ES2276103T3 - Un sistema y un metodo para clasificar objetos automaticamente. - Google Patents
Un sistema y un metodo para clasificar objetos automaticamente. Download PDFInfo
- Publication number
- ES2276103T3 ES2276103T3 ES03756448T ES03756448T ES2276103T3 ES 2276103 T3 ES2276103 T3 ES 2276103T3 ES 03756448 T ES03756448 T ES 03756448T ES 03756448 T ES03756448 T ES 03756448T ES 2276103 T3 ES2276103 T3 ES 2276103T3
- Authority
- ES
- Spain
- Prior art keywords
- sensor
- neutrons
- gamma
- sensor device
- objects
- 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 - Lifetime
Links
- 238000000034 method Methods 0.000 title claims description 54
- 238000005259 measurement Methods 0.000 claims abstract description 64
- 230000005855 radiation Effects 0.000 claims abstract description 36
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000004907 flux Effects 0.000 claims abstract description 6
- 238000003947 neutron activation analysis Methods 0.000 claims abstract description 5
- 239000000126 substance Substances 0.000 claims description 33
- 238000001228 spectrum Methods 0.000 claims description 28
- 239000000463 material Substances 0.000 claims description 23
- 239000001257 hydrogen Substances 0.000 claims description 21
- 229910052739 hydrogen Inorganic materials 0.000 claims description 21
- 239000002699 waste material Substances 0.000 claims description 17
- 239000000523 sample Substances 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 5
- 229910052782 aluminium Inorganic materials 0.000 claims description 5
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 229910052742 iron Inorganic materials 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 5
- 229910052710 silicon Inorganic materials 0.000 claims description 5
- 239000010703 silicon Substances 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 239000003575 carbonaceous material Substances 0.000 claims description 4
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims 2
- 239000002023 wood Substances 0.000 description 29
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 14
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 7
- 239000004033 plastic Substances 0.000 description 7
- 229920003023 plastic Polymers 0.000 description 7
- 229910052785 arsenic Inorganic materials 0.000 description 6
- 229910052799 carbon Inorganic materials 0.000 description 6
- 229910052804 chromium Inorganic materials 0.000 description 6
- 239000011651 chromium Substances 0.000 description 6
- 229910052802 copper Inorganic materials 0.000 description 6
- 239000010949 copper Substances 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 6
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 5
- 150000002431 hydrogen Chemical class 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 4
- 229910001385 heavy metal Inorganic materials 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004064 recycling Methods 0.000 description 4
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 3
- 239000004698 Polyethylene Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 229910052796 boron Inorganic materials 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- -1 polyethylene Polymers 0.000 description 3
- 229920000573 polyethylene Polymers 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 239000012188 paraffin wax Substances 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 241001497337 Euscorpius gamma Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 125000004429 atom Chemical group 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000000326 densiometry Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010791 domestic waste Substances 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010202 multivariate logistic regression analysis Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000010819 recyclable waste Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- ZIQRIAYNHAKDDU-UHFFFAOYSA-N sodium;hydroiodide Chemical compound [Na].I ZIQRIAYNHAKDDU-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 229910052716 thallium Inorganic materials 0.000 description 1
- BKVIYDNLLOSFOA-UHFFFAOYSA-N thallium Chemical compound [Tl] BKVIYDNLLOSFOA-UHFFFAOYSA-N 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000010875 treated wood Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- B07C5/346—Sorting according to other particular properties according to radioactive properties
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
- Threshing Machine Elements (AREA)
- Sorting Of Articles (AREA)
Abstract
Un sistema de clasificar automáticamente objetos, donde dicho sistema incluye: ¿ un mecanismo transportador (301) configurado para transportar al menos un objeto (308) a un dispositivo clasificador (304); ¿ un dispositivo sensor (302) dispuesto de modo que los objetos transportados (308) se sitúen esencialmente dentro de un espacio de lectura predeterminado (6); y ¿ una unidad calculadora/de clasificación (303) configurada para recibir del sensor (306) una señal eléctrica que representa datos de medición de dicho dispositivo sensor (302) y configurada para generar y emitir una señal de control (307) a dicho dispositivo clasificador (304) configurado para clasificar objetos transportados (308) en base a dicha señal de control (307), caracterizado porque ¿ dicho dispositivo sensor se basa en análisis por activación de neutrones gamma inmediatos (PGNAA) y incluye - una fuente de neutrones (2) configurada para emitir neutrones; - un moderador (4) rodeando dicha fuente de neutrones (2) y dicho espacio de medición (6), y configurado para moderar dichos neutrones emitidos; y - un detector (8) configurado para detectar radiación gamma emitida por un objeto (308) dispuesto dentro de dicho espacio de medición (6) cuando el objeto (308) está expuesto a un flujo de neutrones con una distribución de energía dada, y generación de dicha señal eléctrica del sensor (306) en base a dicha detección; y ¿ dicha señal de control (307) es generada en base a dicha señal de sensor (306).
Description
Un sistema y un método para clasificar objetos
automáticamente.
Esta invención se refiere a un sistema y un
método de clasificar automáticamente objetos, incluyendo objetos
contenidos en un flujo de residuos.
Más específicamente la invención se refiere a un
sistema (y un método correspondiente) incluyendo un mecanismo
transportador configurado para transportar un objeto a un
dispositivo clasificador; un dispositivo sensor dispuesto de modo
que el objeto transportado se sitúe esencialmente dentro de un
espacio de lectura predeterminado; y una unidad calculadora
configurada para recibir una señal eléctrica del sensor
representativa de datos de medición de dicho dispositivo sensor y
configurada para generar y emitir una señal de control a dicho
dispositivo clasificador configurado para clasificar objetos
transportados en respuesta a/en base a dicha señal de control.
A menudo es ventajoso ser capaz de clasificar
objetos en base a una clase asociada de varias clases posibles. A
veces la cantidad de clases posibles es limitada incluyendo
solamente unas pocas clases, tal como "metálico" y "no
metálico", por ejemplo cuando se han de clasificar flujos de
residuos medioambientalmente problemáticos. En ese caso es
necesario poder determinar características comunes de cada objeto
clasificado perteneciente a una clase específica, estando
relacionadas dichas características con el objeto de la clase dada a
pesar de posibles variaciones dentro de cada clase.
La clasificación de flujos de material es
sumamente importante en gran número de procesos de producción, y en
el establecimiento de una economía de materiales socialmente viable,
la clasificación de flujos de residuos desempeñará un papel cada
vez más importante. La clasificación puede cumplir la finalidad, por
ejemplo, de minimizar o eliminar la presencia de sustancias nocivas
en flujos reciclables de residuos. La clasificación también se
puede usar en conexión con la supervisión en línea de flujos de
salida de plantas que tratan residuos domésticos o tipos
particulares de residuos, donde los residuos producidos, por ejemplo
el lodo de plantas de combustión, tienen que observar valores
umbral en respecto a varias sustancias elementales con el fin de
que sean adecuadas para reciclado o para ser depositadas de forma
muy barata.
La clasificación también puede tener la
finalidad de asegurar una concentración mínima de un componente
deseado en conexión con el reciclado.
La separación de materiales en caso de
clasificación manual es a menudo errónea en caso de los flujos de
material, donde las características visuales de los objetos son muy
similares, y además este tipo de clasificación requiere recursos
considerables, por ejemplo en caso de tareas manuales. Cuando se
trata de clasificación de residuos, donde la categorización
correcta es de la máxima importancia primariamente por
consideraciones medioambientales, dicha clasificación manual con un
riesgo de una alta frecuencia de errores de clasificación es
indesea-
ble.
ble.
La clasificación, por ejemplo, de madera
impregnada a presión de madera no impregnada no es una cuestión
simple, puesto que puede ser una tarea sumamente difícil distinguir
estas dos una de otra, en particular con respecto a la edad de la
madera y/o si la superficie de la madera está recubierta.
