JPH06229957A - 材質判別方法 - Google Patents

Abstract

(57)【要約】 【目的】本発明は材質を判別する材質判別方法に関し、
材質の異なる物体、例えば、不燃性廃棄物に含まれてい
るガラスとプラスチックとを自動的に判別する材質判別
方法を提供することを目的とする。 【構成】ステップ１０において、判別対象物の表面に一
定時間熱量を加える手段、或いは判別対象物の表面から
一定時間熱量を奪う手段により、当該判別対象物の表面
を加熱、或いは冷却し、ステップ１１で、前記加熱手段
によって温められた、或いは前記冷却手段によって冷や
された当該判別対象物の表面温度を、表面温度検知手段
により検知し、ステップ１２で、前記表面温度検知手段
によって得られた当該判別対象物の表面温度の変化特性
に基づいて当該判別対象物の材質を判別するように構成
する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、材質の異なる物体を判
別する材質判別方法に関する。

【０００２】

【従来の技術】現在、家庭から出される不燃性廃棄物の
中には、空き缶やガラス瓶等の回収すれば再び資源とな
るものが多く含まれており、このうち、空き缶に関して
は磁石に付く性質があるため自動的に選別するシステム
が開発，運用されている。

【０００３】

【発明が解決しようとする課題】しかしながら、ガラス
瓶に関しては選別の自動化がされておらず、人手によっ
て選別している。これは、不燃性廃棄物の中にガラスと
見た目が類似しているプラスチック製品が含まれている
のに加え、ガラスは重くて割れやすいので自動的に取扱
うことが難しいためである。

【０００４】よって、人手が不足している廃棄物処理場
では選別されずにそのまま捨てられており、ガラス瓶の
再利用が十分に行われないでいる。そこで本発明は、材
質の異なる物体、例えば、不燃性廃棄物に含まれている
ガラスとプラスチックとを自動的に判別する材質判別方
法を提供することを目的とする。

【０００５】

【課題を解決するための手段】本発明において、上記の
課題を解決するための第１の手段は、図１に示すよう
に、まずステップ１０において、判別対象物の表面に一
定時間熱量を加える手段、或いは判別対象物の表面から
一定時間熱量を奪う手段により、当該判別対象物の表面
を加熱、或いは冷却する。

【０００６】次にステップ１１で、前記加熱手段によっ
て温められた、或いは前記冷却手段によって冷やされた
当該判別対象物の表面温度を、表面温度検知手段により
検知し、更にステップ１２で前記表面温度検知手段によ
って得られた当該判別対象物の表面温度の変化特性に基
づいて当該判別対象物の材質を判別することである。ま
た、上記の課題を解決するための第２の手段は、図２に
示すように、まずステップ２０において、複数の波長を
有する光を発する光源により選別対象物を照射し、次の
ステップ２１で前記光源から照射され前記選別対象物を
透過した複数の波長を有する透過光の分光スペクトル
を、前記光源の照射面に対向して配置された光検知手段
により検知する。

【０００７】そしてステップ２２で、前記光検知手段に
よって得られた前記透過光の分光スペクトルの変化特性
に基づいて当該判別対象物の材質を判別することであ
る。また、上記の課題を解決するための第３の手段は、
図３に示すように、まずステップ３０において、照明光
源により選別対象物を照射し、次のステップ３１で前記
照明光源で照射され前記判別対象物を透過した透過光
を、前記照明光源の照射面に対向して配置された画像入
力手段で撮像する。

【０００８】そしてステップ３２で、前記画像入力手段
で撮像された前記透過光の画像を画像処理して得られた
前記透過光の色情報を解析し、次のステップ３３で解析
された前記色情報の特性に基づいて当該判別対象物の材
質を判別することである。また、上記の課題を解決する
ための第４の手段は、図４に示すように、まずステップ
４０において、照明光源により選別対象物を照射し、次
のステップ４１で前記照明光源と前記選別対象物との間
に介装された遮蔽物の影像を、前記照明光源の照射面に
対向して配置された画像入力手段で撮像する。

