DE4210157C2 - Verfahren zum Sortieren von Glasbruch - Google Patents
Verfahren zum Sortieren von GlasbruchInfo
- Publication number
- DE4210157C2 DE4210157C2 DE4210157A DE4210157A DE4210157C2 DE 4210157 C2 DE4210157 C2 DE 4210157C2 DE 4210157 A DE4210157 A DE 4210157A DE 4210157 A DE4210157 A DE 4210157A DE 4210157 C2 DE4210157 C2 DE 4210157C2
- Authority
- DE
- Germany
- Prior art keywords
- glass
- measured
- color
- classification
- values
- 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.)
- Expired - Fee Related
Links
- 239000011521 glass Substances 0.000 title claims description 90
- 238000000034 method Methods 0.000 title claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 25
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 14
- 230000003595 spectral effect Effects 0.000 claims description 8
- 239000003086 colorant Substances 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims 6
- 238000005259 measurement Methods 0.000 description 23
- 239000012636 effector Substances 0.000 description 10
- 239000002699 waste material Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000002834 transmittance Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 238000010972 statistical evaluation Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000006063 cullet Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- B07C5/342—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
- B07C5/34—Sorting according to other particular 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
- 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
- B07C5/365—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means
- B07C5/366—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means during free fall of the articles
Landscapes
- Sorting Of Articles (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
Die Erfindung betrifft ein Verfahren zum Sortieren von
Glasbruch, der aus einzelnen zu sortierenden Scherben besteht,
nach Farben. Dabei wird um Glasbruch bei der
Wiederverarbeitung von Altglas nach der Farbe, z. B. grün,
braun und weiß oder auch nur "farbig" und weiß, sortiert. Die
Glasscherben werden vereinzelt, so daß jede Glasscherbe für
sich untersucht werden kann. An den einzelnen Glasscherben
wird die spektrale Absorption oder Transmission bei zwei oder
mehr verschiedenen Wellenlängen gemessen. Daraus können
Meßdaten gewonnen werden, aus denen auf die Farbe der
Glasscherben geschlossen werden kann. Über die Meßdaten
erfolgt eine Klassifizierung. Nach Maßgabe dieser
Klassifizierung werden Steuersignale zur Ansteuerung von
Effektoren erzeugt. Die Effektoren bewirken eine Sortierung
der Glasscherben.
Die DE 34 45 428 C2 beschreibt eine Glas-Sortiereinrichtung,
bei welcher die Glasscherben durch einen Fallschacht fallen.
Dabei fallen die Glasscherben durch Lichtschranken mit einer
Lichtquelle und verschiedenen photoelektrischen Empfängern,
die mit Hilfe von Filtern für verschiedene Wellenlängen
empfindlich gemacht sind. Die Signale der Empfänger werden
integriert. In Abhängigkeit von den Empfängersignalen werden
Effektoren in Form von Abstreifern angesteuert. Die
Glasscherben fallen auf ein Förderband und werden von den
Abstreifern von dem Förderband in verschiedene Behälter
geleitet.
Die EP 04 26 893 A1 beschreibt ebenfalls ein Verfahren und eine
Vorrichtung zum Sortieren von Glasbruch, bei welcher die
Intensität des durch die Scherben geleiteten Lichtes bei zwei
verschiedenen Wellenlängen gemessen wird. Als Meßgröße zur
Charakterisierung des Glases dienen die Differenzen der
Intensitäten des bei den beiden Wellenlängen hindurchtretenden
Lichts. Von den Glasscherben wird eine Fraktion abgetrennt,
bei welcher die Differenz kleiner als ein erster Schwellwert
und die Intensitäten größer als ein zweiter Schwellwert sind.
Diese Glasscherben werden als farbloses Glas angesehen. Die
Schwellwerte stellen die Klassifikationsparameter dar. Als
Effektor dient dabei ein Druckluftstrom.
Bei der DE 37 31 402 A1 dienen Klappen als Effektoren. Die
Unterscheidung der Farben der Glasscherben erfolgt durch
Lichtschranken mit Farbfiltern.
Ein Aufsatz von Germer "Optoelektronischer Glasscherben-
Sortierer" in "messen + prüfen/automatik" (1983), 286-288
beschreibt eine Sortiereinrichtung, bei welcher ebenfalls die
Transmission bei zwei Wellenlängen im Grünen und im Roten
gemessen wird, wobei als Meßgröße zur Charakterisierung der
Art des Glases der Quotient der Transmission dient.
In allen Fällen müssen Schwellwerte als
Klassifizierungsparameter festgelegt werden. Die Festlegung
dieser Schwellwerte bringt Probleme mit sich.
Die US-PS 4 690 284 betrifft die Prüfung von Teilen auf Fehler
mittels niederfrequenter akustischer oder elektromagnetischer
Wellen. Die Klassierung ist hier "gut" oder "schlecht". Die
Teile werden von einem Sender bestrahlt. die reflektierte
Strahlung wird von einer Mehrzahl von Empfängern mit
unterschiedlicher Intensität und Phase empfangen. Zusätzlich
werden die Positionen der auf einer Rutsche bewegten Teile
mittels der Lagesensoren abgegriffen. Es ergibt sich dabei
eine Matrix von Intensitäten und Phasen der verschiedenen
Empfänger für die verschiedenen Positionen. Die Matrix eines
defekten Teils kann mit der Matrix eines intakten Teils
verglichen und daraus ein Fehlersignal abgeleitet werden.
