470000164
表示第i个候选组合在第k+1轮迭代后第d维的调整元素。
本说明书的一些实施例中，基于多组不同的候选组合与历史最优组合的比较，动态调整迭代的方向和调整幅度的大小，使得迭代更有针对性，更快地去接近较优候选组合。通过结合个体最优组合和群体最优组合，可以使得迭代过程更好地结合局部的探索和全局的情况，提高迭代的准确率和速度，有利于在更新迭代时，更快的收敛，减少迭代次数，提高迭代效率。
在一些实施例中，处理器可以在每一轮迭代中判断是否满足迭代结束条件；响应于满足迭代结束条件时停止多轮迭代，得到目标组合；以及，基于目标组合确定各个等级的再生材料颗粒之间的质量比例。
迭代结束条件可以根据实际需求进行确定。例如，迭代结束条件可以包括但不限于：已达到预设的迭代次数、候选组合的适应度达到预设期望值等的一种或组合。预设期望值可以由人工设定。
适应度可以指基于候选组合制得的产品质量与用户需求数据中质量要求的匹配程度。适应度越高，表示基于候选组合制得的产品质量与用户需求数据中质量要求的匹配程度越高。
在一些实施例中，处理器可以通过评分模型对多个候选组合和各维度的再生材料颗粒的等级评分(例如，包括第一评分、第二评分和第三评分)进行处理，确定多个候选组合中的每个候选组合对应的产品质量预测值，并基于产品质量预测值确定多个候选组合的适应度。更多关于再生材料颗粒的等级的内容可以参见图4及其相关描述。
评分模型可以为机器学习模型，例如，深度神经网络模型。在一些实施例中，评分模型的输入可以包括多个候选组合中和各维度的再生材料颗粒的等级评分，输出可以包括多个候选组合的产品质量预测值。
产品质量预测值可以指与按照某一候选组合制备的产品的质量情况有关的预测值。在一些实施例中，产品质量预测值可以包括对产品的厚度、颜色、强度、硬度、透明度的质量的预测值。产品质量预测值可以通过向量表示，向量的每一个元素可以分别表示对产品的厚度、颜色、强度、硬度、透明度的质量的预测值。质量的预测值可以通过评分来衡量。评分可以由0-10的数值表示，数值越高，表示质量越高。例如，假设产品质量预测值为(1，2，5，6，9)，表示产品厚度、颜色、强度、硬度、透明度的评分分别为1分、2分、5分、6分、9分。
在一些实施例中，评分模型可以通过训练得到。例如，向初始评分模型输入多个带有第五标签的第五训练样本，基于第五标签和初始评分模型的对应输出分别构建损失函数，基于损失函数对初始评分模型的参数进行迭代更新，直到满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，第五训练样本可以包括多个样本候选组合和各维度的再生材料颗粒的等级评分，第五标签可以为多个样本候选组合对应的产品质量预测值。在一些实施例中，第五训练样本可以基于历史迭代数据确定。第五标签可以通过人工标注获取。
在一些实施例中，处理器可以基于产品质量预测值中的厚度、颜色、强度、硬度、透明度分别的评分和用户需求数据中厚度、颜色、强度、硬度、透明度分别的评分确定其中一项的子适应度，以及基于各项对应的子适应度确定候选组合的适应度。其中，子适应度可以指基于候选组合制得的产品在厚度、颜色、强度、硬度或透明度的其中一项的质量情况与用户需求数据中对应项的质量要求的匹配程度。子适应度越高，表示匹配程度越高。
示例性的，当子适应度可以通过公式(3)或公式(4)确定。
Figure BDA0004029678470000171
Figure BDA0004029678470000172
其中，α表示产品厚度、颜色、强度、硬度、透明度任一项对应的子适应度，x表示产品质量预测值中的厚度、颜色、强度、硬度、透明度任一项对应的评分，y表示用户需求数据中厚度、颜色、强度、硬度、透明度任一项对应的数值。例如，a为厚度的子适应度，x表示基于候选组合得到的产品厚度的评分，y表示用户需求数据中产品厚度对应的评分。
在一些实施例中，适应度可以基于厚度、颜色、强度、硬度、透明度各项对应的子适应度与各项对应的权重确定。示例性地，适应度可以通过公式(5)确定。
β＝α1×γ1+α2×γ2+α3×γ3+α4×γ4+α5×γ5   (5)