【０００９】そして、ステップ４２で、前記画像入力手
段で撮像された前記遮蔽物の影像を画像処理して得られ
た前記影像の乱れを解析し、次のステップ４３で、解析
された前記乱れの特性に基づいて当該判別対象物の材質
を判別することである。

【００１０】

【作用】本発明の材質判別方法によれば、判別対象物が
持つ各種の特性を利用することで材質の判別が可能とな
り、例えば、選別が困難だったガラスとプラスチックと
の選別を自動的に行うことができる。

【００１１】

【実施例】以下、本発明の第１の実施例を図面に基づい
て説明する。表１はガラス及びプラスチックの熱伝導率
を示しており、表２はガラス及びプラスチックの比熱容
量を示している。表１及び表２に示すように、ガラスと
プラスチックでは熱伝導率及び比熱容量に違いがあり、
温まりやすさ冷めやすさがそれぞれ異なる。

【００１２】

【表１】

【００１３】

【表２】 即ち、ガラスはプラスチックに比べて熱伝導率が大きい
ので、プラスチックと比べると温まりやすくて冷えやす
いという性質の違いがあり、またガラスはプラスチック
に比べて比熱容量が小さいので、プラスチックと比べる
とわずかな熱容量を加えるだけで温まりやすく、わずか
な熱容量を奪うだけで冷えやすいという性質の違いがあ
る。

【００１４】そこで、ガラス又はプラスチックの判別対
象物の表面を一定時間温めて、或いは冷やして、その後
の表面温度の変化の違いによって判別対象物を判別する
ことができる。図５は、本発明の第１の実施例の構成図
である。図５において、５０はフラッシュライト、５１
〜５３は放射温度計、５４はニューロコンピュータ、５
５はニューラルネットワーク、５６はベルトコンベア、
５７は判別対象物である。

【００１５】フラッシュライト５０は、一定時間に一定
熱量を発生することができ、判別対象物５６の表面を温
める。放射温度計５１〜５３は、フラッシュライト５０
の照射によって温められた判別対象物の表面温度を測定
する。なお、フラッシュライト５０照射後の判別対象物
の表面温度の時間変化を求めるために、複数の放射温度
計５１〜５３はベルトコンベア５５に沿って等間隔に設
置されている。

【００１６】ニューロコンピュータ５４は、材質の表面
温度の時間的変化データを材質ごとに予め記憶してお
り、ニューラルネットワーク５５によって放射温度計５
１〜５３から得られた表面温度データから求められる判
別対象物の表面温度の変化データにより判別対象物の材
質を判定する。ベルトコンベア５６は、従来の自動選別
方法で残ったガラス製品及びプラスチック製品等の判別
対象物を、フラッシュライト５０を照射し、放射温度計
５１〜５３で表面温度を測定する過程を経て、判別対象
物の振り分けを自動的に行う選別機構（不図示）まで搬
送する。

【００１７】以上の構成において判別方法について説明
する。図６は、本発明の第１の実施例で、判別方法を示
すフロー図である。まず、ベルトコンベア５６に載せら
れて一定速度で移動している判別対象物５７に対して、
フラッシュライト５０を照射し、判別対象物の表面を温
める（ステップ６０）。

【００１８】次に、フラッシュライト５０の照射で温め
られた判別対象物がベルトコンベア５６に載せられて放
射温度計５１の前を通過する際に、放射温度計５１によ
って判別対象物の表面温度が測定される。その後、ベル
トコンベア５６に載せられた判別対象物が等間隔ごとに
設置された放射温度計５２及び５３の前を通過するごと
に、放射温度計５２及び５３は、判別対象物の表面温度
を測定し、放射温度計５１〜５３での測定結果をニュー
ロコンピュータ５４に入力する（ステップ６１）。