Dieses Verfahren liefert eine sehr große Zahl von Daten, die
schwierig zu verarbeiten sind. Die US-PS 4 690 284 sucht diese
Datenmenge zu reduzieren. Das geschieht durch Vermessung einer
"Fraktion" von guten Teilen. Diese guten Teile liefern an
jedem der Empfänger eine Verteilung der Signale etwa in Form
einer Gauß-Kurve. Diese Gauß-Kurven sind für die verschiedenen
Empfänger unterschiedlich breit. Es werden dann für eine
bestimmte Art von Teil diejenigen Empfänger ausgewählt, für
welche diese Gauß-Kurve möglichst schmal ist und die möglichst
empfindlich auf einen bestimmten Defekt ansprechen. Das
bedeutet, daß das Signal bei Auftreten eines Defektes möglichst
weit von der Gauß-Kurve entfernt ist, also deutlich außerhalb
der Streubreite der guten Teile liegt. Damit wird die Anzahl
der zu verarbeitenden Daten reduziert.
Die durch die Sortierung gebildeten Fraktionen sind um so
wertvoller, je sauberer die Trennung der verschiedenen Farben
des Glases erfolgt. Das gilt insbesondere für farbloses Glas,
wo schon geringe Anteile von farbigem Glas den Wert des
Altglases erheblich herabsetzen. Die Einstellung der
Klassifikationsparameter ist daher sehr kritisch.
Andererseits sind die Werte der Meßgrößen, z. B. des Quotienten
der Transmissionen bei zwei verschiedenen Wellenlängen, für
eine Fraktion von Glasscherben, z. B. von grünem Glas,
keineswegs einheitlich. Diese Werte können innerhalb der
Fraktion in mehr oder weniger weiten Grenzen schwanken. Die
Werte können weiterhin von anderen Einflüssen abhängen,
beispielsweise vom Grad der Verschmutzung oder von der
Umgebungstemperatur oder Luftfeuchtigkeit (Feuchtigkeit,
gefrorene Feuchtigkeit oder Beschlagen von Glasscherben). Die
Einstellung der Klassifikationsparameter ist daher nicht
einfach.
Der Erfindung liegt die Aufgabe zugrunde, bei der Sortierung
von Glasbruch, optimale Klassifikationsparameter zu finden,
die nach objektiven Kriterien bestimmt sind.
Das erfindungsgemäße Verfahren umfaßt die im
Patentanspruch 1 aufgeführten Verfahrensschritte.
Die Einstellung der Klassifikationsparameter erfolgt somit
aufgrund einer Untersuchung der Meßdaten für bestimmte
Fraktionen. Diese Fraktionen, die z. B. nur grüne Glasscherben
der zu erwartenden Art enthalten, werden aufgegeben. Für die
Teile der Fraktionen werden die Werte der Meßgröße und
vorzugsweise deren Häufigkeitsverteilung ermittelt. Es ergeben
sich dann z. B. eine oder mehrere Glockenkurven. Aus diesen
Häufigkeitsverteilungen ergeben sich Klassifikationsparameter,
z. B. Schwellwerte für die Quotienten von Transmissionen, nach
denen die Teile optimal klassifiziert und den verschiedenen
Fraktionen zugeordnet werden können. Diese
Klassifikationsparameter werden dann automatisch eingestellt.
Wird die Einrichtung zum Sortieren von statistisch anderem
Glasbruch oder unter anderen Bedingungen betrieben, kann sie
die dafür optimalen Klassifikationsparameter wieder anhand
Musterfraktionen "lernen".
Ausgestaltungen der Erfindung sind Gegenstand der
Unteransprüche.
Ein Ausführungsbeispiel der Erfindung ist nachstehend unter
Bezugnahme auf die zugehörigen Zeichnungen näher erläutert.
Fig. 1 ist eine schematische Darstellung einer Einrichtung zum
Sortieren von verschiedenfarbigem Altglas.
Fig. 2 ist eine schematische Darstellung der Sensoranordnung
und der Signalverarbeitung bei einer Anordnung nach Fig. 1.
Fig. 3 zeigt die Transmission von verschiedenen Glassorten als
Funktion der Wellenlänge,
Fig. 4 ist ein Diagramm und zeigt die verschiedenen Stufen der
Signalverarbeitung zur Bestimmung der optimalen
Klassifikationsparameter.
Fig. 5 zeigt als Beispiel drei Häufigkeitsverteilungen für die
Meßdaten bei der Einrichtung von Fig. 1 und 2, wenn
nacheinander einheitliche Fraktionen von Altglas
aufgegeben werden.
Fig. 6 zeigt als Beispiel einer "selbst lernenden"
Signalverarbeitung ein neuronales Netz.
In Fig. 1 ist mit 10 eine Rutsche bezeichnet, auf welche
Altglas in Form von Glasbruch aufgegeben werden kann. Die
Rutsche ist so ausgebildet, daß eine Vereinzelung der
Glasscherben stattfindet. Die Glasscherben passieren daher
eine Meßstation 12 einzeln. Die Meßstation 12 enthält eine
Beleuchtungseinrichtung 14 auf einer Seite der dort
lichtdurchlässigen Rutsche 10. Die Beleuchtungseinrichtung 14
schickt weißes Licht durch die vorbeibewegten Glasscherben.