Se tratan típicamente dos tipos de residuos de
madera en los que es importante distinguir entre:
- \text{*}
- madera impregnada a presión: típicamente esta madera se deposita temporalmente por contiene, en gran medida, grandes cantidades de metales pesados, tales como cobre, cromo, arsénico y boro. Actualmente no hay ningún método de tratamiento medioambientalmente aceptable y económicamente viable.
- \text{*}
- madera no impregnada a presión: puede ser desechada por incineración.
Según un estudio (Iben V. Kristensen:
Identifikation og sortering af affaldstrae vha. Farvereaktion
(Identificación y clasificación de madera residual por reacción de
color), Taller i Affaldsstrategier for impregnerettrae (Taller
sobre estrategias de residuos para madera impregnada) Boras
2001-11-14) aproximadamente 60% de
la madera residual no impregnada se clasificaba erróneamente como
madera impregnada en procesos de clasificación manual.
Correspondientemente aproximadamente 16% de la madera residual
impregnada se clasificaba erróneamente como madera no
impregnada.
Este alto porcentaje de errores es
medioambientalmente inaceptable, en particular a la luz de la
circunstancia de que la cantidad de madera residual impregnada se
espera que se multiplique en los próximos años. Como se ha
mencionado, la madera impregnada a presión contiene típicamente
metales pesados tales como cobre, cromo, arsénico y boro que son
contaminantes inaceptables.
Los métodos de analizar químicamente una
cantidad de metal pesado presente en un objeto dado son conocidos.
Sin embargo, es inconveniente aplicar tal método por ejemplo en la
clasificación de objetos residuales, dado que la cantidad de madera
residual se incrementa y tal análisis es lento y económicamente
engorroso.
Es por lo tanto ventajoso a proporcionar un
sistema por el que se pueda clasificar objetos de manera simple,
fiable, conveniente y racional.
La descripción de la Patente de Estados Unidos
número 4.830.193 se refiere a clasificar terrones de minerales
auríferos por medio de análisis de activación de neutrones, donde se
producen radiación gamma e irradiación neutrónica en tiempos
diferentes. Más específicamente, los terrones de mineral son
clasificados en dos grupos dependiendo del tamaño y son irradiados,
después de lo que se mide la intensidad de rayos gamma, que tienen
una energía de 297 KeV, y se aceptan o rechazan en respuesta a la
intensidad medida a 297 KeV.
La Patente británica número 2 055 465 también se
refiere a la determinación del contenido de oro de un material
mediante el uso de análisis de activación de neutrones, donde el
material es irradiado con neutrones y donde la intensidad de los
rayos gamma que tienen una energía de 279 KeV (se preveía
probablemente 297 KeV) se determinó posteriormente con el fin de
lograr aceptación o rechazo.
La Patente EP 0 059 033 se refiere a la
clasificación de mineral, donde el mineral es bombardeado con
neutrones por varias unidades de irradiación para formar isótopos.
La radiación gamma, emitida por isótopos de elementos tales como
oro, es detectada por varios detectores, permitiendo por ello la
identificación de los isótopos. Afirma que normalmente es preciso
que todas las partículas de mineral se sometan a al menos
sustancialmente la misma cantidad de irradiación y se facilita una
solución.
EP-A-096 092
describe un sistema según el preámbulo de la reivindicación 1.
Por lo tanto, el objeto de la invención es
proporcionar un sistema que es capaz de clasificar de forma
eficiente, fiable y barata objetos con vistas a clasificarlos en
base a criterios específicos por medios de un sistema sensor sin
contacto y conveniente.
Este objeto se realiza con un sistema del tipo
mencionado anteriormente, y donde dicho dispositivo sensor se basa
en análisis por activación de neutrones gamma inmediatos (PGNAA) e
incluye una fuente de neutrones configurada para emitir neutrones;
un moderador rodeando dicha fuente de neutrones y dicho espacio de
medición, y configurada para moderar dichos neutrones emitidos; y
un detector configurado para detectar radiación gamma emitida por
un objeto dispuesto dentro de dicho espacio de medición cuando el
objeto se expone a un flujo de neutrones con una distribución de
energía dada; y generación de dicha señal eléctrica del sensor en
base a dicha detección; y donde dicha señal de control es generada
en base a dicha señal de sensor.
Con ello se obtiene una clasificación automática
conveniente y fiable de objetos, por lo que la frecuencia de
clasificación errónea se reduce drásticamente, usando el sistema
otro método de análisis y más fiable que el usado previamente. Un
sistema según la invención presenta la ventaja de que, además de ser
automatizado, el número de errores de clasificación se reduce a un
nivel suficiente para cumplir los requisitos impuestos con respecto
al
entorno.
entorno.
Típicamente un sistema según la invención puede
multiplicar el número de objetos procesados en comparación con
métodos anteriores.
El sistema de clasificación puede ser
configurado por ejemplo para clasificar madera en madera conteniendo
metales pesados o madera no conteniendo metales, respectivamente.
Alternativamente el sistema de clasificación puede ser configurado
para clasificar plástico en plástico conteniendo PVC o plástico sin
PVC.
Según una realización alternativa dicho
dispositivo sensor incluye además un blindaje gamma y/o un blindaje
neutrónico, donde dicho blindaje gamma está situado entre dicha
fuente y dicho espacio de medición, y/o donde dicho blindaje
neutrónico está situado entre dicho detector y dicho espacio de
medición.
Con ello se obtiene una minimización del flujo
de neutrones térmicos al detector debido al blindaje/protector
neutrónico que produce un amortiguamiento del nivel de ruido
medido.
Según una realización preferida, dicho
dispositivo sensor incluye además un blindaje gamma dispuesto
alrededor de dicha fuente de neutrones, minimizando por ello la
radiación directa de gamma de la fuente de neutrones a dicha fuente
de neutrones.
Según una realización dicho sistema de
clasificación está configurado para clasificar un flujo de
residuos.
Según una realización preferida dicha detección
se realiza sin contacto en relación al objeto. Con ello se logra
una reducción de los costos operativos debido, entre otras cosas, al
desgaste mínimo que tiene lugar en conexión con una realización sin
toque y economías con respecto a la mano de obra.
Según una realización se obtiene una estimación
de la cantidad de material de muestra en dicho espacio de medición
en base a radiación gamma de una sustancia elemental, por ejemplo
hidrógeno, aluminio, silicio o hierro, presente en la muestra de
material en una concentración conocida.
La tecnología de sensor descrita se designa
Análisis por Activación de Neutrones Gamma Inmediatos (PGNAA) y es
una técnica conocida.
Por PGNAA el objeto se irradia con neutrones con
energía cinética relativamente baja (denominada neutrones térmicos)
procedente de una fuente adecuada, por lo que los núcleos de las
sustancias elementales son inestables y vuelven inmediatamente a un
estado de energía reducida emitiendo al mismo tiempo radiación gamma
con una energía característica.
Más específicamente, una reacción entre un
núcleo atómico y un neutrón térmico se designa captura de neutrones
y da lugar a que el peso atómico del núcleo cambie
correspondientemente a la masa del neutrón. Este proceso dejará el
núcleo en un estado excitado/rico en energía, del que decae
momentáneamente emitiendo al mismo tiempo radiación gamma
característica del núcleo en cuestión. Esta radiación gamma se
designa "gamma inmediata" porque es emitida
momentáneamente.
Los neutrones y la radiación gamma resultante
son muy penetrantes y de ello se deduce que incluso objetos masivos
puede a menudo ser analizados en modo sin contacto. Un método de
Análisis por Activación de Neutrones Gamma Inmediatos (PGNAA) se
basa en el hecho de que todas las sustancias elementales pueden
reaccionar con neutrones de baja energía, los denominados
"neutrones térmicos".
Las varias sustancias elementales tienen
capacidades muy diferentes cuando reaccionan con neutrones térmicos.
Esta capacidad se designa por un valor designado típicamente la
sección transversal reactiva que varía más de 11 factores de valor
en toda la tabla periódica de las sustancias elementales sin
sistemática evidente.