【００１９】ニューロコンピュータ５４では、判別対象
物であるガラス及びプラスチックの温度の時間変化特性
を予め学習したニューラルネットワーク５５を用いて、
放射温度計５１〜５３から得られた温度データから、判
別対象物がガラスかプラスチックかを判定する（ステッ
プ６２）。ニューロコンピュータ５４での判定結果は、
振り分け作業を自動的に行う選別機構に送達され、そこ
で判別対象物が自動的に選別される（ステップ６３）。

【００２０】なお、上記実施例ではフラッシュライト５
０照射後、判別対象物の表面温度の時間変化を求めるた
めに、ベルトコンベア５６に沿って複数の放射温度計５
１〜５３を等間隔に設置し、且つベルトコンベア上の判
別対象物を一定速度で移動させているが、ベルトコンベ
アによる移動速度を制御することによって、一台の放射
温度計で判別対象物の表面温度の時間変化を求めるよう
にすることも可能である。

【００２１】また、判別対象物を温める手段として上記
実施例ではフラッシュライトを用いたが、一定の短時間
で判別対象物を温める熱源であれば、これに限られるも
のではない。さらにまた、判別対象物の表面温度を測定
する手段として上記実施例では放射温度計を用いたが、
赤外線カメラ等の表面温度を測定できるものであれば、
これに限られるものではない。

【００２２】それから上記実施例では、フラッシュライ
トによって判別対象物の表面を温めて、その後の温度変
化によって判別対象物の材質を判定していたが、判別対
象物の表面を冷やして、その後の温度変化によって判別
対象物の材質を判定してもよく、その際判別対象物を冷
やす手段としては、冷気体を一定時間当ててもよく、一
定の短時間で判別対象物を冷やす冷却体であれば、これ
に限られるものではない。

【００２３】次に、本発明の第２の実施例を図面に基づ
いて説明する。一般にガラス製品は金属イオンによって
着色され、プラスチック製品は染料によって着色されて
いるので、ガラス及びプラスチックを透過する透過光の
分光スペクトルは異なる。図１７乃至図１９は、ガラス
及びプラスチックを透過した光の分光スペクトルである
透過率の変化をガラス及びプラスチックの色別にそれぞ
れ示しており、縦軸は透過率、横軸は波長を表してい
る。

【００２４】ただし、ガラス製品とプラスチック製品と
では肉厚部の厚さの違いにより透過率が異なるので、ガ
ラスとプラスチックとで透過率の最大値が一致するよう
に正規化して表示してある。また、同系色の複数の試料
に対スル測定結果を同軸座標上に示してある。図２０乃
至図２２は、図１７乃至図１９に示された透過率の変化
を透過率の傾きで表し、ガラス及びプラスチックの色別
にそれぞれ示しており、縦軸は透過率の傾き、横軸は波
長を表している。

【００２５】図２０乃至図２２に示されたように、プラ
スチックの方がガラスに比べて透過率の傾きの変化が激
しいので、この違いによってガラスとプラスチックとを
判別することができ、しかも色の違いにより透過率の傾
きの変化が異なるのでガラス及びプラスチックの色も判
別することができる。以上のように、ガラスとプラスチ
ックの透過率の変化及び透過率の傾きの変化をそれぞれ
色別に記憶させておき、判別対象物の透過率の変化及び
透過率の傾きの変化との比較を行うことによって判別対
象物の材質及び色を判定する。

【００２６】図７は、本発明の第２の実施例の構成図で
ある。図７において、７０は面光源、７１は分光透過率
計、７２はニューロコンピュータ、７３はニューラルネ
ットワーク、７４はベルトコンベア、７５は判別対象
物、７６は暗室である。面光源７０は、全ての波長を含
む標準光を判別対象物７５の全体に照射する光源であ
る。

【００２７】分光透過率計７１は、面光源７０から照射
され判別対象物７５を透過した透過光の分光スペクトル
を検出する。なお、分光透過率計は判別対象物７５を透
過した透過光の分光スペクトルを検出するために判別対
象物７５を中心に面光源７０に対向して配置されてい
る。ニューロコンピュータ７２は、材質ごとに分光スペ
クトルを予め記憶しており、ニューラルネットワーク７
３によって分光透過率計７１で検出された分光スペクト
ルから判別対象物７５の材質及び色を判定する。

