JP7092889B2 - 電子・電気機器部品屑の組成解析装置、電子・電気機器部品屑の処理装置及び電子・電気機器部品屑の処理方法 - Google Patents

Description

本発明は、電子・電気機器部品屑の組成解析装置、電子・電気機器部品屑の処理装置及び電子・電気機器部品屑の処理方法に関する。

近年、資源保護の観点から、廃家電製品・ＰＣや携帯電話等の電子・電気機器部品屑から、有価金属を回収することがますます盛んになってきており、その効率的な回収方法が検討され、提案されている。

例えば、特開平９－７８１５１号公報（特許文献１）では、有価金属を含有するスクラップ類を銅鉱石溶錬用自溶炉へ装入し、有価金属を炉内に滞留するマットへ回収させる工程を含む有価金属のリサイクル方法が記載されている。このようなリサイクル方法によれば、銅溶錬自溶炉での銅製錬にスクラップ処理を組み合わせることができるため、有価金属含有率が低いスクラップ類からでも低コストで有価金属を回収することができる。

しかしながら、特許文献１に記載されるような銅溶錬自溶炉を用いた処理においては、電子・電気機器部品屑の処理量が増えると、電子・電気機器部品屑を構成する樹脂等の有機物に含まれる炭素成分が増加し、溶錬炉で過還元によるトラブルが発生する場合がある。一方で、電子・電気機器部品屑の処理量は近年増加する傾向にあるため、銅溶錬自溶炉での効率的な処理が望まれている。

銅溶錬自溶炉の過還元によるトラブルの発生を抑制する手法の一つとして、電子・電気機器部品屑を銅溶錬自溶炉で処理する前に電子・電気機器部品屑を粉砕処理し、容量を小さくすることが提案されている。例えば、特開２０１５－１２３４１８号公報（特許文献２）では、銅を含む電気・電子機器部品屑を焼却後、所定のサイズ以下に粉砕し、粉砕した電気・電子機器部品屑を銅の溶錬炉で処理することが記載されている。

しかしながら、電子・電気機器部品屑の処理量が増加することにより、電子・電気機器部品屑に含まれる物質の種類によってはその後の銅製錬工程での処理に好ましくない物質（製錬阻害物質）が従来よりも多量に投入されることとなる。このような銅製錬工程に装入される製錬阻害物質の量が多くなると、電子・電気機器部品屑の投入量を制限せざるを得なくなる状況が生じる。

従来より、天然の鉱石由来の製錬阻害物質も含め、銅製錬の溶錬工程における熱力学的な手法や電解工程における電解液の精製方法については数々の取り組みがされてきたが、天然の鉱石と比較して、製錬阻害物質の含有割合が著しく大きい電子・電気機器部品屑の処理方法には課題が多い。

電子・電気機器部品屑から製錬阻害物質を低減しながら効率的に製錬工程へ投入するための処理原料を得るためには、種々の選別機を用いて機械的な処理を行うことが効率性の観点から望ましい。しかしながら、電子・電気機器部品屑は様々な形状及び種類の部品屑が含まれており、供給元の違い等によりその原料組成が変化する場合が多い。そのため、より適切な選別を行うために、電子・電気機器部品屑の原料組成を手選別によって評価し、その結果を選別処理の操業管理、運転条件の設定に反映させることが行われる。

しかしながら、手選別により原料組成を把握する手法では、原料組成の把握のために時間を要するため、迅速な処理を行うことができず、その結果をすぐに操業へ反映することが困難である。時々刻々とその組成が変化する電子・電気機器部品屑の中からその中の部品屑の組成を瞬時に判別することができれば、大量の電子・電気機器部品屑をより適切な条件で選別を行うことができるため有用である。

特開平９－７８１５１号公報 特開２０１５－１２３４１８号公報

本開示は、電子・電気機器部品屑中の部品屑の組成を短時間で判別することが可能な電子・電気機器部品屑の組成解析装置、電子・電気機器部品屑の処理装置及びこれらを用いた電子・電気機器部品屑の処理方法を提供する。