Das Licht wird von einem Sensorkopf 16 empfangen. Mit 18 ist
ein Objektivschutz zum Schutz der im Sensorkopf 16 enthaltenen
Objektive bezeichnet. Die vom Sensorkopf 16 erhaltenen Signale
sind auf eine Rechen- und Steuereinheit 20 geschaltet. Die
Rechen- und Steuereinheit 20 liefert an einem Ausgang 22
Signale zur Ansteuerung eines Effektors 24. Der Effektor ist
hier eine Druckluftdüse, durch welche die vom Ende der Rutsche
10 herabfallenden Glasscherben entweder über eine
Verteilerrutsche 26 in einen ersten Behälter 28 geleitet wird,
wenn der Druckluftdüse keine Druckluft zugeführt wird, oder
über eine Verteilerrutsche 30 in einen zweiten Behälter 32. Es
kann natürlich auch in gleicher Weise eine Verteilung auf drei
Behälter erfolgen.
In Fig. 2 ist schematisch die Meßstation 12 dargestellt. Die
Beleuchtungseinrichtung 14 enthält eine weiße Lichtquelle 34.
Das Lichtbündel von der Lichtquelle 34 wird über ein optisches
System 36 durch die längs einer Bahn 38 vorbeibewegten
Scherben 40 geleitet.
Das Licht wird von dem Sensorkopf 16 erfaßt. Der Sensorkopf 16
enthält zwei photoelektrische Sensoren 42 und 44. Vor den
Sensoren 42 und 44 sind je ein Filter 46 bzw. 48 angeordnet.
Das Licht von der Beleuchtungseinrichtung wird durch eine
Optik 50 bzw. 52 auf dem jeweiligen Sensor 42 bzw. 44
gesammelt.
Die Sensoren 42 und 44 liefern Signale, die der Transmission
des jeweiligen Glases der Scherbe 40 bei der durch das Filter
46 bzw. 48 bestimmten Wellenlänge proportional sind. Nach
(nicht dargestellter) Normierung werden die Signale der
Sensoren 42 und 44 durch Logarithmiermittel 54 bzw. 56
logarithmiert. Das liefert das Transmissionsvermögen des
Glases bei den verschiedenen Wellenlängen jeweils
multipliziert mit der Dicke des Glases. Durch
Quotientenbildung, dargestellt durch Block 58, fällt die Dicke
des Glases heraus, da das Licht beider Wellenlängen durch die
gleiche Dicke von Glas hindurchgelaufen ist.
Die erhaltenen Quotienten sind Meßdaten, die für die Farbe des
Glases charakteristisch sind. Das ist aus Fig. 3 ersichtlich.
Fig. 3 zeigt die Transmissions verschiedener Glassorten in
Abhängigkeit von der Wellenlänge. Man sieht, daß der Quotient
der Transmissionsvermögen bei zwei verschiedenen Wellenlängen
für die Farbe des Glases charakteristisch ist, wenn die
Wellenlängen geeignet gewählt sind.
Der besseren Anschaulichkeit halber sind die Verhältnisse
nachstehend anhand der (nicht logarithmierten) Transmissionen
erläutert.
Mißt man etwa bei einer Wellenlänge in der Nähe des Minimums
60 der Transmissionskurve 62 für grünes Glas und in der Nähe
des Maximums 64 dieser Transmissionskurve 62, dann ergibt der
Quotient für grünes Glas einen Wert in der Nähe von 0,5, für
braunes Glas einen Wert in der Nähe von null, während der
Quotient für weißes Glas etwa eins ist. Legt man zwischen
diese Werte Schwellen und betrachtet Glas, für das der
Quotient etwa kleiner als 0,25 ist als "braun", Glas, bei
welchem der Quotient zwischen 0,25 und 0,75 liegt als "grün"
und Glas, bei dem der Quotient über 0,75 liegt als "weiß",
dann kann man anhand dieser Schwellen das Glas sortieren. Die
Schwellen stellen dabei "Klassifikationsparameter" dar.
Diese Klassifikation anhand des Bereiches in dem der Quotient
der Transmissionsvermögen liegt, ist in Fig. 2 durch Block 66
angedeutet. In Abhängigkeit von der Klassifizierung wird ein
Steuersignal erzeugt. Das ist durch Block 68 dargestellt. Das
Steuersignal steuert den Effektor 24 an. Das ist durch Block
70 dargestellt. Der Effektor 24 leitet die betreffende
Glasscherbe in den ihrer Farbe entsprechenden Behälter.
Es ist einleuchtend, daß die Transmissionskurven z. B. von
grünen Glasscherben nicht alle genau der Kurve 62 von Fig. 3
entsprechen. "Grünes" Glas kann verschiedene Farbtöne und
dementsprechend auch verschiedene Transmissionskurven haben.
Veränderungen der Transmissionskurven treten auch durch
anhaftende Etiketten und sonstige Verschmutzungen auf. Der
Charakter der Transmissionskurve ist zwar im wesentlichen der
gleiche, es treten aber Abweichungen von dem Verlauf nach
Fig. 3 auf. Das führt dann dazu, daß auch die Quotienten der
bei den beiden ausgewählten Wellenlängen gemessenen
Transmissionen in einem gewissen Bereich schwanken können. Die
genaue Festlegung der Schwellen für die Klassifizierung bietet
daher Schwierigkeiten.
Führt man Messungen mit einer Fraktion von Glas bekannter Art,
also z. B. von braunem Glasbruch typischer Zusammensetzung
durch, und klassifiziert die damit erhaltenen Quotienten
("Meßdaten") der Größe nach, dann ergibt sich eine bestimmte
Häufigkeitsverteilung. Eine solche Häufigkeitsverteilung ist
in Fig. 5 durch eine Kurve 72 dargestellt. Führt man
nacheinander die gleichen Mesungen mit typischem Glasbruch von
grünem und weißem Glas durch, so ergeben sich Kurven, wie sie
in Fig. 5 mit 74 und 76 dargestellt sind. Die Kurven von Fig. 5
sind dabei schematisch als eine Art Gaußkurve dargestellt. Sie
können aber durchaus andere Form haben.