【００２８】ここで、分光スペクトルは判別対象物の色
によって様々なので、ニューロコンピュータ７２には、
様々な色をしたガラス及びプラスチックの分光スペクト
ルを学習させておく。ベルトコンベア７４は、従来の自
動選別方法で残ったガラス製品及びプラスチック製品等
の判別対象物７５を、分光スペクトルを検知する過程を
経て、判別対象物の振り分けを自動的に行う選別機構
（不図示）まで搬送する。

【００２９】なお、面光源７０及び分光透過率計７１は
暗室７６に設置し、判別対象物７４を透過する透過光の
分光スペクトルの検知を高精度に行えるようにしてい
る。以上の構成において判別方法について説明する。図
８は、本発明の第２の実施例の判別方法を示すフロー図
である。ベルトコンベア７４に載せて搬送されてきた判
別対象物７５に対して、面光源７０から標準光を照射し
（ステップ８０）、判別対象物を透過した透過光の分光
スペクトルを分光透過率計７１で検知し（ステップ８
１）、分光透過率計での検知結果はニューロコンピュー
タ７２へ入力される。

【００３０】ニューロコンピュータ７２では、分光透過
率計で検知された分光スペクトルと予め記憶させておい
たガラス及びプラスチックの分光スぺクトルとをニュー
ラルネットワーク７３を用いて、判別対象物の材質がガ
ラス、或いはそれ以外の物であるかを判定し、且つガラ
スについては色まで判定する（ステップ８２）。ニュー
ロコンピュータ５４での判定結果は、振り分け作業を自
動的に行う選別機構に送達され、そこで判別対象物が自
動的に選別される（ステップ８３）。

【００３１】なお、判別対象物に照射される光源として
上記実施例では標準光源を用いているが、全ての波長を
含む光を発する光源、例えば常用光源や白色光源でもよ
い。また、判別対象物を透過した透過光の分光スペクト
ルを検知する手段として上記実施例では分光透過率計を
用いてるが、分光スペクトルを検知する分光測色器であ
れば、これに限られるものではない。

【００３２】次に、本発明の第３の実施例を図面に基づ
いて説明する。判別対象物であるガラス瓶等のガラス製
品とペットボトル等のプラスチック製品との違いの一つ
として、判別対象物の肉厚部の厚さの違いがあり、一般
にガラス製品はプラスチック製品より肉厚部が厚くでき
ている。ガラス製品或いはプラスチック製品の肉厚部の
厚さは、照明光源を背景にして見た判別対象物の中央内
部と肉厚部を透過する透過光の強さが違うので、透過光
の色の濃い部分の幅となって現れる。

【００３３】そこで、照明光源を背景にした判別対象物
を画像入力手段の一つであるＴＶカメラで撮像し、画像
処理装置でその画像の色相、彩度、明度の演算を行い、
判別対象物の中央内部付近から肉厚部のエッジ部までの
色相、彩度、明度の変化により判別対象物の肉厚部の厚
さを認識し、この肉厚部の厚さの違いにより判別対象物
を判別する。

【００３４】図１１及び図１２はカメラによる撮像画面
であり、図１１は撮像された判別対象物全体を示す画面
であり、図１２は図１１の点線で囲まれた部分１１２を
切り出した画面である。図１１及び図１２において、判
別対象物１１０（図１２では１２０）の黒く（図中、斜
線で示す）示した部分１１１（図１２では１２１）が判
別対象物の肉厚部を示している。

【００３５】また、図２３乃至図２８は着色された材質
ごとの色相、彩度、明度の変化を示す図である。ここ
で、縦軸は色相、彩度、明度を示しており、各度合いの
変化を相対的に表し、横軸は図１２の点線で示された判
別対象物の中央内部付近Ａから肉厚部のエッジ部Ｂまで
の距離を示しており、画素のドット数であるピクセル数
で表している。