其中，β表示当前候选组合对应的适应度，α1表示厚度的子适应度，γ1表示厚度对应的权重，α2表示颜色的子适应度，γ2表示颜色对应的权重，α3表示强度的子适应度，γ3表示强度对应的权重，α4表示硬度的子适应度，γ4表示硬度对应的权重，α5表示透明度的子适应度，γ5表示透明度对应的权重。厚度、颜色、强度、硬度、透明度对应的权重可以人工设置。
在一些实施例中，处理器可以将适应度满足预设期望值的候选组合确定为目标组合。在一些实施例中，当目标组合包括多个时，处理器可以基于每个目标组合的适应度与每个目标组合的成本系数，确定最终的目标组合。例如，可以将每个目标组合的适应度除以对应的成本系数得到多个最终适应度，将多个最终适应度中最大值对应的目标组合确定为最终目标组合。其中，成本系数可以由人为设置。例如，再生材料颗粒的等级越高，成本系数越大。
本说明书的一些实施例中，通过迭代的方式对多个候选组合不断进行更新，不断优化候选组合，从而确定出具有最大适应度的各个等级的所述再生材料颗粒之间的质量比例，在节约成本的同时，进一步提高了产品的利用率。基于适应度可以更准确地确定历史最优组合，提高迭代效率。通过前述预设算法，可以比较快速地从大量复杂数据中，匹配到比较合理的不同再生材料颗粒的质量比例，以充分满足用户需求数据中不同方面的要求，同时避免自身生产成本波动较大。
步骤520，基于质量比例确定第二添加剂用量、预热时间。
在一些实施例中，第二添加剂的用量可以基于向量匹配获取。
在一些实施例中，处理器可以通过前文所述的用量数据库确定第二添加剂的用量。在一些实施例中，用量数据库中还可以包括多个参考向量对应的第二添加剂的用量范围。在一些实施例中，处理器可以基于分类向量在用量数据库中进行向量匹配，确定关联分类向量。进一步地，处理器可以基于确定的关联分类向量对应的第二添加剂的用量范围确定最终的第二添加剂的用量。与确定第一添加剂的用量类似，处理器可以成本控制数据，从第二添加剂的用量范围中确定最终的第二添加剂的用量。更多关于确定第一添加剂的用量的内容可以参见图4及其相关描述，在此不再赘述。
本说明书的一些实施例中，通过同一个向量数据库同时确定第一添加剂和第二添加剂的用量，可以降低数据库建立成本，提高数据处理效率。
在一些实施例中，预热时间可以根据等级较低的再生材料颗粒的质量比例确定。例如，等级较低的再生材料颗粒的质量比例较高时，预热时间较长。通过调整预热时间保证再生材料颗粒的充分软化，保证初始塑胶制品的质量。
步骤530，基于预热时间进行预热，预热完成后进行挤压，获取初始塑胶制品。
在一些实施例中，处理器可以控制挤压成型装置按照确定的预热时间对不同等级的再生材料颗粒和第二添加剂混合进行预热，进一步地，对混合物进行挤压获取初始塑胶制品。更多关于挤压的内容可以参见图3及其相关描述。
本说明书的一些实施例中，基于各个等级的再生材料颗粒之间的质量比例确定初始塑胶制品，可以满足用户需求。
本说明书的一些实施例还提供一种应用再生材料的塑胶制品制造装置，包括处理器，所述处理器用于执行本说明书所述的应用再生材料的塑胶制品制造方法。
本说明书一些实施例还提供一种计算机可读存储介质存储计算机指令，当计算机指令被处理器执行时实现如本说明书所述的应用再生材料的塑胶制品制造方法。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种应用再生材料的塑胶制品制造方法，其特征在于，所述方法由处理器执行，至少包括以下步骤：
基于原材料分类装置对原材料进行分类；
将分类后的原材料分别置于原材料清洗装置中，按照预设的清洗参数进行清洗；
基于图像检测装置对所述清洗后的原材料进行筛选；
基于粉碎装置对所述筛选后的原材料进行粉碎，获取不同粒度的原材料粉末，并对所述不同粒度的原材料粉末进行筛分；
将筛分后的原材料粉末和第一添加剂混合后置于熔融装置中进行熔融，获取不同等级的再生材料颗粒；
将所述不同等级的再生材料颗粒和第二添加剂混合后置于挤压成型装置中进行预热，预热完成后进行挤压，获取初始塑胶制品；
基于所述初始塑胶制品获取目标塑胶制品。
2.如权利要求1所述的方法，其特征在于，所述将筛分后的原材料粉末和第一添加剂混合后置于熔融装置中进行熔融，获取不同等级的再生材料颗粒，包括：
获取所述原材料的分类数据和清洗数据；