Aparte de la sección transversal reactiva, la
sensibilidad a PGNAA de una sustancia elemental dada varía, por una
parte, con la cantidad y el tipo de la radiación gamma emitida y,
por la otra, con la naturaleza del sistema detector.
Esta técnica de análisis es adecuada para
detectar objetos tratados que no son fácilmente distinguibles
visualmente, tal como madera impregnada a presión, puesto que, por
una parte, es posible medir a través de objetos voluminosos tal
como postes y puntales relativamente no afectados por capas
superficiales tales como pintura y, por la otra, donde las
sustancias elementales tal como cobre, cromo, arsénico y boro tienen
secciones transversales reactivas tan altas que parece posible una
determinación de las concentraciones.
Que se sepa, el uso práctico de PGNAA se ha
limitado a la caracterización de carbón en centrales eléctricas,
mineral dentro de la industria minera y mezclas de materias primas
para hornos de cemento y análogos. La invención muestra cómo se
puede usar PGNAA también para clasificar residuos. Se usa
típicamente una realización, donde dicho dispositivo sensor usa
primariamente hidrógeno como moderador debido al alto efecto
moderador del hidrógeno.
Según una realización alternativa dicho
dispositivo sensor incluye primariamente material carbono como
moderador (más bien que hidrógeno). La sección transversal de
dispersión del carbono y por lo tanto su rendimiento como moderador
es menor que el rendimiento de hidrógeno; sin embargo, el carbono
tiene una sección transversal de absorción mucho menor, que implica
de nuevo mejor utilización de neutrones y considerablemente menos
ruido en forma de radiación gamma indeseada. También el uso de un
moderador pobre en hidrógeno permite una medición casi directa del
contenido de hidrógeno del objeto, en base al que se puede calcular
una estimación de la cantidad de madera en el espacio de lectura;
esta medición parcial es necesaria para determinar la concentración
dentro de un
objeto.
objeto.
Según una realización, el sistema está
configurado para recibir mediciones de objetos de una clasificación
conocida; y donde la unidad de clasificación incluye medios para
calcular factores de peso a partir de varias sumas ponderadas
establecidas por un análisis de datos multivariable, calibración en
un método iterativo por el que un refinado incremental proporciona
sucesivamente un mejor conjunto de factores de peso.
Según una realización alternativa, dicha señal
de control la proporciona la unidad de clasificación en base a
señales incluyendo dichos factores de peso y dicha señal de
sensor.
Según una realización, dicha señal de sensor
incluye un espectro gamma que representa la intensidad de radiación
gamma registrada dentro de un rango dado de fotones/energía.
Según una realización, dicha señal de control
(307) se obtiene en base a la diferencia entre una señal de sensor
(306) y un espectro de referencia predeterminado obtenido con
espacio de medición vacío (6) y almacenado en una unidad de memoria
(403).
La invención también se refiere a un método de
clasificar automáticamente objetos, donde el método incluye
- \text{*}
- transportar al menos un objeto a un dispositivo clasificador;
- \text{*}
- donde dicho transporte hace que los objetos transportados estén esencialmente dentro de un espacio de lectura predeterminado de un dispositivo sensor; y
- \text{*}
- recibir una señal eléctrica del sensor que representan datos de medición en una unidad de cálculo/unidad de clasificación de dicho dispositivo sensor y generar y emitir una señal de control a dicho dispositivo clasificador configurado para clasificar objetos en base a dicha señal de control;
- donde el método incluye además
- \text{*}
- emitir neutrones de una fuente de neutrones en dicho dispositivo sensor;
- \text{*}
- moderar dichos neutrones emitidos por medio de un moderador en dicho dispositivo sensor, donde dicho moderador rodea dicha fuente de neutrones y dicho espacio de medición;
- \text{*}
- detectar, en base a Análisis por Activación de Neutrones Gamma Inmediatos (PGNAA) por un detector en dicho dispositivo sensor, radiación gamma emitida de un objeto dentro de dicho espacio de medición cuando se expone a un flujo de neutrones con una distribución de energía dada, y proporcionar dicha señal de sensor en dicho dispositivo sensor en base a dicha detección; y
- \text{*}
- generar dicha señal de control en base a dicha señal de sensor.
Según una realización, el método incluye
minimización del flujo de neutrones térmicos al detector por medio
de un blindaje gamma y/o un blindaje neutrónico en dicho dispositivo
sensor; donde dicho blindaje gamma está dispuesto entre dicha
fuente y dicho espacio de medición y/o donde dicho blindaje
neutrónico está dispuesto entre dicho detector y dicho espacio de
medición.
Según una realización, el método incluye
minimización adicional de radiación directa gamma de la fuente de
neutrones a dicho detector por medio de un blindaje gamma dispuesto
alrededor de dicha fuente de neutrones en dicho dispositivo sensor,
de modo que la radiación de rayos gamma de la fuente al detector se
atenúe.
Según una realización, el método incluye
clasificar un flujo de residuos.
Según una realización, dicha detección se
realiza sin contacto con respecto al objeto.
Según una realización, se obtiene una estimación
de la cantidad de material de muestra en dicho espacio de medición
en base a radiación gamma de una sustancia elemental, por ejemplo
hidrógeno, aluminio, silicio o hierro, presente en la muestra de
material en una concentración conocida.
Según una realización, dicho dispositivo sensor
incluye primariamente material de carbono como moderador.
Según una realización, el método incluye la
recepción de mediciones de objetos de una clasificación conocida y
el cálculo de factores de peso de varias sumas ponderadas
establecidas por un análisis de datos multivariable, calibración o
un método iterativo por el que el refinado incremental produce
sucesivamente un mejor conjunto de factores de peso.
Según una realización, el método incluye además
que dicha señal de control la proporciona la unidad de clasificación
en base a señales incluyendo dichos factores de peso y dicha señal
de sensor.
Según una realización, se usa análisis de
conglomerados como un paso al generar automáticamente sugerencias
para categorizar objetos muestra en base a configuraciones sobre
datos de medición correspondientes a dichos objetos.
Según una realización dicha señal de sensor
incluye un espectro gamma que representa intensidad de radiación
gamma registrada dentro de un rango dado de fotones/energía.
Según una realización, dicha señal de control
(307) se obtiene en base a la diferencia entre una señal de sensor
(306) y un espectro de referencia predeterminado recibido con
espacio de medición vacío (6) y almacenado en una unidad de memoria
(403).
El método según la invención y sus realizaciones
corresponden al sistema según la invención y sus realizaciones y
presentan las mismas ventajas por las mismas razones.
La invención se explicará ahora con más detalle
a continuación con referencia al dibujo; donde
La figura 1 ilustra esquemáticamente una sección
transversal de una realización de un dispositivo sensor según la
invención.
La figura 2 ilustra esquemáticamente una sección
transversal de una realización alternativa de un dispositivo sensor
según la invención.
La figura 3 ilustra una realización con
mecanismo transportador, sensor y dispositivo clasificador y una
unidad de clasificación.
La figura 4 representa una realización de una
unidad de clasificación según la invención.
La figura 5 muestra ejemplos de espectros
PGNAA.
La figura 1 ilustra esquemáticamente una sección
transversal de una parte de una realización de un dispositivo
sensor (302) según la invención e incluyendo una fuente de neutrones
(2), un moderador (4), un espacio de medición (6), un blindaje
gamma (3), un blindaje neutrónico/protector neutrónico (10) y un
detector/sensor (8).
La fuente de neutrones (2) emite un flujo de
neutrones, es decir, neutrones con alta energía cinética, y está
rodeada por un moderador (4) que cumple la finalidad de moderar los
neutrones a velocidades térmicas. El moderador (4) incluye un
volumen masivo de un material que tiene un gran contenido de varias
sustancias elementales (por ejemplo hidrógeno y carbono) con altas
secciones transversales de dispersión como parafina, polietileno,
grafito o agua. En el moderador (4) se forma por ello una zona
conteniendo neutrones térmicos que, después de varias dispersiones,
ya no tienen una dirección predominante. En esta realización, el
espacio de medición/la zona de medición tridimensional (6) tiene un
volumen/espacio bien definido dentro del que se estable un flujo de
neutrones uniforme y alto mediante una conformación conveniente del
moderador (4) que rodea típicamente, en grado grande o pequeño,
dicho espacio de medición (6). El espacio de medición (6) puede
tener muchas configuraciones diferentes, por ejemplo dependiendo de
los objetos relevantes a clasificar.