【００３６】図２３乃至図２８に示されたように肉厚部
分では色相、彩度、明度は大きく変化し、しかも変化す
る幅がガラスとプラスチックの材質の違いによって異な
り、色相が色の違いによって異なっている。以上のよう
に、ガラス製品とプラスチック製品との肉厚部の厚さの
違いを、判別対象物であるガラス製品或いはプラスチッ
ク製品を透過する透過光の色相、彩度、明度といった色
情報の変化の違いによって判断し、これによってガラス
とプラスチックとを判別することができ、しかもガラス
及びプラスチックの色も判別することができる。

【００３７】図９は、本発明の第３の実施例の構成図で
ある。図９において、９０は面光源、９１はＴＶカメ
ラ、９２は画像処理装置、９３はニューロコンピュー
タ、９４はニューラルネットワーク、９５はベルトコン
ベア、９６は判別対象物、９７は暗室である。面光源９
０は、判別対象物９６の全体に光を照射する光源であ
る。

【００３８】ＴＶカメラ９１は、面光源９０から照射さ
れ判別対象物９６を透過した透過光を撮像する。なお、
ＴＶカメラ９１は判別対象物９６を透過した透過光を撮
像するために判別対象物９６を中心に面光源９０に対向
して配置されている。画像処理装置９２は、ＴＶカメラ
９１で撮像された画像から図１２に示すような判別対象
物の中央内部付近から肉厚部のエッジ部分までの画像を
切りだし、その色相、彩度、明度の演算を行う。

【００３９】ニューロコンピュータ９３は、判別対象物
と同じ形態をしたサンプルの色相、彩度、明度の変化を
予め記憶しており、ニューラルネットワーク９４によっ
て画像処理装置９２における色相、彩度、明度の演算結
果から判別対象物９６の材質及び色を判定する。ここ
で、判別対象物の中央内部付近からエッジ部分にかけて
の色相、彩度、明度の変化はＴＶカメラ９１による撮像
状態により変わるので、ニューロコンピュータ９３に
は、様々な撮像状態での色相、彩度、明度の変化を学習
させておく。

【００４０】ベルトコンベア９５は、従来の自動選別方
法で残っガラス製品及びプラスチック製品等の判別対象
物の９６を、ＴＶカメラ９１による撮像過程を経て、判
別対象物の振り分けを自動的に行う選別機構（不図示）
まで搬送する。なお、面光源９０及びＴＶカメラ９１は
暗室９７に設置し、判別対象物９６の撮像が高品質に行
えるようにしている。

【００４１】以上の構成において判別方法について説明
する。図１０は、本発明の第３の実施例の判別方法を示
すフロー図である。ベルトコンベア９５に載せて搬送さ
れてきた判別対象物９６に対して、面光源９０を照射し
（ステップ１００）、判別対象物をＴＶカメラ９１で撮
像し（ステップ１０１）、ＴＶカメラ９１で撮像された
画像は画像処理装置９２へ入力される。

【００４２】画像処理装置９２では、ＴＶカメラで撮像
された画像の中から判別対象物のエッジ部を切り出し
（ステップ１０２）、切り出された画像の色相、彩度、
明度の演算を行い（ステップ１０３）、各演算結果はニ
ューロコンピュータ９３へ入力される。ニューロコンピ
ュータ９３では、複数のサンプルの色相、彩度、明度の
変化を予め学習したニューラルネットワーク９４を用い
て、画像処理装置にて演算された判別対象物の中央内部
付近からエッジ部分への色相、彩度、明度の変化から、
判別対象物の材質がガラス、或いはそれ以外の物である
かを判定し、且つガラスについては色まで判定する（ス
テップ１０４）。

【００４３】ニューロコンピュータ９３での判定結果
は、振り分け作業を自動的に行う選別機構に送達され、
そこで選別対象物が自動的に選別される（ステップ１０
５）。次に、本発明の第４の実施例を図面に基づいて説
明する。判別対象物であるガラス瓶等のガラス製品とペ
ットボトル等のプラスチック製品との違いとして、ガラ
ス製品はプラスチック製品より肉厚部が厚くできている
とともに、ガラス製品の肉厚部には不均一なところがあ
る。