Aus den so ermittelten statistischen Häufigkeitsverteilungen
der Meßdaten können die Klassifikationsparameter, also hier
die Schwellen für die Quotienten der Transmissionsvermögen
optimal festgelegt werden. Die Schwelle kann an die Stelle
gelegt werden, wo sich die Kurven 72 und 74 schneiden, wie die
Schwelle 78. Die Schwelle kann aber auch wie bei der Kurve 76
so gelegt werden, daß die Häufigkeit einen bestimmten Wert
unterschreitet. Das ergibt etwa eine Schwelle 80.
Mit einer solchen statistischen Auswertung ergibt sich eine
sicherere Festlegung der Klassifikationsparameter. Diese
Auswertung gestattet eine Optimierung nach bestimmten
Kriterien. Die Festlegung ist unabhängig von Willkür und
Fehleinschätzungen des Benutzers.
Die statistische Auswertung kann benutzt werden, um die
Klassifikationsparameter an der Einrichtung zum Sortieren von
Schüttgut automatisch einzustellen. Das ist in Fig. 4
schematisch dargestellt.
Es wird eine erste Charge z. B. von braunem Glas aufgegeben.
Als Meßdaten werden die Quotienten der Logarithmen der
Intensitäten bei zwei vorgegebenen Wellenlängen gebildet. Das
ist durch Block 82 in Fig. 4 dargestellt. Die so eingegebenen
Meßdaten werden digitalisiert und durch einen Rechner der
Größe nach klassifiziert. Diese Klassifikation ist eine
Feinklassifikation der Meßdaten, die noch nichts mit der
Klassifikation der Glassorten zu tun hat. Diese Klassifikation
entspricht etwa der Teilung der Abszisse in Fig. 5. In Fig. 4
ist die Klassifikation durch Block 84 dargestellt. Der Rechner
addiert die Zahl der Meßgrößen gleicher Klasse auf und bildet
so eine Häufigkeitsverteilung. Das entspräche der Kurve 72 von
Fig. 5. Die Bildung einer Häufigkeitsverteilung ist in Fig. 4
durch den Block 86 dargestellt. Die Häufigkeitsverteilung wird
gespeichert. Das ist durch Block 88 dargestellt.
Nach Speichern der ersten Häufigkeitsverteilung wird eine
Charge von Altglas der nächsten Farbe, also z. B. von grünem
Glasbruch, aufgegeben. Das ist durch eine Schleife 90
symbolisiert. Wenn alle Farben auf diese Weise vermessen sind,
wenn also drei Häufigkeitsverteilungen nach Art von Fig. 5
gespeichert sind, werden die Schwellen oder
Klassifikationsparameter durch den Rechner optimiert. Das ist
durch Block 92 dargestellt. Nach Maßgabe dieser Optimierung
werden in der Anlage automatisch die Klassifikationsparameter
vorgegeben. Das ist in Fig. 4 durch Block 94 dargestellt.
In diese automatische Vorgabe fließen noch andere
Einflußgrößen ein, welche die Meßdaten beeinflussen können.
Das kann z. B. die Temperatur oder die Luftfeuchtigkeit sein.
Der Einfluß solcher Einflußgrößen kann etwa dadurch ermittelt
werden, daß ein und dieselbe Charge von Glasbruch bei
verschiedenen Luftfeuchtigkeiten in der beschriebenen Weise
vermessen wird. Aus einer Luftfeuchtigkeitsmessung (oder
Messung einer sonstigen Einflußgröße), die durch Block 96
dargestellt ist, werden die optimierten
Klassifizierungsparameter modifiziert.
Die beschriebene Einrichtung kann in verschiedener Weise
modifiziert werden. Statt der Logarithmen der Transmissionen
und deren Quotienten können andere Funktionen spektraler
Eigenschaften des zu sortierenden Glases als Meßdaten benutzt
werden. Das beschriebene Prinzip kann auf die Sortierung
anderer Schüttgüter nach anderen Kriterien angewandt werden.
Statt einer Auswertung der statistischen Häufigkeitsverteilung
der Meßdaten kann auch als "selbst lernende"
Signalverarbeitung ein neuronales Netz vorgesehen sein. Ein
solches neuronales Netz ist in Fig. 6 dargestellt.
Mit 100 ist ein neuronales Netz bezeichnet, das mit dem
Algorithmus der "Backpropagation" arbeitet. Das neuronale Netz
hat im vorliegenden Fall fünf Eingänge 102, 104, 106, 108 und
110. Auf diese Eingänge 102, 104, 106, 108 und 110 sind als
Meßdaten die Transmissionen I bei drei verschiedenen
Wellenlängen und die Verhältnisse der Logarithmen der
Transmissionen bei der ersten und der zweiten bzw. bei der
dritten und der zweiten Wellenlänge aufgeschaltet. Das
neuronale Netz hat drei Ausgänge 112, 114 und 116. Der Ausgang
112 ist der Glasfarbe "grün" zugeordnet, der Ausgang 114 ist
der Glasfarbe "braun" zugeordnet und der Ausgang 116 ist der
Glasfarbe "weiß" zugeordnet. In einem Trainingsprozeß werden
wieder Fraktionen z. B. von als Glasbruch vorliegendem Altglas
vermessen. Die Meßdaten für z. B. grünes Glas werden
nacheinander auf die Eingänge 102 bis 110 aufgeschaltet. Der
Ausgang 112 wird auf "Hoch", oder logisch eins, gesetzt. Die
Ausgänge 114 und 116 werden auf "null" gesetzt. Durch
Iterationsschritte entsprechend einem "Backpropagation"-
Algorithmus werden die Gewichte in dem neuronalen Netz
stufenweise in dem Sinne verändert, daß ein "Hoch" oder
"logisch eins" am Ausgang 112 und "logisch null" an den
Ausgängen 114 und 116 durch eingegebene "grüne" Meßdaten
erhalten wird. Es werden also von den Ausgängen 112, 114 und
116 her die an den Eingängen 102 bis 110 eingegebenen Meßdaten
durch iterative Veränderung der Gewichte möglichst angenähert.