El detector (8) que captura radiación gamma
emitida por objetos dispuestos dentro del espacio de medición (6)
será típicamente sensible a neutrones térmicos y radiación gamma
emitida por la fuente de neutrones (2) y el moderador (4) y
radiación de nucleidos naturales en el entorno del dispositivo
sensor. Preferiblemente, los materiales de blindaje gamma (3) y
neutrónico (10) se dispondrán en lugares convenientes dentro de la
zona de lectura. El detector (8) puede ser, por ejemplo, del tipo de
escintilación, por ejemplo sodio-yodo dopado con
talio; pero también puede ser de otros tipos, por ejemplo, el tipo
semiconductor. Sin embargo, los últimos detectores presuponen
típicamente un enfriamiento, por ejemplo por medio de nitrógeno
líquido, que hace que su uso práctico sea bastante difícil.
En la práctica, todas las fuentes de neutrones,
tal como isótopo o fuentes basadas en acelerador, emiten casi
exclusivamente neutrones con alta energía cinética (dentro de un
rango 10^{6}-10^{7} eV). Para lograr neutrones
térmicos (energía cinética de un rango de 0,025 eV) la fuente está
rodeada por el moderador (4) que consta de un material de alta
sección transversal de dispersión y una sección transversal de baja
absorción. Preferiblemente, el moderador consta de materiales
conteniendo hidrógeno, tal como agua, parafina o polietileno, etc.
En tal moderador un neutrón, durante su duración dentro del
material, se dispersará elásticamente varias veces y, como se ha
descrito previamente, perderá energía en cada colisión hasta que el
nivel de energía corresponda al movimiento térmico de los átomos
del
moderador.
moderador.
Preferiblemente, se usa un material moderador
que contiene primariamente carbono en lugar de hidrógeno. La
sección transversal de dispersión de carbono y por lo tanto su
rendimiento como moderador es menor que el rendimiento de
hidrógeno; sin embargo, el carbono tiene una sección transversal de
absorción mucho menor que, a su vez, significa que se realiza una
mejor utilización de neutrones y mucho menos ruido en forma de
radiación gamma indeseada. Adicionalmente, el uso de un moderador
pobre en hidrógeno permite una medición casi directa del contenido
de hidrógeno del objeto, en base al que se puede calcular una
estimación de la cantidad de material (por ejemplo plástico o
madera) contenido en el espacio de lectura, puesto que esta medición
parcial es un requisito con el fin de permitir la determinación de
la concentración de un objeto.
Después del procesado inicial de varios eventos
de detección recogidos por el detector (8) en varios rangos gamma
dentro de un tiempo predeterminado, estos datos se someten a una
transformación; obteniéndose sumas ponderadas del conjunto de
variables de medición. Para un sensor PGNAA cada variable individual
está constituida por el número de eventos detectores obtenidos por
unidad de tiempo dentro de un rango de energía cuántica gamma dada.
Los factores de peso para calcular las sumas ponderadas pueden ser
proporcionados por análisis de regresión multivariable, por
calibración o por un método iterativo, por el que se lleva a cabo un
mejor conjunto de factores de peso por refinado incremental. El
análisis multivariable se basa en un acercamiento a multidatos
caracterizado porque las configuraciones de variación subyacentes
son identificadas y usadas por medio de métodos conocidos por
estadística matemática. Por ejemplo, las señales de sensores PGNAA
son multivariables, porque la señal individual está presente como
una pluralidad de variables. Para calibración, se puede usar
mediciones de conjuntos de objetos que tienen una clasificación
conocida. Un punto de referencia en un espacio multidimensional de
varias dimensiones correspondientes al número de variables de
medición está asociado con cada clase o clasificación individual.
El punto de referencia individual puede ser calculado como la media
de los puntos de medición que representan los objetos pertenecientes
a la clase relevante.
PGNAA puede ser utilizado para un análisis de
sustancias elementales en profundidad sin contacto, por ejemplo, de
residuos o material de reciclado. Los neutrones así como la
radiación gamma resultante medida por el sistema detector son muy
penetrantes, incluso los objetos sólidos pueden ser analizados a
menudo sin contacto por este método. Dado que los sistemas sin
contacto no tienen el mismo grado de desgaste que en el caso de
sistemas con contacto, por lo tanto es deseable usar sistemas sin
contacto para una aplicación tal como, por ejemplo, clasificación
de residuos, dado que muy a menudo los objetos a analizar consisten
en fragmentos de formas muy variables. Además, se puede incrementar
típicamente la tasa a la que un flujo de objetos puede ser
procesado.
La señal de medición para un objeto dado se
define preferiblemente como el cambio simultáneo de todas las
variables detectadas cuando un objeto es transportado a través del
espacio de lectura y posteriormente medido durante un intervalo de
tiempo relativo a una medición con un espacio de medición vacío. En
general, la información en base a la que la unidad de clasificación
se ha de concluir se describe como un vector que consta de una
secuencia de valores numéricos.
Idealmente, una sustancia elemental dada en el
espacio de medición dará origen a una señal de medición de una
configuración dada y proporcional a la cantidad de la sustancia
elemental relevante. La señal de medición general es entonces la
suma de estas contribuciones.
La figura 2 ilustra esquemáticamente una sección
transversal de una parte de una realización alternativa de un
sistema sensor según la invención. La fuente de neutrones (2) y un
blindaje gamma (5), por ejemplo un blindaje de plomo, alrededor de
la misma está dispuesta de modo que se minimice la radiación directa
de gamma de la fuente de neutrones (2). El espacio de medición (6)
está situado cerca de la fuente donde el flujo de neutrones es alto
y un material moderador comparativamente grueso (4) entre el
detector (8) y la fuente (2) y un blindaje neutrónico (10)
minimizan el flujo de neutrones intermedios al detector (8) que
produce una atenuación del nivel de ruido medido.
La figura 3 ilustra una realización del sistema
según la invención incluyendo un mecanismo transportador (301), un
sensor (302), un dispositivo clasificador (304) y una unidad de
clasificación (303). Preferiblemente, además del dispositivo sensor
descrito (302), el sistema incluye un mecanismo transportador (301)
para transportar objetos (208) a y del espacio de medición/zona de
lectura (6); una unidad de determinación/cálculo/clasificación
(303) para procesar datos de medición del dispositivo sensor y
determinar a qué fracción/grupo pertenece un objeto dado (308); y
un dispositivo clasificador (304) para clasificar objetos (308) en
base a las decisiones de la unidad de cálculo/clasificación (303).
Un objeto a clasificar (308) puede por ejemplo ser residuos a
clasificar, opcionalmente con unas vistas a reciclado y/o el
procesado conveniente adicional.
Para cada objeto (308), el sistema de decisión
determina a qué grupo pertenece basado en datos/información
recibidos del dispositivo sensor (302) preferiblemente en forma de
radiación gamma medida tal como, por ejemplo, el número de cuantos
registrados y su distribución de energía.
Alternativamente, el sistema puede incluir uno o
más sensores adicionales, donde la unidad de cálculo/clasificación
(303) está configurada además para recibir y procesar datos
originados de otras fuentes. El (los) sensor(es)
adicional(es) pueden ser por ejemplo sensores para medición
de temperatura, medición de flujo de neutrones dentro del espacio
de medición, densitometría gamma de objetos, celdas de ponderación,
sensores de formación de imágenes (por ejemplo "visión" -
cámara de TV + captador de imágenes), exploración de rayos X de
formación de imágenes u otros tipos de sensores (no
representados).