【００４４】そこで、ガラス又はプラスチックの判別対
象物を通して見た背後の画像の乱れはガラスの方が大き
く、この画像の乱れの度合いによって判別対象物を判別
することができる。図１３は、本発明の第４の実施例の
構成図である。図１３において、１３０は面光源、１３
１は格子縞、１３２はＴＶカメラ、１３３は画像処理装
置、１３４はベルトコンベア、１３５は判別対象物、１
３５は暗室である。

【００４５】面光源１３０は、判別対象物１３５の全体
に光を照射する光源であり、その照射表面上に格子縞１
３１が描かれている。ＴＶカメラ１３２は、面光源１３
０から照射され判別別象物１３５を透過した格子縞の影
像を撮像する。なお、ＴＶカメラ１３２は判別対象物１
３５を透過した格子縞の影像を撮像するために判別対象
物１３５を介して面光源１３０に対向して配置されてい
る。

【００４６】画像処理装置１３３は、ＴＶカメラ１３２
で撮像された格子縞１３１の影像の乱れを解析し、判別
対象物１３５の材質を判定する。ベルトコンベア１３４
は、従来の自動選別方法で残ったガラス製品及びプラス
チック製品等の判別対象物を、ＴＶカメラ１３２でによ
る撮像過程を経て、判別対象物の振り分けを自動的に行
う選別機構（不図示）まで搬送する。

【００４７】なお、面光源１３０、格子縞１３１、及び
ＴＶカメラ１３２は暗室１３６に設置し，判別対象物１
３５を透過した格子縞１３１の影像の撮像が高品質に行
えるようにしている。以上の構成において判別方法につ
いて説明する。図１４は、本発明の第４の実施例の判別
方法を示すフロー図である。

【００４８】ベルトコンベア１３４に載せて搬送されて
きた判別対象物１３５に対して、照射表面上に格子縞の
ある面光源を照射し（ステップ１４０）、判別対象物を
透過した格子縞の影像をＴＶカメラ１３２で撮像し（ス
テップ１４１）、ＴＶカメラで撮像された画像は画像処
理装置１３３へ入力される。画像処理装置１３３では、
ＴＶカメラで撮像された画像を画像処理し、格子縞の影
像の乱れの度合いを解析し（ステップ１４２）、その解
析結果によって判別対象物の材質がガラス、或いはそれ
以外の物であるかを判定する（ステップ１４３）。

【００４９】画像処理装置１３３での判定結果は、振り
分け作業を自動的に行う選別機構に送達することよって
判別対象物が自動的に選別される（ステップ１４４）。
なお、上記実施例では判別対象物を通して見る背後の画
像として格子縞を用いているが、画像の乱れの度合いを
解析できるものであれば、これに限られるものではな
い。

【００５０】さらに、判別精度を上げるために前記実施
例の方法を併用した本発明の第５の実施例を図面に基づ
いて説明する。図１５は、本発明の第５の実施例の構成
図である。図１５において、１５０は面光源、１５１は
分光透過率計、１５２はＴＶカメラ、１５３は画像処理
装置、１５４はニューロコンピュータ、１５５はニュー
ラルネットワーク、１５６はベルトコンベア、１５７は
判別対象物、１５８は暗室である。

【００５１】面光源１５０、分光透過率計１５１、及び
ベルトコンベア１５６は、それぞれ本発明の第２の実施
例における図７の面光源７０、分光透過率計７１、及び
ベルトコンベア７４と同様のものであり、ＴＶカメラ１
５２と画像処理装置１５３は、本発明の第３の実施例に
おける図９のＴＶカメラ９１及び画像処理装置９２と同
様のものである。