本発明の実施の形態に係る電子・電気機器部品屑の組成解析装置は一実施態様において、複数の部品種からなる電子・電気機器部品屑を撮像した画像の中から複数の部品種の画像を抽出して複数の部品種毎に分類するための分類データを記憶する分類データ記憶手段と、分類データに基づいて電子・電気機器部品屑を撮像した画像の中から複数の部品種の画像を抽出して複数の部品種毎に分類する分類手段と、分類手段により分類された複数の部品種毎の面積、個数、平均粒径及び重量比率の少なくともいずれかを解析する解析手段とを備える電子・電気機器部品屑の組成解析装置である。

本発明の実施の形態に係る電子・電気機器部品屑の処理装置は一実施態様において、複数の部品種からなる電子・電気機器部品屑を撮像する撮像装置と、電子・電気機器部品屑を撮像した画像の中から複数の部品種の画像を抽出して複数の部品種毎に分類するための分類データを記憶する分類データ記憶手段、分類データに基づいて電子・電気機器部品屑を撮像した画像の中から複数の部品種の画像を抽出して複数の部品種毎に分類する分類手段、及び分類手段により分類された複数の部品種毎の面積、個数、平均粒径及び重量比率の少なくともいずれかを解析する解析手段を備える組成解析装置と、組成解析装置によって解析された解析結果に基づいて電子・電気機器部品屑から特定の部品屑を選別する選別機とを備える電子・電気機器部品屑の処理装置である。

本発明の実施の形態に係る電子・電気機器部品屑の処理方法は一実施態様において、複数の部品種からなる電子・電気機器部品屑を撮像する工程と、電子・電気機器部品屑を撮像した画像の中から複数の部品種の画像を抽出して複数の部品種毎に分類するための分類データを記憶する分類データ記憶手段が備える分類データに基づいて、複数の部品種の画像を抽出して複数の部品種毎に分類する分類工程と、分類工程で分類された複数の部品種毎の面積、個数、平均粒径及び重量比率の少なくともいずれかを解析する解析工程とを含む電子・電気機器部品屑の処理方法である。

本開示によれば、電子・電気機器部品屑中の部品屑の組成を短時間で判別することが可能な電子・電気機器部品屑の組成解析装置、電子・電気機器部品屑の処理装置及びこれらを用いた電子・電気機器部品屑の処理方法が提供できる。

本発明の実施の形態に係る電子・電気機器部品屑の処理装置を示すブロック図である。 画像中に存在する電子・電気機器部品屑を部品種毎に特定して部品種毎にそれぞれ異なる色の色枠で区分けした画像を表す写真である。 本発明の実施の形態に係る電子・電気機器部品屑の処理装置を用いた解析結果の一例を示す表である。 電子・電気機器部品屑の処理装置を用いた電子・電気機器部品屑の処理方法の一例を示すフローチャートである。 電子・電気機器部品屑の処理装置を用いた電子・電気機器部品屑の処理方法の応用例を示すフローチャートである。

本発明の実施の形態に係る電子・電気機器部品屑の処理装置は、図１に示すように、電子・電気機器部品屑を撮像する撮像装置１２と、電子・電気機器部品屑の組成を推定する解析手段を備える組成解析装置１０とを備える。組成解析装置１０によって解析された組成解析結果に基づいて電子・電気機器部品屑から特定の部品屑を選別する選別機１３を更に備えている。

本実施形態における「電子・電気機器部品屑」とは、廃家電製品・ＰＣや携帯電話等の電子・電気機器を破砕した屑であり、回収された後、適当な大きさに破砕されたものを指す。本実施形態では、電子・電気機器部品屑とするための破砕は、処理者自身が行ってもよいが、市中で破砕されたものを購入等したものでもよい。

破砕方法として、特定の装置には限定されず、せん断方式でも衝撃方式でもよいが、できる限り、部品の形状を損なわない破砕が望ましい。従って、細かく粉砕することを目的とする粉砕機のカテゴリーに属する装置は含まれない。

電子・電気機器部品屑は、基板、筐体などに使われるプラスチック（合成樹脂類）、金属片、銅線屑、コンデンサー、ＩＣチップ、その他、等の複数の部品種からなり、処理目的に応じて更に細かく分類することができる。以下に限定されるものではないが、本実施形態では、粒度５０ｍｍ以下に破砕されている電子・電気機器部品屑を好適に処理することができる。