基于所述分类数据和所述清洗数据，确定所述第一添加剂的用量，所述第一添加剂至少包括增塑剂、稳定剂中的一种；
基于所述第一添加剂的用量确定所述再生材料颗粒的等级。
3.如权利要求1所述的方法，其特征在于，所述将所述再生材料颗粒和第二添加剂混合后置于挤压成型装置中进行预热，预热完成后进行挤压，获取初始塑胶制品，包括：
确定各个等级的所述再生材料颗粒之间的质量比例；
基于所述质量比例确定所述第二添加剂的用量、预热时间；
基于所述预热时间进行预热，预热完成后进行挤压，获取所述初始塑胶制品。
4.如权利要求3所述的方法，其特征在于，所述确定各个等级的所述再生材料颗粒之间的质量比例，还包括：
获取用户需求数据，所述用户需求数据至少包括产品厚度、颜色、强度、硬度、透明度中至少一种；
基于所述用户需求数据，确定各个等级的所述再生材料颗粒之间的所述质量比例。
5.一种应用再生材料的塑胶制品制造系统，其特征在于，所述系统包括：
分类模块，用于基于原材料分类装置对原材料进行分类；
清洗模块，用于将分类后的原材料分别置于原材料清洗装置中，按照预设的清洗参数进行清洗；
筛选模块，用于基于图像检测装置对所述清洗后的原材料进行筛选；
粉碎筛分模块，用于基于粉碎装置对所述筛选后的原材料进行粉碎，获取不同粒度的原材料粉末，并对所述不同粒度的原材料粉末进行筛分；
熔融模块，用于将筛分后的原材料粉末和第一添加剂混合后置于熔融装置中进行熔融，获取不同等级的再生材料颗粒；
挤压模块，用于将所述不同等级的再生材料颗粒和第二添加剂混合后置于挤压成型装置中进行预热，预热完成后进行挤压，获取初始塑胶制品；
生成模块，用于基于所述初始塑胶制品获取目标塑胶制品。
6.如权利要求5所述的系统，其特征在于，所述熔融模块进一步用于：
获取所述原材料的分类数据和清洗数据；
基于所述原材料的所述分类数据和所述清洗数据，确定所述第一添加剂的用量，所述第一添加剂至少包括增塑剂、稳定剂中的一种；
基于所述第一添加剂的用量确定所述再生材料颗粒的等级。
7.如权利要求5所述的系统，其特征在于，所述挤压模块进一步用于：
确定各个等级的所述再生材料颗粒之间的质量比例；
基于所述质量比例确定所述第二添加剂的用量、预热时间；
基于所述预热时间进行预热，预热完成后进行挤压，获取所述初始塑胶制品。
8.如权利要求7所述的系统，其特征在于，所述挤压模块进一步用于：
获取用户需求数据，所述用户需求数据至少包括产品厚度、颜色、强度、硬度、透明度中至少一种；
基于所述用户需求数据，确定各个等级的所述再生材料颗粒之间的所述质量比例。
9.一种应用再生材料的塑胶制品制造装置，包括处理器，所述处理器用于执行权利要求1～4中任一项所述的应用再生材料的塑胶制品制造方法。
10.一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求1～4任一项所述的应用再生材料的塑胶制品制造方法。
CN202211725554.9A 2022-12-30 2022-12-30 一种应用再生材料的塑胶制品制造方法和系统 Active CN116100703B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211725554.9A CN116100703B (zh) 2022-12-30 2022-12-30 一种应用再生材料的塑胶制品制造方法和系统
CN202311578542.2A CN117341094A (zh) 2022-12-30 2022-12-30 一种塑料制品制造的材料配比确定方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211725554.9A CN116100703B (zh) 2022-12-30 2022-12-30 一种应用再生材料的塑胶制品制造方法和系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202311578542.2A Division CN117341094A (zh) 2022-12-30 2022-12-30 一种塑料制品制造的材料配比确定方法和系统