【００５２】ニューロコンピュータ１５４は、材質ごと
の分光スペクトルと判別対象物と同じ形態をしたサンプ
ルの色相、彩度、明度の変化を予め学習しており、ニュ
ーラルネットワーク１５５によって分光透過率計１５２
で検出された分光スペクトル及び画像処理装置１５３で
の色相、彩度、明度の演算結果から判別対象物１５７の
材質及び色を判定する。

【００５３】ここで、分光スペクトルは判別対象物の色
によって様々であり、また判別対象物の中央内部付近か
らエッジ部分にかけての色相、彩度、明度の変化はＴＶ
カメラ１５１による撮像状態により変わるので、ニュー
ロコンピュータ１５４には、様々な色をしたガラス及び
プラスチックの分光スペクトル、及び様々な撮像状態で
の色相、彩度、明度の変化を学習させておく。

【００５４】以上の構成において判別方法について説明
する。図１６は、本発明の第５の実施例の判別方法を示
すフロー図である。ベルトコンベア１５６に載せて搬送
されてきた判別対象物１５７に対して、面光源１５０か
ら標準光を照射し（ステップ１６０）、判別対象物を透
過した透過光の分光スペクトルを分光透過率計１５１で
検知する（ステップ１６１）とともに判別対象物をＴＶ
カメラ１５２で撮像する（ステップ１６２）。

【００５５】分光透過率計１５１での検知結果はニュー
ロコンピュータ１５４へ入力され、ＴＶカメラ１５１で
撮像された画像は画像処理装置１５３へ入力される。画
像処理装置１５３では、ＴＶカメラ１５２で撮像された
画像の中から判別対象物のエッジ部を切り出し（ステッ
プ１６３）、切り出された画像の色相、彩度、明度の演
算を行い（ステップ１６４）、各演算結果をニューロコ
ンピュータ１５４へ入力される。

【００５６】ニューロコンピュータ１５４では、ニュー
ラルネットワーク１５５を用いて、分光透過率計で検知
された分光スペクトル及び画像処理装置にて演算された
色相、彩度、明度の変化から判別対象物の材質がガラ
ス、或いはそれ以外の物であるかを判定し、且つガラス
については色まで判定する（ステップ１６５）。ニュー
ロコンピュータ１５４での判定結果は，振り分け作業を
自動的に行う選別機構（不図示）に送達され、そこで判
別対象物が自動的に選別される（ステップ１６６）。

【００５７】なお、上記実施例では、分光スペクトル及
び色相、彩度、明度といった透過光の色情報によって判
別対象物を選別しているが、この組合せに限られるもで
はなく、本発明の第１〜第４の実施例の中から任意の実
施例を組み合わせてもよい。

【００５８】

【発明の効果】以上説明したように本発明によれば、判
別対象物の材質の判別を自動的に行うことができ、例え
ば、今まで人手に頼っていたガラスとプラスチックとの
選別を自動化することができるので、不燃性廃棄物の選
別処理の作業性が大いに図れるという効果がある。

【００５９】また、本発明によれば、ガラス瓶を再利用
する上で好都合なガラスの色分けも行うことができると
いう効果がある。

【図面の簡単な説明】

【図１】本発明における第１の発明の原理説明図であ
る。

【図２】本発明における第２の発明の原理説明図であ
る。

【図３】本発明における第３の発明の原理説明図であ
る。

【図４】本発明における第４の発明の原理説明図であ
る。

【図５】本発明の第１の実施例の構成図である。

【図６】本発明の第１の実施例の判別方法フロー図であ
る。

【図７】本発明の第２の実施例の構成図である。

【図８】本発明の第２の実施例の判別方法フロー図であ
る。

【図９】本発明の第３の実施例の構成図である。

【図１０】本発明の第３の実施例の判別方法フロー図で
ある。

【図１１】本発明の第３の実施例のカメラによる撮像画
面その１である。

【図１２】本発明の第３の実施例のカメラによる撮像画
面その２である。

【図１３】本発明の第４の実施例の構成図である。

【図１４】本発明の第４の実施例の判別方法フロー図で
ある。

【図１５】本発明の第５の実施例の構成図である。

【図１６】本発明の第５の実施例の判別方法フロー図で
ある。

【図１７】無色透明のガラス及びプラスチックの透過率
の変化を示す図である。

【図１８】緑色のガラス及びプラスチックの透過率の変
化を示す図である。

【図１９】青色のガラス及びプラスチックの透過率の変
化を示す図である。

【図２０】無色透明のガラス及びプラスチックの透過率
の傾きの変化を示す図である。

【図２１】緑色のガラス及びプラスチックの透過率の傾
きの変化を示す図である。

【図２２】青色のガラス及びプラスチックの透過率の傾
きの変化を示す図である。

【図２３】透明ガラスの色相、彩度、明度の変化を示す
図である。

【図２４】緑ガラスの色相、彩度、明度の変化を示す図
である。

【図２５】薄青ガラスの色相、彩度、明度の変化を示す
図である。

【図２６】透明プラスチックの色相、彩度、明度の変化
を示す図である。

【図２７】緑プラスチックの色相、彩度、明度の変化を
示す図である。

【図２８】薄青プラスチックの色相、彩度、明度の変化
を示す図である。

【符号の説明】

１０・・・判別対象物の加熱又は冷却過程 １１・・・表面温度の検知過程 １２・・・材質の判別過程

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成５年１２月６日

【手続補正１】

【補正対象書類名】図面

【補正対象項目名】図１

【補正方法】変更

【補正内容】

【図１】

【手続補正２】

【補正対象書類名】図面

【補正対象項目名】図１０

【補正方法】変更

【補正内容】

【図１０】

【手続補正３】

【補正対象書類名】図面

【補正対象項目名】図１１

【補正方法】変更

【補正内容】

【図１１】 ─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成５年１２月２４日

【手続補正１】

【補正対象書類名】図面

【補正対象項目名】図２２

【補正方法】変更

【補正内容】

【図２２】

Claims (4)

【特許請求の範囲】
1. 【請求項１】 判別対象物の表面に一定時間熱量を加え
   る手段、或いは判別対象物の表面から一定時間熱量を奪
   う手段により、当該判別対象物の表面を加熱、或いは冷
   却し（１０）、 前記加熱手段によって温められた、或いは前記冷却手段
   によって冷やされた当該判別対象物の表面温度を、表面
   温度検知手段により検知し（１１）、 前記表面温度検知手段によって得られた当該判別対象物
   の表面温度の変化特性に基づいて当該判別対象物の材質
   を判別する（１２）、 ことを特徴とする材質判別方法。
2. 【請求項２】 複数の波長を有する光を発する光源によ
   り選別対象物を照射し（２０）、 前記光源から照射され前記選別対象物を透過した複数の
   波長を有する透過光の分光スペクトルを、前記光源の照
   射面に対向して配置された光検知手段により検知し（２
   １）、 前記光検知手段によって得られた前記透過光の分光スペ
   クトルの特性に基づいて当該判別対象物の材質を判別す
   る（２２）、 ことを特徴とする材質判別方法。
3. 【請求項３】 照明光源により選別対象物を照射し（３
   ０）、 前記照明光源で照射され前記判別対象物を透過した透過
   光を、前記照明光源の照射面に対向して配置された画像
   入力手段で撮像し（３１）、 前記画像入力手段で撮像された前記透過光の画像を画像
   処理して得られた前記透過光の色情報を解析し（３
   ２）、 解析された前記色情報の特性に基づいて当該判別対象物
   の材質を判別する（３３）、 ことを特徴とする材質判別方法。
4. 【請求項４】 照明光源により選別対象物を照射し（４
   ０）、 前記照明光源と前記選別対象物との間に介装された遮蔽
   物の影像を、前記照明光源の照射面に対向して配置され
   た画像入力手段で撮像し（４１）、 前記画像入力手段で撮像された前記遮蔽物の影像を画像
   処理して得られた前記影像の乱れを解析し（４２）、 解析された前記乱れの特性に基づいて当該判別対象物の
   材質を判別する（４３）、 ことを特徴とする材質判別方法。