本発明の実施の形態に係る組成解析装置１０を用いて、複数の部品種からなる電子・電気機器部品屑の組成を解析し、その解析結果に応じた選別機の選択及び選別機の条件を制御することにより、例えば、選別物を銅製錬工程に利用する場合には、銅製錬工程での処理に好ましくない物質、例えば、アンチモン（Ｓｂ）等の元素を含む部品種や、プラスチック、アルミニウム（Ａｌ）、鉄（Ｆｅ）等を含む部品屑を極力低減しながら、金、銀、白金、パラジウム、銅を含む有価金属を濃縮した処理原料を得ることができる。

特に、図１に例示する組成解析装置１０を用いて、電子・電気機器部品屑の組成を判別し、各部品屑の個数、粒径、重量比率、面積などを数値化して評価することで、例えば、選別物を銅製錬工程に利用する場合には、銅製錬工程での処理に好ましくない物質、例えば、アンチモン（Ｓｂ）等の元素を含む部品種や、プラスチック、アルミニウム（Ａｌ）、鉄（Ｆｅ）等を含む部品屑を極力低減しながら、金、銀、白金、パラジウム、銅を含む有価金属を濃縮した処理原料を得ることができる。

組成解析装置１０は、組成解析処理を制御するための制御部（制御装置）１００、各種制御に必要な情報を記憶する記憶装置１１０、入力装置１２０、表示装置１３０を備えることができる。制御部１００は、分類手段１０１、計測手段１０２、解析手段１０３、運転条件生成手段１０４、変更情報生成手段１０５、位置情報出力手段１０６、機械学習手段１０７及び更新手段１０８を含むことができる。記憶装置１１０は、分類データ記憶手段１１１、解析情報記憶手段１１２、運転条件記憶手段１１３、位置情報記憶手段１１４を備えることができる。解析手段１０３はネットワーク１１を通じて解析手段１０３の解析結果を、サーバ１５或いはネットワーク１１を介して接続された選別機１３とは別の選別機１４へ出力することができるようになっている。

分類データ記憶手段１１１は、電子・電気機器部品屑を撮像した画像の中から複数の部品種の画像を抽出して複数の部品種毎に分類するための分類データが記憶されている。例えば、分類データ記憶手段１１１は、電子・電気機器部品屑の画像情報から、複数の部品種、即ち、基板、プラスチック、金属片、銅線屑、コンデンサー、ＩＣチップ、その他（コネクタ、フィルム状部品屑、被覆線屑等）の少なくとも３種類以上、好ましくは７種類以上に分類するための基本情報を備えている。電子・電気機器部品屑の中の特定の部品を上記の部品種のいずれかに設定するための条件は、その後の選別処理目的に応じて、操作者が予め設定することができる。

分類手段１０１は、分類データ記憶手段１１１に記憶された分類データに基づいて、電子・電気機器部品屑を複数の部品種毎に分類する。図２は分類手段１０１が画像中に存在する電子・電気機器部品屑を部品種毎に特定して部品種毎にそれぞれ異なる色の色枠で区分けした画像の例を示している。

計測手段１０２は、分類手段が分類した複数の部品種それぞれの画像の面積を計測する。計測手段１０２は、図２に示すように、それぞれ色枠で区分けされた部品種の面積を、部品種毎に、それぞれ解析情報記憶手段１１２に記憶された計測情報を用いて計測する。解析情報記憶手段１１２は、制御部１００による組成分析の解析に必要な情報、例えば、複数の部品種の面積を計測するための情報、部品屑の重量比率の計算に必要な各部品屑毎の単位当たりの重量比率の情報等を記憶する。

解析手段１０３は、複数の部品種の単位面積当たりの想定重量を複数の部品種の面積と乗算して複数の部品種の重量比率を解析することにより、電子・電気機器部品屑の組成を推定する。複数の部品種の単位面積当たりの想定重量は、操業結果に応じて予め操作者により入力装置１２０等を介して設定しておくことができる。以下に限定されるものではないが、例えば、電子・電気機器部品屑を３種類に分類する場合、基板屑の想定重量を例えば２．０ｇ／ｃｍ²、プラスチックの想定重量を１．５ｇ／ｃｍ²、その他の部品を１．０ｇ／ｃｍ²と設定することができる。