Publications (2)

Publication Number Publication Date
CN116100703A true CN116100703A (zh) 2023-05-12
CN116100703B CN116100703B (zh) 2023-11-14

Family

ID=86262209

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202211725554.9A Active CN116100703B (zh) 2022-12-30 2022-12-30 一种应用再生材料的塑胶制品制造方法和系统
CN202311578542.2A Pending CN117341094A (zh) 2022-12-30 2022-12-30 一种塑料制品制造的材料配比确定方法和系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202311578542.2A Pending CN117341094A (zh) 2022-12-30 2022-12-30 一种塑料制品制造的材料配比确定方法和系统

Country Status (1)

Country Link
CN (2) CN116100703B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117527870A (zh) * 2023-12-07 2024-02-06 东莞信易电热机械有限公司 一种塑胶成型的控制方法及系统

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1278297A (en) * 1968-06-22 1972-06-21 Albert Ag Chem Werke Process and apparatus for manufacturing preformed moulding materials
EP0549497A1 (fr) * 1991-12-27 1993-06-30 Didier Lagneaux Procédé de régénération des matières plastiques et l'installation mettant en oeuvre le procédé
JP2000153524A (ja) * 1998-11-20 2000-06-06 Fuji Xerox Co Ltd リサイクル樹脂材料を含むプラスチック部品
JP2003265398A (ja) * 2002-03-13 2003-09-24 Matsushita Electric Ind Co Ltd 食器洗浄方法および食器洗浄装置
JP2004074507A (ja) * 2002-08-13 2004-03-11 Canon Inc プラスチックのリサイクル方法およびプラスチック成形品ならびに、プラスチックリサイクル工程の管理方法、プラスチックリサイクル工程の管理システム
JP2007112017A (ja) * 2005-10-20 2007-05-10 Sharp Corp プラスチック廃材の再資源化方法および再生プラスチック管理システム
DE102008063232A1 (de) * 2008-12-22 2010-07-01 Cvp Clean Value Plastics Gmbh Verfahren zur Herstellung eines verarbeitungsfähigen und eigenschaftsspezifizierten Kunststoffmaterials aus Abfallkunststoff
JP2011006521A (ja) * 2009-06-23 2011-01-13 S-Company:Kk リサイクルｐｅｔペレットの製造方法、ペレット及びそれを用いた成形品
JP2015030150A (ja) * 2013-08-01 2015-02-16 パナソニック株式会社 熱可塑性樹脂廃材の再利用方法
CN107891541A (zh) * 2017-11-24 2018-04-10 苏州市同发塑业有限公司 一种塑料颗粒原料的制备方法
CN109304824A (zh) * 2017-07-27 2019-02-05 江西旭日鸿宇新材料有限公司 再生改性环保塑料的生产工艺
KR101994313B1 (ko) * 2018-03-08 2019-06-28 이길호 재생 플라스틱의 제조장치 및 그의 제조방법
CN111289732A (zh) * 2020-03-25 2020-06-16 上海睿聚环保科技有限公司 一种再生塑料的多维度品质评价方法
CN111337393A (zh) * 2020-03-25 2020-06-26 上海睿聚环保科技有限公司 一种再生塑料颗粒杂质的定量评价方法
WO2020220185A1 (zh) * 2019-04-29 2020-11-05 深圳市大疆创新科技有限公司 清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台
CN112625758A (zh) * 2019-09-24 2021-04-09 中国石油化工股份有限公司 智能气化配料系统及方法
CN113118065A (zh) * 2021-03-15 2021-07-16 中山大学 一种塑料分选方法、装置、设备和介质
CN113843918A (zh) * 2021-09-27 2021-12-28 董世景 一种废旧塑料再生利用的塑料管道生产工艺
CN114654618A (zh) * 2022-04-01 2022-06-24 镇江赛维尔环保纤维有限公司 一种废弃塑料再生前处理加工设备及其加工工艺
CN114925987A (zh) * 2022-04-29 2022-08-19 武汉工程大学 一种混凝土再生碎石骨料的分级方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1278297A (en) * 1968-06-22 1972-06-21 Albert Ag Chem Werke Process and apparatus for manufacturing preformed moulding materials
EP0549497A1 (fr) * 1991-12-27 1993-06-30 Didier Lagneaux Procédé de régénération des matières plastiques et l'installation mettant en oeuvre le procédé
JP2000153524A (ja) * 1998-11-20 2000-06-06 Fuji Xerox Co Ltd リサイクル樹脂材料を含むプラスチック部品
JP2003265398A (ja) * 2002-03-13 2003-09-24 Matsushita Electric Ind Co Ltd 食器洗浄方法および食器洗浄装置
JP2004074507A (ja) * 2002-08-13 2004-03-11 Canon Inc プラスチックのリサイクル方法およびプラスチック成形品ならびに、プラスチックリサイクル工程の管理方法、プラスチックリサイクル工程の管理システム
JP2007112017A (ja) * 2005-10-20 2007-05-10 Sharp Corp プラスチック廃材の再資源化方法および再生プラスチック管理システム
DE102008063232A1 (de) * 2008-12-22 2010-07-01 Cvp Clean Value Plastics Gmbh Verfahren zur Herstellung eines verarbeitungsfähigen und eigenschaftsspezifizierten Kunststoffmaterials aus Abfallkunststoff
JP2011006521A (ja) * 2009-06-23 2011-01-13 S-Company:Kk リサイクルｐｅｔペレットの製造方法、ペレット及びそれを用いた成形品
JP2015030150A (ja) * 2013-08-01 2015-02-16 パナソニック株式会社 熱可塑性樹脂廃材の再利用方法
CN109304824A (zh) * 2017-07-27 2019-02-05 江西旭日鸿宇新材料有限公司 再生改性环保塑料的生产工艺
CN107891541A (zh) * 2017-11-24 2018-04-10 苏州市同发塑业有限公司 一种塑料颗粒原料的制备方法
KR101994313B1 (ko) * 2018-03-08 2019-06-28 이길호 재생 플라스틱의 제조장치 및 그의 제조방법
WO2020220185A1 (zh) * 2019-04-29 2020-11-05 深圳市大疆创新科技有限公司 清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台
CN112625758A (zh) * 2019-09-24 2021-04-09 中国石油化工股份有限公司 智能气化配料系统及方法
CN111289732A (zh) * 2020-03-25 2020-06-16 上海睿聚环保科技有限公司 一种再生塑料的多维度品质评价方法
CN111337393A (zh) * 2020-03-25 2020-06-26 上海睿聚环保科技有限公司 一种再生塑料颗粒杂质的定量评价方法
CN113118065A (zh) * 2021-03-15 2021-07-16 中山大学 一种塑料分选方法、装置、设备和介质
CN113843918A (zh) * 2021-09-27 2021-12-28 董世景 一种废旧塑料再生利用的塑料管道生产工艺
CN114654618A (zh) * 2022-04-01 2022-06-24 镇江赛维尔环保纤维有限公司 一种废弃塑料再生前处理加工设备及其加工工艺
CN114925987A (zh) * 2022-04-29 2022-08-19 武汉工程大学 一种混凝土再生碎石骨料的分级方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117527870A (zh) * 2023-12-07 2024-02-06 东莞信易电热机械有限公司 一种塑胶成型的控制方法及系统
CN117527870B (zh) * 2023-12-07 2024-05-03 东莞信易电热机械有限公司 一种塑胶成型的控制方法及系统