Daher wird dieser Algorithmus als "Backpropagation"
bezeichnet. Dieser Algorithmus ist an sich dem Fachmann
geläufig und braucht daher hier nicht im einzelnen beschrieben
zu werden (vgl. z. B. Ritter, Martinetz und Schulten "Neuronale
Netze", 2. Auflage 1991, Addison-Wesley Publishing Company,
insbes. Seiten 53 bis 60). Dieses Trainieren wird dann mit
einer Fraktion von "braunem" Glas und einer Fraktion von
"weißem" Glas wiederholt.
Nach Trainieren des neuronalen Netzes wird bei Eingabe der
Meßdaten von z. B. grünem Glas vorwiegend ein Ausgangssignal an
dem Ausgang 112 erscheinen. Die Signale an den Ausgängen 114
und 116 sind wesentlich schwächer. Entsprechend wird bei
Eingabe von braunem Glas vorwiegend ein Ausgangssignal an dem
Ausgang 114 und bei Eingabe von Meßdaten von weißem Glas
vorwiegend ein Ausgangssignal an dem Ausgang 116 erscheinen.
Die Signale an den jeweils anderen Ausgängen sind wesentlich
schwächer. Durch Vorgabe eines Schwellwertes, dargestellt
durch die Blöcke 118, 120 und 122, können dann eindeutige
Klassifikationsaussagen "grün", "braun" oder "weiß" gewonnen
werden. Nach Maßgabe dieser Klassifikationsaussagen werden die
Effektoren angesteuert, so daß die Glasscherben in den
entsprechenden Behälter sortiert werden.
"Meßdaten" sind hier die auf die Eingänge 102 bis 110
aufgeschalteten Größen. "Klassifikationsparameter" sind die
Gewichte des neuronalen Netzes, die sich nach dem Trainieren
des neuronalen Netzes einstellen.
Die Verwendung eines neuronalen Netzes für die Klassifikation
hat den Vorteil, daß für die Bestimmung der
Klassifikationsparameter die physikalischen Zusammenhänge
zwischen Meßdaten und "Klasse" der zu sortierenden Teile nicht
bekannt zu sein brauchen. Das kann von Bedeutung sein beim
Sortieren von verschmutzten Glasscherben, bei denen solche
Zusammenhänge u. U. unbekannt und nicht ohne weiteres
herleitbar sind.
Claims (4)
1. Verfahren zum Sortieren von Glasbruch, der aus einzelnen zu
sortierenden Scherben besteht, nach Farben, mit den
Verfahrensschritten:
- (a) Vorbereitung einer typischen ersten Fraktion von reinem Glasbruch einer ersten Farbe,
- (b) Messung der spektralen Transmission jeder Scherbe der ersten Fraktion des Glasbruchs bei wenigstens zwei Wellenlängen und Bildung einer Funktion der gemessenen spektralen Transmissionen als Meßgröße,
- (c) Vorbereitung einer typischen zweiten Fraktion von reinem Glasbruch einer zweiten Farbe,
- (d) Messung der spektralen Transmission jeder Scherbe der zweiten Fraktion des Glasbruchs bei wenigstens zwei Wellenlängen und Bildung der besagten Funktion der gemessenen spektralen Transmissionen als Meßgröße,
- (e) Bestimmung von Klassifikationsparametern, die nach vorgegebenen Kriterien optimiert sind, für die Zuordnung von Scherben zu Farben unter Berücksichtigung der in den typischen Fraktionen auftretenden Werte der Meßgröße, und
- (f) Klassifikation von unbekannten Scherben und Zuordnung zu der ersten oder der zweiten Farbe nach den Werten der Meßgröße der unbekannten Scherben mit den aus den typischen Fraktionen bestimmten Klassifikationsparametern.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die
als Meßgröße bestimmte Funktion der spektralen
Transmissionen das Verhältnis der Logarithmen der
spektralen Transmissionen bei zwei Wellenlängen ist und
als Klassifikationsparameter Grenzwerte dieser Meßgröße
bestimmt werden, welche die Klassierung der Teile nach
Farben festlegen.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß zur
Bestimmung der Klassifikationsparameter die
Häufigkeitsverteilung der Werte der Meßgröße in den
verschiedenen Fraktionen des Glasbruches bestimmt und
gespeichert wird.