Según una realización, la unidad calculadora
(303) está configurada para calcular concentraciones de sustancias
elementales relevantes, que pueden producirse en base a una
estimación de la cantidad muestrada. Dado que la muestra de
material contiene una concentración definida de hidrógeno, por
ejemplo agua, plástico o madera, esta estimación puede obtenida
mediante el uso de un moderador pobre en hidrógeno que permite una
medición casi directa del contenido de hidrógeno de un objeto, en
base al que se podría determinar una estimación de la cantidad de
objeto (por ejemplo cantidad de madera) en el espacio de lectura con
exactitud útil. La cantidad estimada de objeto se puede usar
entonces para estimar la concentración corriente de las sustancias
elementales. En general una estimación de la cantidad de material
de muestra en dicho espacio de medición se obtiene en base a
radiación gamma de una sustancia elemental, por ejemplo hidrógeno,
aluminio, silicio o hierro, presente en la muestra de material en
una concentración conocida.
El sistema de decisión se explica y describe con
más detalle en el contexto de la figura 4.
El mecanismo transportador (301) es capaz de
avanzar objetos (308) por medio de una correa transportadora; cinta
de botones o análogos, mecanismos de empuje o tracción, transporte
neumático o análogos, mecanismos de agarre y guía (incluyendo
sistemas robóticos), etc.
El mecanismo clasificador/dispositivo
clasificador (304) se puede realizar, por ejemplo como correa o
mecanismo de guiado (por ejemplo un dispositivo de embudo) que
cambia de dirección, como un eyector con brazo o chorro de aire u
otro medio, mecanismos de agarre (incluyendo sistemas robóticos),
etc.
En una realización donde el mecanismo de
transporte (301) es un mecanismo de agarre (incluyendo robot), el
transportador (301) y el mecanismo clasificador (304) pueden ser uno
y el mismo.
Un sistema según la invención puede ser usado
por ejemplo para clasificar madera impregnada a presión con
respecto a otra madera, clasificar PVC de otros materiales
plásticos, etc.
La figura 4 representa una realización de una
unidad de clasificación (303) según la invención incluyendo uno o
más microprocesadores (402) y/o uno o más procesadores de señales
digitales (406); una unidad de memoria (403) y medios para recibir
y emitir señales (404) conectada mediante un bus común de
datos/dirección (405). El (los) microprocesador(es) (402)
y/o el número de procesadores digitales (406) interactúan con la
unidad de memoria (403) y los medios para recibir/emitir señales
(404). Los medios para recibir y emitir señales (404) son
responsables de la comunicación con los varios sensores disponibles,
incluyendo el dispositivo sensor (302) y las interfaces de usuario,
si las hay. La comunicación entre la unidad de clasificación (303) y
unidades externas tal como el dispositivo sensor (302), el
dispositivo clasificador (304), etc, puede tener lugar, por
ejemplo, por medio de IrDa, Bluetooth, IEEE 802,11, LAN inalámbrica,
etc, pero también se puede llevar a cabo por medio de enlaces
permanentes convencionales. La unidad de memoria (403) puede
almacenar información relevante, tal como un programa de ordenador
dedicado y variables de clasificación, datos de calibración,
algoritmos de procesado, etc. La unidad de memoria (403) incluye
preferiblemente unidades de memoria volátil y/o no volátil, tal
como ROM, RAM, memoria magnética, memoria óptica y sus
combinaciones.
El procesado de datos también se puede realizar
en un solo procesador multifuncional. El uso de procesadores
multifuncionales en lugar de procesadores de señales digitales
dedicados puede ser ventajoso en conexión con algunas
realizaciones. Aunque los procesadores de señales digitales son
sumamente adecuados para manejar el cálculo de señales en un
sistema, la mayoría de las realizaciones también requieren un
microprocesador para otras tareas tal como manejo de memoria,
interacción con el usuario, etc. Por lo tanto, puede ser ventajoso
usar un procesador multifuncional que es capaz de realizar todos los
tipos de tareas antes mencionados con el fin de reducir por ello el
número de componentes y de minimizar el consumo de potencia y los
costos de producción, etc. La reducción del número de procesadores
a uno también significa que se han de controlar menos conjuntos de
instrucciones durante el desarrollo de esta unidad de
clasificación.
Los datos de un análisis PGNAA están en forma de
espectro gamma y se usa preferiblemente la diferencia entre un
espectro de referencia registrado con el espacio de medición vacío
(almacenado en la unidad de memoria (403)) y un espectro relevante
proporcionado mediante el dispositivo sensor. Esta diferencia es
procesada por la(s) unidad(es) de cálculo (402; 404)
con vistas a determinar una clase para el objeto relevante.
Preferiblemente la señal de medición/señal de
sensor procedente del detector incluye un espectro gamma por
medición (alternativamente es una opción mediar varios espectros con
el fin de reducir ruido). Tal espectro puede consistir por ejemplo
de 1024 enteros, donde el espectro representa el número de eventos
registrados (es decir, intensidad de radiación gamma) dentro de un
rango dado de fotones/energía (véase, por ejemplo, la figura 5).
Las configuraciones/perfiles observados son específicos de la
sustancia elemental individual. En caso de que estén presentes
varias sustancias elementales en el espacio de medición, la
configuración/perfil de cada sustancia elemental se añadirá,
preferiblemente a la cantidad relativa de la sustancia elemental
relevante y la sensibilidad absoluta del aparato con relación a
ella.
Dado que, típicamente, siempre se producirán
ligeras variaciones en la amplificación interna del detector, se
producirán desviaciones de los espectros observados. Para
remediarlo, se puede realizar una corrección en base a picos
constantes e invariantes conocidos identificados. La medición
adicional puede ser corregida en el evento de decadencia de la
fuente de neutrones durante las mediciones.
Según una realización preferida, los espectros
se dividen en un menor número de ventanas para limitar el número de
variables y reducir el ruido aleatorio. La división en ventanas
implica una reducción del ruido aleatorio conservando al mismo
tiempo tanta señal multivariable como sea posible. En contraposición
a esto, la división en unas pocas ventanas reduce la mayor parte
del ruido, aunque muchas ventanas conservan la mayor parte de la
señal multivariable. Dado que ambas mediciones son críticas para un
buen análisis de datos, la determinación del número óptimo de
ventanas es importante. El número óptimo y las posiciones de las
ventanas dependen de la tarea relevante, es decir, qué conjunto de
posibles sustancias elementales ha de ser analizado en la
realización relevante. Un ejemplo general de una división de
espectros con 1024 enteros es dividir en diez ventanas que cubren
el campo gamma 2-10 MeV.
Alternativamente se puede usar otros métodos
para reconocer la cantidad de sustancias elementales contenidas en
un objeto dado. Estos otros métodos pueden usar, por ejemplo, redes
neurales, otros procedimientos de reconocimiento de formas,
etc.
La figura 5 representa ejemplos de espectros
PGNAA. El espectro ilustra la distribución de energía gamma contra
la intensidad de una energía dada, estando dividido el eje
horizontal del espectro en 1024 canales, de modo que cada canal
corresponda a 10 KeV, y el número de registros registrados por
segundo en el canal relevante se ilustra en el eje vertical del
espectro. Un pico alrededor de canal 225 corresponde así a una
energía gamma de 2,25 MeV.
- \text{*}
- El espectro 1 (501) representa una señal de detector de un espacio de medición vacío. El pico prominente alrededor de 2,25 MeV es producido por gamma inmediata de captura de neutrones en el hidrógeno en un moderador de polietileno de aproximadamente 30 kilos de peso. Las señales bajas constan primariamente de radiación dispersada de este pico.
- \text{*}
- Se ve que el rango de energía de 2,5 MeV a 10 MeV contiene solamente muy poca señal. Este rango de señales muy importante se incrementa en el espectro 2 (502).