Also Published As

Publication number Publication date
CN116100703B (zh) 2023-11-14
CN117341094A (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
CN116100703B (zh) 一种应用再生材料的塑胶制品制造方法和系统
Van Wijk et al. 3D printing with biomaterials: Towards a sustainable and circular economy
Al-Oqla et al. Predicting the potential of agro waste fibers for sustainable automotive industry using a decision making model
Sreelakshmi et al. Capsule neural networks and visualization for segregation of plastic and non-plastic wastes
JP6418211B2 (ja) 識別情報付与システム、識別情報付与装置、識別情報付与方法及びプログラム
Mao et al. Deep learning networks for real-time regional domestic waste detection
KR20040081767A (ko) 사용이 끝난 플라스틱의 리사이클시스템, 사용이 끝난에이비에스 수지의 재생방법 및 재생 에이비에스 수지
CA2933957A1 (en) Method and system for predicting biocomposite formulations and processing considerations based on product to be formed from biocomposite material
Santos et al. Recycling construction, renovation, and demolition plastic waste: review of the status quo, challenges and opportunities
Kassab et al. Advancing Plastic Recycling: Challenges and Opportunities in the Integration of 3D Printing and Distributed Recycling for a Circular Economy
Soundarya et al. CNN based smart bin for waste management
CN105175858A (zh) 耐磨塑料桶
Sirimewan et al. Deep learning-based models for environmental management: Recognizing construction, renovation, and demolition waste in-the-wild
Chaudhary et al. Material selection for rotational moulding process using grey relational analysis approach
JP2003225646A5 (zh)
Kumar et al. On twin screw extrusion parametric optimisation using hybrid approach of ANOVA and TOPSIS for 3D printing applications
Gabriel et al. Recycled plastic quality indicator development using material testing results and radar chart
Cai et al. Research on Computer Vision-Based Waste Sorting System
Likotiko et al. Garbage content estimation using internet of things and machine learning
Kharmanda A Review on Uncertainty Cases in Additively Manufactured Polylactic Acid Using Fused Filament Fabrication Technique
Li et al. Application of Deep Learning Based on Garbage Image Classification
Oyewale et al. A review and bibliometric analysis of sorting and recycling of plastic wastes
Mynio Recycled material selection for affordable and sustainable homes using large scale additive manufacturing
Dokl et al. A waste separation system based on sensor technology and deep learning: A simple approach applied to a case study of plastic packaging waste
Gabriel et al. Effect of repetitive recycling on the mechanical properties of polypropylene blends based on material value conservation paradigm

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