4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß
- (a) in einem Trainingsvorgang Werte von Meßgrößen einer Fraktion des Glasbruches mit einer bestimmten Farbe nacheinander auf ein neuronales Netz aufgeschaltet werden, dessen Gewichte in dem Trainingsvorgang solange nach einem Algorithmus des neuronalen Netzes veränderbar sind, bis die Werte der Meßgrößen der zu der Fraktion gehörenden Scherben mit der erforderlichen Wahrscheinlichkeiten der betreffenden Farbe zugeordnet werden, wobei diese Gewichte Klassifikationsparameter darstellen, und
- (b) für die Scherben eines unbekannten Glasbruches die Werte der Meßgrößen bestimmt und auf das neuronale Netz aufgeschaltet werden, wobei das neuronale Netz eine Zuordnung oder Nichtzuordnung der Scherben zu der Farbe vornimmt.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4210157A DE4210157C2 (de) | 1992-03-27 | 1992-03-27 | Verfahren zum Sortieren von Glasbruch |
EP93104640A EP0562506A2 (de) | 1992-03-27 | 1993-03-22 | Verfahren und Vorrichtung zum Sortieren von Schüttgut |
US08/035,480 US5333739A (en) | 1992-03-27 | 1993-03-24 | Method and apparatus for sorting bulk material |
JP5069528A JPH0643092A (ja) | 1992-03-27 | 1993-03-29 | 堆積物を選別する方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4210157A DE4210157C2 (de) | 1992-03-27 | 1992-03-27 | Verfahren zum Sortieren von Glasbruch |
Publications (2)
Publication Number | Publication Date |
---|---|
DE4210157A1 DE4210157A1 (de) | 1993-09-30 |
DE4210157C2 true DE4210157C2 (de) | 1994-12-22 |
Family
ID=6455267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE4210157A Expired - Fee Related DE4210157C2 (de) | 1992-03-27 | 1992-03-27 | Verfahren zum Sortieren von Glasbruch |
Country Status (4)
Country | Link |
---|---|
US (1) | US5333739A (de) |
EP (1) | EP0562506A2 (de) |
JP (1) | JPH0643092A (de) |
DE (1) | DE4210157C2 (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT411875B (de) * | 2002-06-19 | 2004-07-26 | Profactor Produktionsforschung | Sortieranlage |
DE102008036069A1 (de) * | 2008-08-04 | 2010-02-25 | Csl Behring Gmbh | Vorrichtung und Verfahren zur Detektion von Glasbruch in einem Durchlauf-Sterilisiertunnel |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4241990C2 (de) * | 1992-12-12 | 1997-02-06 | Rwe Entsorgung Ag | System zum Erkennen und Sortieren von Abfallobjekten |
DE4322865A1 (de) * | 1993-07-09 | 1995-01-12 | Bodenseewerk Geraetetech | Gerät zur Messung der Farbe von Glas, insbesondere von Glasbruch |
JPH07132269A (ja) * | 1993-11-10 | 1995-05-23 | Kanetsuu Eng Kk | カレット色別自動選別機及び選別方法 |
DE4345106C2 (de) * | 1993-12-28 | 1995-11-23 | Reemtsma H F & Ph | Verfahren zum optischen Sortieren von Schüttgut |
DE4415959A1 (de) * | 1994-05-06 | 1995-11-09 | Hergeth Hubert A | Maschine zum Ausscheiden von metallischen Fremdteilen in einem Textilfaserstrom |
US5462176A (en) * | 1994-06-03 | 1995-10-31 | Brown & Williamson Tobacco Corporation | Latex detection system |
DE19511901A1 (de) * | 1995-03-31 | 1996-10-02 | Commodas Gmbh | Vorrichtung und Verfahren zum Sortieren von Schüttgut |
DE69607971T2 (de) * | 1995-08-09 | 2000-08-17 | Alcan International Ltd., Montreal | Verfahren zum sortieren von materialstücken |
EP0775533A3 (de) * | 1995-11-24 | 1998-06-17 | Elpatronic Ag | Sortierverfahren |
FR2752178B1 (fr) * | 1996-08-06 | 1998-10-09 | Vauche P Sa | Machine de tri de bouteilles plastiques et procede mis en oeuvre par la machine |
DE19736536A1 (de) * | 1997-08-22 | 1999-02-25 | Ais Sommer Gmbh | Vorrichtung zur Sortierung von rohstofflichen, vorveredelten oder recycelten Schüttgütern, die aus einzelnen zu sortierenden Teilen bestehen, wobei die Klassifizierung der zu sortierenden Teile nach empirisch bestimmten Klassifikationsparametern erfolgt und das auszusortierende Schüttgut abgeleitet wird |
US6144004A (en) | 1998-10-30 | 2000-11-07 | Magnetic Separation Systems, Inc. | Optical glass sorting machine and method |
US6332573B1 (en) | 1998-11-10 | 2001-12-25 | Ncr Corporation | Produce data collector and produce recognition system |
US6155489A (en) * | 1998-11-10 | 2000-12-05 | Ncr Corporation | Item checkout device including a bar code data collector and a produce data collector |
US6234317B1 (en) | 1999-04-15 | 2001-05-22 | Wolfgang Sommer | Device for sorting raw, pre-treated or recycled bulk material |
US7019822B1 (en) | 1999-04-29 | 2006-03-28 | Mss, Inc. | Multi-grade object sorting system and method |
US6374998B1 (en) | 1999-04-29 | 2002-04-23 | Advanced Sorting Technologies Llc | “Acceleration conveyor” |