- \text{*}
- Los espectros 3, 4, 5 y 6 (503, 504, 505, 506) muestran la misma vista en sección y diferencias de rango de energía para espacio de medición vacío y 299 g de PVC, 234, 7 g de cobre, 27,4 g de cromo o 31,8 g de arsénico, respectivamente, dentro del espacio de medición. Así estos espectros representan señales de medición típicas donde los picos observados en los espectros son característicos para la sustancia elemental en cuestión.
Para cada una de las sustancias Cu, Cr, Ar y CI,
se efectuaron mediciones en varios objetos modelo, donde la única
sustancia elemental emisora de señal significativa era una de las
mencionadas. Entonces, mediante análisis de regresión multivariable
se calculó un predictor (una función para indicar el contenido) para
cada uno de estos elementos. El predictor se calculó en base a la
secuencia total de mediciones, porque las sustancias elementales
distintas de las relevantes se consideran entonces
interferencias.
Los predictores son robustos porque son,
simultánea e independientemente uno de otro, capaces de predecir la
cantidad de las sustancias elementales individuales. En la
determinación de las sustancias elementales en cuestión se
determinaron los niveles de significado. Los niveles de significado
son factores de cálculo que participan en la estimación del
rendimiento de una planta a escala natural.
Los niveles de significado pueden ser
determinados como la relación entre la magnitud de señal y la
desviación estándar en el fondo. La señal se determina en base a la
diferencia entre la media de los predictores para objeto de
referencia y todas las muestras. Como la desviación estándar en el
fondo se usa la observada en todas las muestras para el predictor
corriente.
En base a una calibración -en el caso corriente
se entenderá como un establecimiento de una prescripción de cómo
una señal de medición es convertida en una clasificación- el sistema
es capaz de determinar y clasificar un objeto dentro de una
categoría dada. La calibración es validada para buscar la capacidad
de clasificar nuevos datos de medición. Si el sistema es incapaz de
identificar la diferencia necesaria para la clasificación en
relación a clases próximas, dicha calibración puede dar lugar a una
aceptación negativa, por lo que el sistema es capaz de informar,
por ejemplo, a qué objetos o clases se refieren los problemas. Estos
objetos pueden ser sometidos entonces opcionalmente a medición
renovada, o el problema de clasificación puede ser reformulado al
efecto de que se combinan clases de objetos que el sistema tiene
problemas en distinguir.
Se aplica a todas las clases de objetos que una
calibración más general, es decir, más objetos, más sustancias
elementales, más mediciones, etc, aumentarán muy probablemente los
niveles de significado. Esto se aplicará en particular a arsénico,
donde la determinación sufre claramente una falta de información
espectral y mejor supresión de interferencias.
Debido a que la elevada sección transversal de
absorción y el espectro de emisión característico de CI en
combinación con el contenido de cloro en PVC son típicamente
aproximadamente el doble de la magnitud del contenido de sustancias
elementales de interés en madera impregnada a presión, se
considerará así que una clasificación sin toque de plástico en una
fracción conteniendo PVC y sin PVC, respectivamente, constituye una
tecnología que podría ser implementada en un sistema según la
invención. Así, la clasificación de otros tipos de flujos de
residuos también podría beneficiarse de la presente invención.
La categorización automática es un elemento
sustancial durante la construcción de una planta de análisis de
autocalibración y fácil de usar; dicha planta tiene que ser capaz de
calibrarse por medio de un conjunto de objetos que se combinen para
representar la dispersión que se puede producir durante la medición.
Después de varias mediciones de muestra completadas, el sistema
surge con una clave de clasificación sugerida que es refinada
interactivamente en cooperación con un operador.
Los ejemplos de calibración automática incluyen
el denominado análisis de conglomerados realizado en un conjunto
pentadimensional de datos que consta de predicciones de Cu, Cr, As,
CI y B.
El análisis de conglomerados es una técnica para
organizar varios puntos en una pieza de madera, por lo que los
puntos que están muy próximos uno a otro están muy próximos en la
madera. Un análisis de conglomerados presupone que, en cada punto,
una posición está asociada en un espacio
n-dimensional, y que este espacio está asociado con
un código de distancia, por lo que el término "distancia" tiene
sentido. El análisis se realiza identificando los dos puntos muy
próximos en un conjunto de datos. Son sustituidos y forman un nodo
al que se asigna la posición media entre los dos puntos. Ahora el
nodo sustituye a los dos puntos originales en el conjunto de datos.
El proceso se repite hasta que solamente queda un nodo.
Claims (24)
1. Un sistema de clasificar automáticamente
objetos, donde dicho sistema incluye:
- \text{*}
- un mecanismo transportador (301) configurado para transportar al menos un objeto (308) a un dispositivo clasificador (304);
- \text{*}
- un dispositivo sensor (302) dispuesto de modo que los objetos transportados (308) se sitúen esencialmente dentro de un espacio de lectura predeterminado (6); y
- \text{*}
- una unidad calculadora/de clasificación (303) configurada para recibir del sensor (306) una señal eléctrica que representa datos de medición de dicho dispositivo sensor (302) y configurada para generar y emitir una señal de control (307) a dicho dispositivo clasificador (304) configurado para clasificar objetos transportados (308) en base a dicha señal de control (307),
caracterizado porque
- \text{*}
- dicho dispositivo sensor se basa en análisis por activación de neutrones gamma inmediatos (PGNAA)
y incluye
- -
- una fuente de neutrones (2) configurada para emitir neutrones;
- -
- un moderador (4) rodeando dicha fuente de neutrones (2) y dicho espacio de medición (6), y configurado para moderar dichos neutrones emitidos; y
- -
- un detector (8) configurado para detectar radiación gamma emitida por un objeto (308) dispuesto dentro de dicho espacio de medición (6) cuando el objeto (308) está expuesto a un flujo de neutrones con una distribución de energía dada, y generación de dicha señal eléctrica del sensor (306) en base a dicha detección; y
- \text{*}
- dicha señal de control (307) es generada en base a dicha señal de sensor (306).
2. Un sistema según la reivindicación 1,
caracterizado porque dicho dispositivo sensor (302) incluye
además un blindaje gamma (3) y/o un blindaje neutrónico (10), donde
dicho blindaje gamma (3) está situado entre dicha fuente (2) y
dicho espacio de medición (6) y/o donde dicho blindaje neutrónico
(10) está dispuesto entre dicho detector (8) y dicho espacio de
medición (6).
3. Un sistema según la reivindicación 1 o 2,
caracterizado porque dicho dispositivo sensor (302) incluye
además un blindaje gamma (5) dispuesto alrededor de dicha fuente de
neutrones (2) de modo que se minimice la radiación directa de gamma
de la fuente de neutrones (2) a dicho detector (8).
4. Un sistema según las reivindicaciones
1-3, caracterizado porque dicho sistema de
clasificación está configurado para clasificar un flujo de
residuos.
5. Un sistema según las reivindicaciones
1-4, caracterizado porque dicha detección se
realiza sin contacto con respecto al objeto (308).
6. Un sistema según las reivindicaciones
1-5, caracterizado porque una estimación de
la cantidad de material de muestra en dicho espacio de medición (6)
se obtiene en base a radiación gamma de una sustancia elemental,
por ejemplo hidrógeno, aluminio, silicio o hierro, presente en la
muestra de material en una concentración conocida.
7. Un sistema según las reivindicaciones
1-6, caracterizado porque dicho dispositivo
sensor incluye primariamente material de carbono como
moderador.
8. Un sistema según las reivindicaciones
1-7, caracterizado porque el sistema está
configurado para recibir mediciones de objetos con una
clasificación conocida; y porque la unidad de clasificación (303)
incluye medios para calcular factores de peso de varias sumas
ponderadas establecidas por análisis de datos multivariable,
calibración o método iterativo, por el que se logra sucesivamente un
conjunto mejorado de factores de peso por refinado incremental.
9. Un sistema según la reivindicación 8,
caracterizado porque dicha señal de control (307) es
proporcionada por la unidad de clasificación (303) en base a
señales incluyendo dichos factores de peso y dicha señal de sensor
(306).