解析手段１０３は、面積の他に、部品種毎にその部品種を構成する部品の個数（個）、上記の面積の計算結果と個数とに基づいて算出される平均粒径、重量比率などの物理的特性の少なくともいずれかを解析して表示装置１３０等に出力することもできる。解析結果の一例を図３に示す。図３に示す解析結果では、基板が全体の７０％を占め、次いでプラスチックが２２％、銅線屑が６％、金属片が３％含まれることが分かる。

運転条件生成手段１０４は、解析手段による複数の部品種の重量比率の解析結果に基づいて、複数の部品種を選別するための選別機の運転条件の情報を生成する。選別機としては、ピッキング、カラーソーター、メタルソーター、渦電流選別機、風力選別機、篩別機などの種々の選別機がある。例えば、図３に示す解析結果から、運転条件生成手段１０４は、例えば基板とプラスチックとを選別するカラーソーターの運転条件を生成し、生成した運転条件を運転条件記憶手段１１３へ格納する。運転条件記憶手段１１３へ格納された運転条件は、選別機１３、１４へ出力されて、選別機１３、１４が、出力された運転条件に応じて選別処理を行うことができる。

位置情報出力手段１０６は、電子・電気機器部品屑を撮像した画像において分類手段１０１が分類した複数の部品種のそれぞれの位置情報を取得し、位置情報記憶手段１１４へ格納する。そして、複数の部品種の中から特定の部品種の位置を抽出してこれを選別するための特定の選別機１３、１４に対し、位置情報を出力する。例えば、基板と金属片はメタルソーター等の特定の選別機１３、１４では分離できないが、画像情報で個別に位置情報が得られれば、ピッキング機能を備える選別機１３、１４によってこれらを選別することができるようになる。

機械学習手段１０７は、電子・電気機器部品屑を撮像した複数の画像または複数の部品種を選別するための選別機１３、１４の選別結果に基づいて、分類手段１０１が参照する分類データを機械学習により処理する。

機械学習においては、まず、電子・電気機器部品屑を撮像した画像に写る部品種単体に対してタグが付される。例えば、画像内に写っている基板に対し、ペイントソフトで赤線により囲む等してタグが付され、機械学習手段１０７は、タグが付された部品種を基板であると学習する。同様に、機械学習手段１０７は、数種類の色でそれぞれ囲まれたプラスチック、金属片、銅線屑などに対し、それぞれ固有の部品種であると学習する。このような方法で１００枚以上、好ましくは数百枚～数千枚の学習データを用意し、学習データを機械学習手段１０７が処理することで、それぞれの部品種の特徴を学習し、その分類の精度を向上させるように学習する。

更新手段１０８は、機械学習手段１０７の学習結果に基づいて、分類手段１０１が部品種を分類するために用いられる分類データを更新する。更新された分類データは、ネットワーク１１を介して接続された選別機１４やサーバ１５へ出力されてもよい。

図１に示す電子・電気機器部品屑の処理装置を用いた電子・電気機器部品屑の処理方法の一例について、図４のフローチャートを用いて説明する。ステップＳ１００において、図１の選別機１３の搬送手段（コンベア）などに搬送された電子・電気機器部品屑を撮像装置１２を用いて撮像する。ステップＳ１０１において、図１の分類手段１０１が、撮像装置１２により撮像された画像内に存在する部品屑を、分類データ記憶手段１１１に記憶された分類データに基づいて、部品種毎（例えば、基板、プラスチック、金属片、銅線屑、コンデンサー、ＩＣチップ、その他の部品種の７分類）に分類する。

分類手段１０１による分類結果は、表示装置１３０等によって表示されることができる。操作者の確認がし易くなるように、分類結果は、表示装置１３０に表示される画像において、例えば、基板は赤枠で、プラスチックは青枠にする等して、部品種毎に色の異なる枠が付される。このとき、図１の位置情報出力手段は、分類手段１０１によるこの分類結果に基づくこれらの位置情報を位置情報記憶手段１１４に格納することができる。

例えば、基板、プラスチック、金属片、銅線屑、コンデンサー、ＩＣチップ、その他の部品種の７分類に分類した場合、基板、銅線屑、コンデンサー及びＩＣチップは有価物とし、金属片（アルミやＳＵＳ）及びプラスチックを製錬阻害物質と見なして選別するように、選別条件を適切化することで、電子・電気機器部品屑の分離効率やロス率、操業成績を数値化して管理することができる。

ステップＳ１０２において、計測手段１０２が、分類手段１０１が分類した複数の部品種の面積を計測する。計測手段１０２による各部品種の面積の計測は、画像から面積を推定するための既知の面積検出ソフトを用いて計測することができる。ステップＳ１０３において、解析手段１０３は、複数の部品種の単位面積当たりの想定重量を複数の部品種の面積と乗算して複数の部品種の重量比率を解析することにより、電子・電気機器部品屑の組成を推定する。

例えば図３に示すように、解析手段１０３によって、撮像装置１２が撮像した画像の中から複数の部品種毎の平均の面積、個数、平均粒径、重量比率などを数値化して解析することができるため、従来のように、手選別で電子・電気機器部品屑の原料組成を評価するよりも著しく迅速にその原料組成を数値化して把握することができる。

ステップＳ１０４において、解析手段１０３が解析した原料解析結果に基づいて、選別処理が行われる。例えば、ステップＳ１０３で得られた組成解析結果に基づいて、原料を選別処理するための選別機の選択と、選別条件、選別順序等の操業条件が決定され、その操業条件に基づいて選別処理が行われる。

例えば、電子・電気機器部品屑に対して風力選別機を用いて風力選別を行って軽量物と重量物とに選別することにより、選別後の処理物中の基板とプラスチックの重量比率を上げるための処理を行うことができる。この場合、選別機１３、１４による処理においては、解析手段１０３が解析した原料解析結果に基づいて、複数の部品種の平均粒径に応じて、風力選別機の風量を調整することができる。風量は例えば５～２０ｍ／ｓ、より好ましくは５～１２ｍ／ｓ、更には５～１０ｍ／ｓ程度とすることができる。風力選別は解析手段１０３が解析した原料解析結果に応じて２回以上繰り返して行うことができる。

或いは、上記の風力選別を実施する前に、ピッキング装置を用いたピッキング処理を行うことにより、塊状の銅線屑を取り除くピッキング処理を行うことができる。このピッキング処理に際しては、位置情報記憶手段１１４に記憶された銅線屑の位置情報を選別機１３としてのピッキング装置に出力し、ピッキング装置がその出力結果に応じて銅線屑を取り除くことができる。この銅線屑は、例えば有価金属回収工程へ送ることができる。

風力選別を二回以上繰り返す場合は、第１回目の風力選別と第２回目の風力選別との間に篩別機を用いた選別処理を行うことができる。この場合、選別機１３としては篩別機が採用され、解析手段１０３が解析した原料解析結果である複数の部品種の平均粒径に基づいて、特定の部品種を選別するための篩別機の篩目の寸法を変更することができる。

上記で説明した手法の他にも、磁力選別工程、渦電流選別工程、及び金属物と非金属物とを光学的に選別する光学式選別工程に用いられる選別機１３に対してそれぞれ本発明の実施の形態に係る組成解析装置による組成解析結果を活用することで、搬送中の電子・電気機器部品屑を連続的に撮影しながら、その画像データをリアルタイムに解析し、原料組成を解析することができる。

従来、電子・電気機器部品屑の原料組成は、手選別によって評価し、その結果を選別処理の操業管理、運転条件の設定に反映させることが行われていたが、しかしながら、手選別により原料組成を把握する手法では、迅速な処理を行うことができなかった。

本発明の実施の形態によれば、時々刻々とその組成が変化する電子・電気機器部品屑の中からその中の部品屑の組成を画像解析と所定の分類データに基づく分離によって、瞬時に判別し数値化することができるため、大量の電子・電気機器部品屑をより適切な条件で迅速に選別を行うことができる。

更に、選別機１３、１４による処理前後の部品屑の原料組成を画像解析することで、部品屑の変化量に基づいて、選別機１３、１４の選別効率（成績）を評価することができる。電子・電気機器部品屑の原料組成を判別するとともにその位置情報を抽出し、ピッキング装置やカラーソーター、メタルソーターなどの選別機１３、１４と連動させることで、部品種の個別分離が容易になる。

また、表示装置１３０に解析結果として各原料種毎に色の異なる枠を付けて表示させることで操作者が認識しやすくなるため、組成解析装置の誤検知も認識しやすくなる。

本発明は上記の実施の形態によって記載したが、この開示の一部をなす論述及び図面はこの発明を限定するものであると理解すべきではない。即ち、本発明は各実施形態に限定されるものではなく、その要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、各実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素からいくつかの構成要素を削除してもよい。更に、異なる実施形態の構成要素を適宜組み合わせてもよい。

例えば、本発明の実施の形態に係る組成解析装置を用いて、銅製錬へ投入される原料の調整のための組成解析を行うことができる。現在、銅製錬炉（自溶炉）へ投入される電子・電気機器部品屑中のプラスチックの重量が原料によって異なり、不明であるため、プラスチックの重量が過剰な場合は過還元状態を引き起こすおそれがあり、操業に影響を与える場合がある。銅製錬工程へ投入される原料に対して、本発明の実施の形態に係る組成解析装置を用いて、電子・電気機器部品屑中に含まれるプラスチックの重量比率を解析する。解析された原料中のプラスチックの重量比率に応じて、原料に銅鉱石をブレンドして調整することで、銅製錬の操業を長期間安定させることができる。

銅製錬工程の原料調整のための処理フローとしては、図５（ａ）に示すように、本発明の実施の形態に係る組成解析を実施した後に、原料を銅製錬炉への投入のために好適な組成に調整し、焙焼、破砕処理を経て、破砕処理後の原料を銅製錬炉へ投入することが可能である。或いは、図５（ｂ）に示すように、本発明の実施の形態に係る組成解析を実施した後に、組成解析結果に基づいて、上述の種々の選別機１３、１４等を用いた物理選別処理を行って、プラスチックの重量比率を下げた後、焙焼、破砕処理を経て、破砕処理後の原料を銅製錬炉へ投入することが可能である。或いは、図５（ｃ）に示すように、所定の物理選別を行った後の原料に対し、本発明の実施の形態に係る組成解析を実施して原料の組成を確認後に、焙焼、破砕処理を経て、破砕処理後の原料を銅製錬炉へ投入することが可能である。或いは、図５（ｄ）に示すように、本発明の実施の形態に係る組成解析を物理選別の前後に行い、その後に焙焼、破砕処理を経て、破砕処理後の原料を銅製錬炉へ投入することも可能である。

１０…組成解析装置
１１…ネットワーク
１２…撮像装置
１３,１４…選別機
１５…サーバ
１００…制御部
１０１…分類手段
１０２…計測手段
１０３…解析手段
１０４…運転条件生成手段
１０５…変更情報生成手段
１０６…位置情報出力手段
１０７…機械学習手段
１０８…更新手段
１１０…記憶装置
１１１…分類データ記憶手段
１１２…解析情報記憶手段
１１３…運転条件記憶手段
１１４…位置情報記憶手段
１２０…入力装置
１３０…表示装置

Claims (10)

1. 複数の部品種からなる電子・電気機器部品屑を撮像した画像の中から前記複数の部品種の画像を抽出して前記複数の部品種毎に分類するための分類データを記憶する分類データ記憶手段と、
   前記分類データに基づいて前記電子・電気機器部品屑を撮像した画像の中から前記複数の部品種の画像を抽出して前記複数の部品種毎に分類する分類手段と、
   前記分類手段が分類した前記複数の部品種の面積を計測する計測手段と、
   前記分類手段により分類された前記複数の部品種毎の面積、個数、平均粒径及び重量比率の少なくともいずれかを解析する解析手段と
   を備え、
   前記解析手段が、前記複数の部品種の単位面積当たりの想定重量を前記複数の部品種の面積と乗算して前記複数の部品種の重量比率を解析することを特徴とする電子・電気機器部品屑の組成解析装置。
2. 前記分類手段が、前記電子・電気機器部品屑を、基板、プラスチック及びその他の部品種の少なくとも３種類に分類することを含む請求項１に記載の電子・電気機器部品屑の組成解析装置。
3. 前記分類手段が、前記電子・電気機器部品屑を、基板、プラスチック、金属片、銅線屑、コンデンサー、ＩＣチップ及びその他の部品種の少なくとも７種類に分類することを含む請求項１に記載の電子・電気機器部品屑の組成解析装置。
4. 前記解析手段による前記複数の部品種の重量比率の解析結果に基づいて、前記複数の部品種を選別するための選別機の運転条件の情報を生成する運転条件生成手段
   を更に備えることを特徴とする請求項１～３のいずれか１項に記載の電子・電気機器部品屑の組成解析装置。
5. 前記解析手段が、前記面積及び前記複数の部品種の個数から前記複数の部品種の平均粒径を解析し、前記複数の部品種の前記平均粒径に応じて、風力選別機の風量又は篩別機の篩目の寸法を変更するための情報を生成する変更情報生成手段を更に備えることを特徴とする請求項１～４のいずれか１項に記載の電子・電気機器部品屑の組成解析装置。
6. 前記電子・電気機器部品屑を撮像した画像において前記分類手段が分類した前記複数の部品種のそれぞれの位置情報を取得し、前記複数の部品種の中から特定の部品種の位置を抽出してこれを選別するための選別機に対し、前記位置情報を出力する位置情報出力手段を更に備えることを特徴とする請求項１～５のいずれか１項に記載の電子・電気機器部品屑の組成解析装置。
7. 電子・電気機器部品屑を撮像した複数の画像または前記複数の部品種を選別するための選別機の選別結果に基づいて、前記分類手段が前記分類のために参照する前記分類データを機械学習により処理し、学習結果に基づいて前記分類データを更新する更新手段を更に備えることを特徴とする請求項１～６のいずれか１項に記載の電子・電気機器部品屑の組成解析装置。
8. 複数の部品種からなる電子・電気機器部品屑を撮像する撮像装置と、
   前記電子・電気機器部品屑を撮像した画像の中から前記複数の部品種の画像を抽出して前記複数の部品種毎に分類するための分類データを記憶する分類データ記憶手段、前記分類データに基づいて前記電子・電気機器部品屑を撮像した画像の中から前記複数の部品種の画像を抽出して前記複数の部品種毎に分類する分類手段、前記分類手段が分類した前記複数の部品種の面積を計測する計測手段、及び前記分類手段により分類された前記複数の部品種の単位面積当たりの想定重量を前記複数の部品種の面積と乗算して前記複数の部品種の重量比率を解析する解析手段を備える組成解析装置と、
   前記組成解析装置によって解析された解析結果に基づいて前記電子・電気機器部品屑から特定の部品屑を選別する選別機と
   を備える電子・電気機器部品屑の処理装置。
9. 複数の部品種からなる電子・電気機器部品屑を撮像する工程と、
   前記電子・電気機器部品屑を撮像した画像の中から前記複数の部品種の画像を抽出して前記複数の部品種毎に分類するための分類データを記憶する分類データ記憶手段が備える前記分類データに基づいて、前記複数の部品種の画像を抽出して前記複数の部品種毎に分類する分類工程と、
   前記分類工程で分類された前記複数の部品種の面積を解析し、前記複数の部品種の単位面積当たりの想定重量を前記複数の部品種の面積と乗算して前記複数の部品種の重量比率を解析する解析工程と
   を含む電子・電気機器部品屑の処理方法。
10. 前記解析工程が、前記電子・電気機器部品屑に含まれるプラスチックの重量比率を解析することを含み、
    前記解析工程で解析された前記プラスチックの重量比率の解析結果に基づいて、銅製錬炉へ投入される前記電子・電気機器部品屑を含む原料を調整し、調整後の原料を製錬処理することを更に含む請求項９に記載の電子・電気機器部品屑の処理方法。

Images