US6286655B1 (en) | 1999-04-29 | 2001-09-11 | Advanced Sorting Technologies, Llc | Inclined conveyor |
US6250472B1 (en) | 1999-04-29 | 2001-06-26 | Advanced Sorting Technologies, Llc | Paper sorting system |
US6369882B1 (en) | 1999-04-29 | 2002-04-09 | Advanced Sorting Technologies Llc | System and method for sensing white paper |
AT3418U1 (de) | 1999-04-30 | 2000-03-27 | Waagner Biro Binder Aktiengese | Verfahren und vorrichtung zum sortieren von altpapier |
US6431446B1 (en) | 1999-07-28 | 2002-08-13 | Ncr Corporation | Produce recognition system and method |
DE10011093A1 (de) * | 2000-03-09 | 2001-10-04 | Commodas Gmbh | Sortiervorrichtung und Sortierverfahren für dreidimensionale, insbesondere Hohlkörper |
US6497324B1 (en) | 2000-06-07 | 2002-12-24 | Mss, Inc. | Sorting system with multi-plexer |
US7041926B1 (en) | 2002-05-22 | 2006-05-09 | Alan Richard Gadberry | Method and system for separating and blending objects |
US7081217B2 (en) * | 2002-06-13 | 2006-07-25 | Dan Treleaven | Method for making plastic materials using recyclable plastics |
US7351929B2 (en) * | 2002-08-12 | 2008-04-01 | Ecullet | Method of and apparatus for high speed, high quality, contaminant removal and color sorting of glass cullet |
US8436268B1 (en) | 2002-08-12 | 2013-05-07 | Ecullet | Method of and apparatus for type and color sorting of cullet |
US7355140B1 (en) * | 2002-08-12 | 2008-04-08 | Ecullet | Method of and apparatus for multi-stage sorting of glass cullets |
GB0227039D0 (en) * | 2002-11-20 | 2002-12-24 | Qinetiq Ltd | Apparatus and method for sorting objects by colour |
US7326871B2 (en) * | 2004-08-18 | 2008-02-05 | Mss, Inc. | Sorting system using narrow-band electromagnetic radiation |
US7383695B2 (en) * | 2004-11-12 | 2008-06-10 | Culchrome Llc | Method of analyzing mixed-color cullet to facilitate its use in glass manufacture |
DE202006019722U1 (de) * | 2006-12-29 | 2008-04-30 | Krones Ag | Vorrichtung zum Behandeln von Gefäßen |
US20100230330A1 (en) * | 2009-03-16 | 2010-09-16 | Ecullet | Method of and apparatus for the pre-processing of single stream recyclable material for sorting |
KR101462920B1 (ko) * | 2014-05-27 | 2014-11-26 | 이광훈 | 퇴적물 분류 속도가 향상된, 탄성파 탐사 자료에 의하여 해저면 퇴적물의 종류를 자동 분류하는 방법 |
CN106865156B (zh) * | 2017-04-05 | 2018-10-12 | 张惠雄 | 一种刮板输送机中部槽磨损检测装置及其检测方法 |
DE102017119137A1 (de) * | 2017-08-22 | 2019-02-28 | Sesotec Gmbh | Verfahren zur Detektion und Aussonderung von Sonderglas aus Recyclingglas |
US10512942B2 (en) * | 2017-10-30 | 2019-12-24 | Optisort, Llc | System and method for sorting objects |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE1797327C2 (de) * | 1964-09-25 | 1974-07-25 | Kollmorgen Corp., Garden City, N.Y. (V.St.A.) | Gerät zur Messung des optischen Reflexionsvermögens bzw. der Durchlässigkeit. Ausscheidung aus: 1622484 |
US3737239A (en) * | 1971-07-16 | 1973-06-05 | Hoffmann La Roche | Machine color recognition |
DE2722294A1 (de) * | 1976-05-19 | 1977-12-01 | Ultra Sort Corp | Vorrichtung zum sortieren von gegenstaenden |
US4132314A (en) * | 1977-06-13 | 1979-01-02 | Joerg Walter VON Beckmann | Electronic size and color sorter |
US4259020A (en) * | 1978-10-30 | 1981-03-31 | Genevieve I. Hanscom | Automatic calibration control for color grading apparatus |
DE3039979C2 (de) * | 1980-10-23 | 1984-08-02 | Matthias Ing.(grad.) 8097 Vogtareuth Heinhaus | Anordnung zum optoelektronischen Klassieren von Festkörpern nach Farbe und/oder Strukturbeschaffenheit |
US4476982A (en) * | 1981-04-01 | 1984-10-16 | Sunkist Growers, Inc. | Method and apparatus for grading articles according to their surface color |
IT1205622B (it) * | 1982-12-21 | 1989-03-23 | Illycaffe Spa | Procedimento per effettuare una selezione in un materiale granuliforme e macchina per attuare il procedimento |
DE3445428A1 (de) * | 1984-12-13 | 1986-06-19 | MAB Marlis Kellermann, 7521 Dettenheim | Glas-sortieranlage |
US4690284A (en) * | 1985-10-04 | 1987-09-01 | Cochlea Corporation | Method of and apparatus for inspecting objects using multiple position detectors |
DE3731402A1 (de) * | 1987-06-11 | 1988-12-29 | Mabeg Muell & Abfall | Anlage zur trennung von abfallhohlglaesern, insbesondere von flaschen mindestens nach weiss- und buntglas |
DE3804391A1 (de) * | 1988-02-12 | 1989-08-24 | Hubertus Exner | Verfahren und vorrichtung zum sortieren von altglasbruchstuecken |
US5085325A (en) * | 1988-03-08 | 1992-02-04 | Simco/Ramic Corporation | Color sorting system and method |