10. Un sistema según las reivindicaciones
1-9, caracterizado porque se usa análisis de
conglomerados como un paso en la generación automática de
sugerencias para categorizar objetos muestra en base a
configuraciones en datos de medición correspondientes a dichos
objetos.
11. Un sistema según las reivindicaciones
1-10, caracterizado porque dicha señal de
sensor (306) incluye un espectro gamma que representa la intensidad
de radiación gamma registrada dentro de un rango dado de
fotones/ener-
gía.
gía.
12. Un sistema según las reivindicaciones
1-11, caracterizado porque dicha señal de
control (307) se obtiene en base a una diferencia entre una señal
de sensor (306) y un espectro de referencia predeterminado obtenido
con espacio de medición vacío (6) y almacenado en una unidad de
memoria (403).
13. Un método de clasificar automáticamente
objetos donde dicho método incluye
- \text{*}
- transportar al menos un objeto (308) a un dispositivo clasificador (304); donde dicho transporte hace que los objetos transportados estén esencialmente dentro de un espacio de lectura predeterminado (6) de un dispositivo sensor (302);
- \text{*}
- recibir una señal eléctrica del sensor (306) que representa datos de medición en una unidad de cálculo/ unidad de clasificación (303) de dicho dispositivo sensor (302); y
- \text{*}
- generar y emitir una señal de control a dicho dispositivo clasificador (304) configurado para clasificar objetos transportados (308) en base a dicha señal de control (307);
caracterizado porque el método incluye
además
- \text{*}
- emitir neutrones de una fuente de neutrones (2) en dicho dispositivo sensor (302);
- \text{*}
- moderar dichos neutrones emitidos por medio de un moderador (4) en dicho dispositivo sensor (302), donde dicho moderador (4) rodea dicha fuente de neutrones (2) y dicho espacio de medición (6);
- \text{*}
- detectar, en base a Análisis por Activación de Neutrones Gamma Inmediatos (PGNAA) por un detector (8) en dicho dispositivo sensor (302), radiación gamma emitida por un objeto (308) dentro de dicho espacio de medición (6) cuando está expuesto a un flujo de neutrones con una distribución de energía dada, y
- \text{*}
- obtener dicha señal de sensor (306) en dicho dispositivo sensor (302) en base a dicha señal de detección (306); y
- \text{*}
- generar dicha señal de control (307) en base a dicha señal de sensor (306).
14. Un método según la reivindicación 13,
caracterizado porque el método incluye minimización del flujo
de neutrones térmicos al detector por un blindaje gamma (3) y/o un
blindaje neutrónico (10) en dicho dispositivo sensor (302), donde
dicho blindaje gamma (3) está situado entre dicha fuente (2) y dicho
espacio de medición (6) y/o donde dicho blindaje neutrónico (10)
está dispuesto entre dicho detector (8) y dicho espacio de medición
(6).
15. Un método según la reivindicación 13 o 14,
caracterizado porque el método incluye minimización adicional
de radiación directa de gamma de la fuente de neutrones (2) a dicho
detector (8) de un blindaje gamma (5) dispuesto alrededor de dicha
fuente de neutrones (2) en dicho dispositivo sensor (302).
16. Un método según las reivindicaciones
13-15, caracterizado porque el método incluye
la clasificación de un flujo de residuos.
17. Un método según las reivindicaciones
13-16, caracterizado porque dicha detección
es realizado sin contacto con respecto al objeto (308).
18. Un método según las reivindicaciones
13-17, caracterizado porque una estimación de
la cantidad de material de muestra en dicho espacio de medición (6)
se obtiene en base a radiación gamma de una sustancia elemental,
por ejemplo hidrógeno, aluminio, silicio o hierro, presente en la
muestra de material en una concentración conocida.
19. Un método según las reivindicaciones
13-18, caracterizado porque dicho dispositivo
sensor incluye primariamente material de carbono como
moderador.
20. Un método según las reivindicaciones
13-19, caracterizado porque el método incluye
la recepción de medición de objetos de una clasificación conocida;
y porque la clasificación incluye medios para calcular factores de
peso de varias sumas ponderadas establecidas por un análisis de
datos multivariable, calibración o un método iterativo por el que
un refinado incremental produce sucesivamente un conjunto mejorado
de factores de peso.
21. Un método según la reivindicación 20,
caracterizado en el método incluye además que dicha señal de
control (307) es proporcionada por la unidad de clasificación (303)
en base a señales incluyendo dichos factores de peso y dicha señal
de sensor (306).
22. Un método según la reivindicación
13-21, caracterizado porque el análisis de
conglomerados se usa como un paso al generar automáticamente
sugerencias para categorizar objetos de muestra en base a
configuración en datos de medición correspondiente a estos
objetos.
23. Un método según las reivindicaciones
13-22, caracterizado porque dicha señal de
sensor (306) incluye un espectro gamma que representa intensidad de
radiación gamma registrada dentro de un rango dado de
fotones/energía.
24. Un método según las reivindicaciones
13-23, caracterizado porque dicha señal de
control (307) se obtiene en base a la diferencia entre una señal de
sensor (306) y un espectro de referencia predeterminado obtenido
con espacio de medición vacío (6) y almacenado en una unidad de
memoria (403).
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DK200201548 | 2002-10-11 | ||
| DKPA200201548 | 2002-10-11 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2276103T3 true ES2276103T3 (es) | 2007-06-16 |
Family
ID=32087899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES03756448T Expired - Lifetime ES2276103T3 (es) | 2002-10-11 | 2003-10-10 | Un sistema y un metodo para clasificar objetos automaticamente. |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US20060115037A1 (es) |
| EP (1) | EP1554060B1 (es) |
| AT (1) | ATE346698T1 (es) |
| AU (1) | AU2003300069A1 (es) |
| CA (1) | CA2501051A1 (es) |
| DE (1) | DE60310118T2 (es) |
| ES (1) | ES2276103T3 (es) |
| PL (1) | PL208399B1 (es) |
| WO (1) | WO2004033117A1 (es) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2359691A1 (es) * | 2007-12-27 | 2011-05-26 | Marcos Furió Bruno | Máquina de tría de partículas emisoras de radiación (con o sin estimulación física) a partir de materiales geológicos disgregados. |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8426821B2 (en) | 2005-03-01 | 2013-04-23 | Scantech International Pty Ltd. | On-belt analyser system |
| WO2009009185A2 (en) * | 2007-05-09 | 2009-01-15 | Massachusetts Institute Of Technology | Tunable surfaces |
| FR2923403B1 (fr) * | 2007-11-13 | 2011-06-03 | Veolia Proprete | Procede de traitement automatique de dechets |
| US7886915B2 (en) | 2008-03-19 | 2011-02-15 | Shulman Alvin D | Method for bulk sorting shredded scrap metal |
| US9216862B2 (en) | 2012-08-13 | 2015-12-22 | Tgw Systems, Inc. | Narrow belt sorter |
| WO2014179757A2 (en) * | 2013-05-03 | 2014-11-06 | Xrsciences Llc | Alternative fuels analyzer |
| DE102015209589A1 (de) * | 2015-05-26 | 2016-12-01 | Wacker Chemie Ag | Vorrichtung zur Förderung eines Produktstroms aus Polysiliciumbruch oder Polysiliciumgranulat |
| US9518941B1 (en) * | 2016-07-29 | 2016-12-13 | Sabia Inc. | Weight-percent analysis for prompt gamma neutron activation substance analyzers |
| EP3318339B1 (de) * | 2016-11-03 | 2020-01-29 | AMAG casting GmbH | Vorrichtung und verfahren zur sortierung von aluminiumschrott |
| DE102017111935B4 (de) * | 2017-05-31 | 2019-03-14 | Aachen Institute for Nuclear Training GmbH (AINT) | Verfahren und Vorrichtung zur Multielementanalyse basierend auf Neutronenaktivierung sowie Computerprogrammprodukt dafür |
| RU2751586C2 (ru) | 2017-05-31 | 2021-07-15 | Аахен Институт Фор Ньюклеар Трейнинг Гмбх | Способ и устройство для многоэлементного анализа на основании нейтронной активации, а также применение |
| CN108480232B (zh) * | 2018-03-20 | 2020-03-20 | 上海理工大学 | 基于形状和饱满度特征的枸杞分类方法 |
| CN108535300B (zh) * | 2018-05-11 | 2021-05-11 | 南京航空航天大学 | 一种内置式中子元素分析装置 |
| EP3928086A4 (en) * | 2019-02-21 | 2022-10-19 | Phoenix, LLC | NEUTRON ACTIVATION AND DETECTION OF HAZARDOUS, UNWANTED OR VALUE MATERIALS |
| CN110586518B (zh) * | 2019-09-04 | 2021-06-15 | 中国疾病预防控制中心辐射防护与核安全医学所 | 一种全袋式粮食放射性检测装置 |
| US12330345B2 (en) | 2020-12-14 | 2025-06-17 | Anellotech, Inc. | Robotic separation of plastics for chemical recycling |
| NO348825B1 (en) * | 2023-07-07 | 2025-06-16 | Norsk Hydro As | A method and apparatus for analysis of materials |
| CN118464964B (zh) * | 2024-07-11 | 2024-10-11 | 合肥金星智控科技股份有限公司 | 一种基于中子活化技术的厚度不均匀物料检测方法及装置 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US2707555A (en) * | 1950-06-08 | 1955-05-03 | Antoine M Gaudin | Beryl ore selector |
| GB2055465B (en) * | 1979-06-14 | 1983-10-19 | Atomic Energy Authority Uk | Determining gold content |
| CA1181535A (en) * | 1981-06-10 | 1985-01-22 | Colin G. Clayton | Gold ore sorting |
| DE3275274D1 (en) * | 1982-06-07 | 1987-03-05 | Sczimarowski Klaus | Device for sorting metal pieces |
| GB8314029D0 (en) * | 1983-05-20 | 1983-06-29 | Atomic Energy Authority Uk | Ore irradiator divider |
| AT398174B (de) * | 1991-02-08 | 1994-10-25 | Andritz Patentverwaltung | Verfahren und vorrichtung zum trennen von entrindeten holzknüppeln |
| US5133901A (en) * | 1991-03-01 | 1992-07-28 | Westinghouse Electric Corp. | System and method for on-line monitoring and control of heavy metal contamination in soil washing process |
| CA2138503C (en) * | 1993-12-22 | 2004-10-12 | Ulf Anders Staffan Tapper | Method and apparatus for the classification of particulate matter |
| US5948137A (en) * | 1998-07-23 | 1999-09-07 | The David J. Joseph Company | Scrap metal measuring and weighing process and apparatus |
| DE10124917B4 (de) * | 2001-05-28 | 2007-03-22 | Bionorica Ag | Verfahren zur Klassifizierung von Wein und Kaffee |
| US6657189B2 (en) * | 2001-11-07 | 2003-12-02 | Analyser Systems Ag | Maintaining measurement accuracy in prompt gamma neutron activation analyzers with variable material flow rates or material bed depth |
| US6922455B2 (en) * | 2002-01-28 | 2005-07-26 | Starfire Industries Management, Inc. | Gas-target neutron generation and applications |
-
2003
- 2003-10-10 AU AU2003300069A patent/AU2003300069A1/en not_active Abandoned
- 2003-10-10 PL PL375164A patent/PL208399B1/pl unknown
- 2003-10-10 CA CA002501051A patent/CA2501051A1/en not_active Abandoned
- 2003-10-10 WO PCT/DK2003/000685 patent/WO2004033117A1/en not_active Ceased
- 2003-10-10 EP EP03756448A patent/EP1554060B1/en not_active Expired - Lifetime
- 2003-10-10 DE DE60310118T patent/DE60310118T2/de not_active Expired - Lifetime
- 2003-10-10 AT AT03756448T patent/ATE346698T1/de not_active IP Right Cessation
- 2003-10-10 US US10/530,769 patent/US20060115037A1/en not_active Abandoned
- 2003-10-10 ES ES03756448T patent/ES2276103T3/es not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2359691A1 (es) * | 2007-12-27 | 2011-05-26 | Marcos Furió Bruno | Máquina de tría de partículas emisoras de radiación (con o sin estimulación física) a partir de materiales geológicos disgregados. |
Also Published As
| Publication number | Publication date |
|---|---|
| PL375164A1 (en) | 2005-11-28 |
| DE60310118D1 (de) | 2007-01-11 |
| PL208399B1 (pl) | 2011-04-29 |
| EP1554060A1 (en) | 2005-07-20 |
| AU2003300069A1 (en) | 2004-05-04 |
| ATE346698T1 (de) | 2006-12-15 |
| AU2003300069A8 (en) | 2004-05-04 |
| CA2501051A1 (en) | 2004-04-22 |
| US20060115037A1 (en) | 2006-06-01 |
| EP1554060B1 (en) | 2006-11-29 |
| WO2004033117A1 (en) | 2004-04-22 |
| DE60310118T2 (de) | 2007-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2276103T3 (es) | Un sistema y un metodo para clasificar objetos automaticamente. | |
| US6781134B1 (en) | Handheld CZT radiation detector | |
| Cooper et al. | A versatile Ge (Li)-NaI (Tl) coincidence-anticoincidence gamma-ray spectrometer for environmental and biological problems | |
| WO2004095060A3 (en) | X-ray imaging technique | |
| US8299441B2 (en) | Directional gamma radiation detector system | |
| KR102313781B1 (ko) | 대규모 방사성 폐기물의 방사능 측정 및 분류 시스템 | |
| CN105629291B (zh) | 对溴化镧γ谱仪的输出信号进行甄别处理的方法及其应用 | |
| Modise et al. | Sensor-based ore sorting—A review of current use of electromagnetic spectrum in sorting | |
| Altayeb et al. | TinyML gamma radiation classifier | |
| KR101282962B1 (ko) | 중성자 펄스파고분광분석 방법 및 이를 이용한 중성자 계측 시스템 | |
| Ge et al. | Review of in situ X‐ray fluorescence analysis technology in China | |
| KR20220145945A (ko) | 방사성 핵종 분별 장치 및 방법 | |
| Sokolov et al. | On‐line analysis of chrome–iron ores on a conveyor belt using x‐ray fluorescence analysis | |
| Lee et al. | Radionuclide identification based on energy-weighted algorithm and machine learning applied to a multi-array plastic scintillator | |
| KR102687187B1 (ko) | X선 에너지 스펙트럼분석을 이용한 다중에너지 엑스선 수하물 검색 장치 | |
| KR102249120B1 (ko) | 피검자의 체내·외 방사능 오염 분석 프로그램 및 분석 시스템 | |
| Baccolo et al. | Machine learning-assisted techniques for Compton-background discrimination in Broad Energy Germanium (BEGe) detector | |
| Cooper | Radioanalytical applications of gamma-gamma coincidence techniques with lithium-drifted germanium detectors | |
| DeVol et al. | A comparison of four aqueous-miscible liquid scintillation cocktails with an alpha/beta discriminating Wallac 1415 liquid scintillation counter | |
| Misiaszek et al. | Improving sensitivity of a BEGe-based high-purity germanium spectrometer through pulse shape analysis | |
| CN201196635Y (zh) | 用于放射性物质检测和x光辐射成像的集成系统 | |
| Modise et al. | A Fast and Noise Rejecting Kolmogorov-Smirnvo Sorting Algorithm in X-ray Diamond sorting | |
| Sloth et al. | Opportunities and challenges of implementing energy dispersive x-ray CT in aviation security screening | |
| CN118779713B (zh) | 基于γ辐射场数值矩阵分解的铀矿石品位分选方法 | |
| EP0746760A1 (en) | Detection of impurities in metal agglomerates |