US5002397A (en) * | 1988-04-13 | 1991-03-26 | International Integrated Systems, Inc. | System of fluid inspection and/or identification |
EP0342354A3 (de) * | 1988-04-15 | 1992-01-08 | Tecnostral S.A. Industria E Tecnologia | Vorrichtung zur Sortierung nach Farbe |
DE3817026A1 (de) * | 1988-05-19 | 1989-11-23 | Hecht Dieter Dipl Ing Fh | Verfahren und einrichtung zum sortieren von altglas |
US4919534A (en) * | 1988-09-30 | 1990-04-24 | Environmental Products Corp. | Sensing of material of construction and color of containers |
US4992949A (en) * | 1989-01-27 | 1991-02-12 | Macmillan Bloedel Limited | Color sorting of lumber |
DE3914360A1 (de) * | 1989-04-29 | 1990-10-31 | Hubertus Exner | Verfahren und vorrichtung zum verteilen von kleinteilen, wie glasbruchstuecken |
ATE111781T1 (de) * | 1989-11-08 | 1994-10-15 | Siemens Ag | Verfahren und einrichtung zum sortieren. |
FR2660880B1 (fr) * | 1990-04-12 | 1994-10-28 | Bsn Emballage | Procede et dispositif de tri optique numerique d'une masse de particules, telle que, notamment du groisil. |
GB2247312B (en) * | 1990-07-16 | 1994-01-26 | Univ Brunel | Surface inspection |
-
1992
- 1992-03-27 DE DE4210157A patent/DE4210157C2/de not_active Expired - Fee Related
-
1993
- 1993-03-22 EP EP93104640A patent/EP0562506A2/de not_active Withdrawn
- 1993-03-24 US US08/035,480 patent/US5333739A/en not_active Expired - Fee Related
- 1993-03-29 JP JP5069528A patent/JPH0643092A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT411875B (de) * | 2002-06-19 | 2004-07-26 | Profactor Produktionsforschung | Sortieranlage |
DE102008036069A1 (de) * | 2008-08-04 | 2010-02-25 | Csl Behring Gmbh | Vorrichtung und Verfahren zur Detektion von Glasbruch in einem Durchlauf-Sterilisiertunnel |
US8618464B2 (en) | 2008-08-04 | 2013-12-31 | Csl Behring Gmbh | Device and method for detecting broken glass in a conveyor sterilization tunnel |
Also Published As
Publication number | Publication date |
---|---|
US5333739A (en) | 1994-08-02 |
DE4210157A1 (de) | 1993-09-30 |
JPH0643092A (ja) | 1994-02-18 |
EP0562506A3 (de) | 1995-01-25 |
EP0562506A2 (de) | 1993-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE4210157C2 (de) | Verfahren zum Sortieren von Glasbruch | |
DE2737579C2 (de) | Gerät und Verfahren zum Bestimmen der Farbe, der Transparenz und des Reflexionsvermögens von Gegenständen, insbesondere Edelsteinen | |
DE69223109T2 (de) | Gerät zur Kontrolle der Verunreinigungen in einer Faserprobe | |
EP2598860B1 (de) | Verfahren, sensoreinheit und maschine zum detektieren von "zuckerspitzen"-defekten in kartoffeln | |
EP1752228B1 (de) | Verfahren und Vorrichtung zur Detektion und Sortierung von Glas | |
CH639570A5 (de) | Verfahren zum sortieren von pflanzlichen gegenstaenden, insbesondere von landwirtschaftlichen produkten. | |
DE3741940C2 (de) | Farbsensor | |
DE68908094T2 (de) | Teilchenmessvorrichtung. | |
DE60201684T2 (de) | Verfahren zum sortieren von aus einem organischen material bestehenden gegenständen | |
DE69921021T2 (de) | Verfahren zum Unterscheiden von Produkteinheiten und Vorrichtung dazu | |
DE2340008A1 (de) | Reflektometer | |
DE69132310T2 (de) | Verfahren und vorrichtung zur untersuchung eines gegenstandes | |
EP3842788B1 (de) | Nah-infrarot-spektralsensor zur objekterkennung mittels maschinenlernverfahren, und entsprechendes verfahren | |
DE4406228C2 (de) | Verfahren um aus einem Strom von Gegenständen nicht-akzeptable Güter und Fremdgegenstände auszusortieren | |
CH634411A5 (en) | Method for determining suitable optical wavelengths, for distinguishing test objects optically, and appliance required therefor and application of the method | |
DE4340918C2 (de) | Verfahren und Vorrichtung zum Erzeugen eines gleichförmigen Amplitudensignals in einem zu sortierenden Produktstrom | |
DE4127903C2 (de) | Anordnung und Verfahren zur Qualitäts- und Größensortierung von Produkten und Artikeln | |
DE2247205C3 (de) | Vorrichtung zum Vergleich der spektralen Remission farbiger Flächen | |
EP0166899A2 (de) | Verfahren zur Untersuchung von Kunststoffkörpern | |
DE3401475C2 (de) | ||
DE3045344C2 (de) | ||
DE102005038738A1 (de) | Verfahren und Vorrichtung zum Prüfen eines frei fallenden Objekts | |
EP0483607B1 (de) | Verfahren zum Feststellen einer Eigenschaft eines Faserverbandes | |
DE4023979A1 (de) | Sortiervorrichtung unter verwendung von transmittierter strahlung | |
DE2116782C3 (de) | Verfahren und Vorrichtung zur Bestimmung des Volumens pro Längeneinheit von fadenförmigen Erzeugnissen der Textilindustrie |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |