JPH06288913A - 瓶類分別検査方法 - Google Patents
瓶類分別検査方法Info
- Publication number
- JPH06288913A JPH06288913A JP7841093A JP7841093A JPH06288913A JP H06288913 A JPH06288913 A JP H06288913A JP 7841093 A JP7841093 A JP 7841093A JP 7841093 A JP7841093 A JP 7841093A JP H06288913 A JPH06288913 A JP H06288913A
- Authority
- JP
- Japan
- Prior art keywords
- light
- bottle
- bottles
- infrared
- absorption spectrum
- 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.)
- Withdrawn
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Sorting Of Articles (AREA)
Abstract
(57)【要約】
【目的】 本発明は、瓶類分別検査方法に関し、液体が
残留しているプラスティックボトルとガラス瓶との分別
を行う。 【構成】 分別対象の瓶類を、赤外光により照射した
ときの、透過光ａと、反射光ｂと、参照光ｃと
を、ニューラルネットワークの所定のニューロユニット
に入力すると共に、赤外分光光度計（検査部）に入力し
て、上記分別対象の瓶類の吸収スペクトルを求め、上記
赤外分光光度計で得られた吸収スペクトルから、所定
のディジタルデータを生成して、上記ニューラルネット
ワークの教師信号とし、複数個の分別対象に上記赤外
光を照射した時の吸収スペクトルを学習して、その
学習結果に基づいて、瓶類の分別を行うように構成す
る。
残留しているプラスティックボトルとガラス瓶との分別
を行う。 【構成】 分別対象の瓶類を、赤外光により照射した
ときの、透過光ａと、反射光ｂと、参照光ｃと
を、ニューラルネットワークの所定のニューロユニット
に入力すると共に、赤外分光光度計（検査部）に入力し
て、上記分別対象の瓶類の吸収スペクトルを求め、上記
赤外分光光度計で得られた吸収スペクトルから、所定
のディジタルデータを生成して、上記ニューラルネット
ワークの教師信号とし、複数個の分別対象に上記赤外
光を照射した時の吸収スペクトルを学習して、その
学習結果に基づいて、瓶類の分別を行うように構成す
る。
Description
【０００１】
【産業上の利用分野】本発明は、液体が残留してきるプ
ラスチックボトルとガラス瓶の分別を行う瓶類分別検査
方法に関する。
ラスチックボトルとガラス瓶の分別を行う瓶類分別検査
方法に関する。
【０００２】近年、地球環境の保全への関心の高まり
は、廃棄物のリサイクル活動を拡大化させている。この
ような廃棄物の再利用のために、瓶類を分別回収するこ
とが要求されている。このとき、その１つとして、例え
ば、廃棄物中に混在している瓶類である、プラスチック
ボトルとガラス瓶との分別を行い回収する手段が必要で
ある。
は、廃棄物のリサイクル活動を拡大化させている。この
ような廃棄物の再利用のために、瓶類を分別回収するこ
とが要求されている。このとき、その１つとして、例え
ば、廃棄物中に混在している瓶類である、プラスチック
ボトルとガラス瓶との分別を行い回収する手段が必要で
ある。
【０００３】
【従来の技術】図２は、従来の瓶類分別検査方法を説明
する図である。従来の、瓶類の分別は、プラスチック
と、ガラスとの比重に、例えば、プラスチック：1.4 g/
cm3 、ガラス：2.4 〜2.8 g/cm3 のように差があること
に着目して、本図に示されている、例えば、大型の遠心
分離器により分別を行っていた。
する図である。従来の、瓶類の分別は、プラスチック
と、ガラスとの比重に、例えば、プラスチック：1.4 g/
cm3 、ガラス：2.4 〜2.8 g/cm3 のように差があること
に着目して、本図に示されている、例えば、大型の遠心
分離器により分別を行っていた。
【０００４】
【発明が解決しようとする課題】この従来の遠心分離器
による瓶類の分別方法では、例えば、ガラス瓶に、水等
の液体が残留していると、残留している水の比重が、1.
3 g/cm3 であることから、液体の残留しているガラス瓶
とプラスチックボトルとの比重差が少なくなり、効果的
に分別できなくなるという問題があった。
による瓶類の分別方法では、例えば、ガラス瓶に、水等
の液体が残留していると、残留している水の比重が、1.
3 g/cm3 であることから、液体の残留しているガラス瓶
とプラスチックボトルとの比重差が少なくなり、効果的
に分別できなくなるという問題があった。
【０００５】即ち、上記従来の比重差による分別手段で
は、瓶類に液体が残留している場合には対処できないと
いう問題があった。本発明は上記従来の欠点に鑑み、プ
ラスチックといった有機化合物には、赤外光をあてた
時の吸収スペクトルに特徴的な特性が見られること
と、上記有機化合物とガラスとでは、赤外光の反射に
差があること、又、ニューラルネットワークには、補間
機能があり、上記吸収スペクトルの小さな差分につい
ては、補間されて同じ特性の物として分別できることに
着目して、赤外光による吸収スペクトルの分光測定
と、ニューラルネットワークによる学習とを組み合わせ
て、液体が残留しているプラスチックボトルとガラス瓶
との分別を効果的に行うことができる瓶類分別検査方法
を提供することを目的とするものである。
は、瓶類に液体が残留している場合には対処できないと
いう問題があった。本発明は上記従来の欠点に鑑み、プ
ラスチックといった有機化合物には、赤外光をあてた
時の吸収スペクトルに特徴的な特性が見られること
と、上記有機化合物とガラスとでは、赤外光の反射に
差があること、又、ニューラルネットワークには、補間
機能があり、上記吸収スペクトルの小さな差分につい
ては、補間されて同じ特性の物として分別できることに
着目して、赤外光による吸収スペクトルの分光測定
と、ニューラルネットワークによる学習とを組み合わせ
て、液体が残留しているプラスチックボトルとガラス瓶
との分別を効果的に行うことができる瓶類分別検査方法
を提供することを目的とするものである。
【０００６】
【課題を解決するための手段】図１は、本発明の一実施
例を示した図であり、図１(a) は、透過光ａと、反射
光ｂと、吸収スペクトルとの関係を模式的にに示し
ており、図１(b) は、本発明の瓶類分別検査方法の構成
例を示している。上記の問題点は下記の如くに構成した
瓶類分別検査方法によって解決される。
例を示した図であり、図１(a) は、透過光ａと、反射
光ｂと、吸収スペクトルとの関係を模式的にに示し
ており、図１(b) は、本発明の瓶類分別検査方法の構成
例を示している。上記の問題点は下記の如くに構成した
瓶類分別検査方法によって解決される。
【０００７】分別対象の瓶類 2を、赤外線光源 1からの
赤外光により照射したときの、透過光ａと、反射光
ｂと、参照光ｃとを、ニューラルネットワーク 9の
所定のニューロユニット 91,92,93 に入力すると共に、
赤外分光光度計 (検出器、以下省略することがある) 8
に入力して、上記分別対象の瓶類の吸収スペクトルを求
め、上記赤外分光光度計 8で得られた吸収スペクトル
から、所定のディジタル信号を生成して、上記ニューラ
ルネットワーク 9の教師信号とし、複数個の分別対象
に、上記赤外光を照射した時の吸収スペクトル特性を
学習して、その学習結果に基づいて、瓶類の分別を行う
ように構成する。
赤外光により照射したときの、透過光ａと、反射光
ｂと、参照光ｃとを、ニューラルネットワーク 9の
所定のニューロユニット 91,92,93 に入力すると共に、
赤外分光光度計 (検出器、以下省略することがある) 8
に入力して、上記分別対象の瓶類の吸収スペクトルを求
め、上記赤外分光光度計 8で得られた吸収スペクトル
から、所定のディジタル信号を生成して、上記ニューラ
ルネットワーク 9の教師信号とし、複数個の分別対象
に、上記赤外光を照射した時の吸収スペクトル特性を
学習して、その学習結果に基づいて、瓶類の分別を行う
ように構成する。
【０００８】
【作用】即ち、本発明においては、図１(a) に示したよ
うに、赤外光を、分別対象の瓶類に照射したとき、瓶
類を構成している化合物により決まる吸収スペクトル
と、対応した反射光ｂと、透過光ａが得られること
に鑑みて、前述のように、プラスチックといった有機化
合物には、赤外光をあてた時の吸収スペクトルに特
徴的な特性が見られることと、上記有機化合物とガラス
とでは、赤外光の反射に差があること、又、ニューラ
ルネットワークには、補間機能があり、上記吸収スペク
トルの小さな差分については、補間されて同じ特性と
して分別できることに着目して、赤外光による分光測
定結果である吸収スペクトル情報をニューラルネットワ
ークで学習し、その学習結果に基づいて、液体の残留し
たプラスチックボトルとガラス瓶との分別を、的確に行
うようにしたものである。
うに、赤外光を、分別対象の瓶類に照射したとき、瓶
類を構成している化合物により決まる吸収スペクトル
と、対応した反射光ｂと、透過光ａが得られること
に鑑みて、前述のように、プラスチックといった有機化
合物には、赤外光をあてた時の吸収スペクトルに特
徴的な特性が見られることと、上記有機化合物とガラス
とでは、赤外光の反射に差があること、又、ニューラ
ルネットワークには、補間機能があり、上記吸収スペク
トルの小さな差分については、補間されて同じ特性と
して分別できることに着目して、赤外光による分光測
定結果である吸収スペクトル情報をニューラルネットワ
ークで学習し、その学習結果に基づいて、液体の残留し
たプラスチックボトルとガラス瓶との分別を、的確に行
うようにしたものである。
【０００９】物体に赤外光をあてたときの吸収スペク
トルの測定方法については、その原形については、例え
ば、「“赤外線吸収スペクトル入門",A.D.CROSS 著, 名
取信策, 千原呉郎訳, 装置: 構造と操作,P 14 〜16,196
0.10.1, 株式会社東京化学同人刊」に示されているよう
に、赤外光を試料物質に照射したときの透過光ａと参
照光ｃとを用いて、吸収スペクトルを求めることが
できる。
トルの測定方法については、その原形については、例え
ば、「“赤外線吸収スペクトル入門",A.D.CROSS 著, 名
取信策, 千原呉郎訳, 装置: 構造と操作,P 14 〜16,196
0.10.1, 株式会社東京化学同人刊」に示されているよう
に、赤外光を試料物質に照射したときの透過光ａと参
照光ｃとを用いて、吸収スペクトルを求めることが
できる。
【００１０】更に、プラスチックといった有機化合物
と、ガラスといった無機化合物とでは、上記赤外光を
あてたときの反射光ｂに差があることに着目して、上
記透過光ａと参照光ｃの他に、赤外光の反射光
ｂを用いて、吸収スペクトルを求める方法がある。
と、ガラスといった無機化合物とでは、上記赤外光を
あてたときの反射光ｂに差があることに着目して、上
記透過光ａと参照光ｃの他に、赤外光の反射光
ｂを用いて、吸収スペクトルを求める方法がある。
【００１１】これらの吸収スペクトルの測定の応用例
については、例えば、日本電子株式会社のカタログ“フ
ーリエ変換赤外分光光度計”に、上記反射光を用いる赤
外分光光度計の製品があることが示されている。
については、例えば、日本電子株式会社のカタログ“フ
ーリエ変換赤外分光光度計”に、上記反射光を用いる赤
外分光光度計の製品があることが示されている。
【００１２】本発明は、上記公知の赤外光分光光度計に
よる吸収スペクトル情報を、補間機能を備えたニューラ
ルネットワークで学習させることで、液体が残留してい
るプラスチックボトルとガラス瓶との分別を効果的に行
うようにしたものである。
よる吸収スペクトル情報を、補間機能を備えたニューラ
ルネットワークで学習させることで、液体が残留してい
るプラスチックボトルとガラス瓶との分別を効果的に行
うようにしたものである。
【００１３】即ち、プラスチックと、ガラスとでは、赤
外光の吸収スペクトルに大きな差が見られること、
又、瓶に液体が残留しているときの、残留の量に対応し
た細かい吸収スペクトルの差については、ニューラル
ネットワークの補間機能を用いることで、差分としては
類別されないように学習できること、更に、上記吸収ス
ペクトルを求める際に、赤外光を物体に照射したと
きの反射光ｂが、プラスチックといった有機化合物
と、ガラスといった無機化合物とでは大きな差がある現
象を利用して、上記のように、透過光ａと、参照光
ｃと、反射光ｂとを用いた吸収スペクトル情報を得て
学習することで、液体の残留しているプラスチック瓶と
ガラス瓶との差を、より明確にして、瓶類の分別を行う
ようにしたものである。
外光の吸収スペクトルに大きな差が見られること、
又、瓶に液体が残留しているときの、残留の量に対応し
た細かい吸収スペクトルの差については、ニューラル
ネットワークの補間機能を用いることで、差分としては
類別されないように学習できること、更に、上記吸収ス
ペクトルを求める際に、赤外光を物体に照射したと
きの反射光ｂが、プラスチックといった有機化合物
と、ガラスといった無機化合物とでは大きな差がある現
象を利用して、上記のように、透過光ａと、参照光
ｃと、反射光ｂとを用いた吸収スペクトル情報を得て
学習することで、液体の残留しているプラスチック瓶と
ガラス瓶との差を、より明確にして、瓶類の分別を行う
ようにしたものである。
【００１４】従って、被検査対象物である瓶類の赤外光
による吸収スペクトルを測定し、得られた吸収スペ
クトル情報（具体的には、透過光ａと、反射光ｂ
と、参照光ｃ）をニューラルネットワークで学習さ
せるように組み合わせた瓶類分別検査方法により、液体
が残留しているプラスチックボトルとガラス瓶との分別
を的確に行うことができる効果が得られる。
による吸収スペクトルを測定し、得られた吸収スペ
クトル情報（具体的には、透過光ａと、反射光ｂ
と、参照光ｃ）をニューラルネットワークで学習さ
せるように組み合わせた瓶類分別検査方法により、液体
が残留しているプラスチックボトルとガラス瓶との分別
を的確に行うことができる効果が得られる。
【００１５】
【実施例】以下本発明の実施例を図面によって詳述す
る。前述の図１は、本発明の一実施例を示した図であ
る。
る。前述の図１は、本発明の一実施例を示した図であ
る。
【００１６】本発明においては、分別対象の瓶類 4を、
赤外光源 1からの赤外光により照射したときの、透過
光ａと、反射光ｂと、参照光ｃとを、ニューラル
ネットワーク 9の所定のニューロユニット 91,92,93 に
入力すると共に、赤外分光光度計 8に入力して、上記分
別対象の瓶類の吸収スペクトルを求め、上記赤外分光
光度計 8で得られた吸収スペクトルから、所定のディ
ジタル信号を生成して、上記ニューラルネットワーク 9
の教師信号とし、複数個の分別対象に、上記赤外光
を照射した時の吸収スペクトル特性を学習して、その学
習結果に基づいて、瓶類の分別を行う手段が、本発明を
実施するのに必要な手段である。尚、全図を通して同じ
符号は同じ対象物を示している。
赤外光源 1からの赤外光により照射したときの、透過
光ａと、反射光ｂと、参照光ｃとを、ニューラル
ネットワーク 9の所定のニューロユニット 91,92,93 に
入力すると共に、赤外分光光度計 8に入力して、上記分
別対象の瓶類の吸収スペクトルを求め、上記赤外分光
光度計 8で得られた吸収スペクトルから、所定のディ
ジタル信号を生成して、上記ニューラルネットワーク 9
の教師信号とし、複数個の分別対象に、上記赤外光
を照射した時の吸収スペクトル特性を学習して、その学
習結果に基づいて、瓶類の分別を行う手段が、本発明を
実施するのに必要な手段である。尚、全図を通して同じ
符号は同じ対象物を示している。
【００１７】以下、図１によって、本発明の瓶類分別検
査装置の構成と動作を説明する。図１(a) は、前述した
ように、赤外光を、分別対象の瓶類に照射したとき、
瓶類を構成している化合物により決まる吸収スペクトル
と、対応した反射光ｂと、透過光ａが得られるこ
と模式的に示したものである。
査装置の構成と動作を説明する。図１(a) は、前述した
ように、赤外光を、分別対象の瓶類に照射したとき、
瓶類を構成している化合物により決まる吸収スペクトル
と、対応した反射光ｂと、透過光ａが得られるこ
と模式的に示したものである。
【００１８】ここで、赤外光を用いた点は、前述のよ
うにプラスチックといった有機化合物と、ガラスといっ
た無機化合物とでは、その吸収スペクトルと、反射光
ｂに明確な差があることによるものであり、本発明の
構成条件の最も特徴的な部分の１つを構成している。
うにプラスチックといった有機化合物と、ガラスといっ
た無機化合物とでは、その吸収スペクトルと、反射光
ｂに明確な差があることによるものであり、本発明の
構成条件の最も特徴的な部分の１つを構成している。
【００１９】図１(b) は、本発明の瓶類分別検査方法の
構成例を示している。図１(b) において、1 は赤外線光
源、2,3,7 はミラー、は試料照射光ｄとなる赤外
光、ｃは参照光、ｂは反射光、4 は試料としての
瓶、5 はオプティカルファイバー、6 は、例えば、窒素
雰囲気の試料室、7 は受光素子、8 は、赤外線分光器か
らなる検出器、9 はニューラルネットワーク、10はディ
スプレイ等の入出力装置である。
構成例を示している。図１(b) において、1 は赤外線光
源、2,3,7 はミラー、は試料照射光ｄとなる赤外
光、ｃは参照光、ｂは反射光、4 は試料としての
瓶、5 はオプティカルファイバー、6 は、例えば、窒素
雰囲気の試料室、7 は受光素子、8 は、赤外線分光器か
らなる検出器、9 はニューラルネットワーク、10はディ
スプレイ等の入出力装置である。
【００２０】先ず、赤外線光源 1から発せられた赤外光
を、ミラー 2で、試料照射光ｄと、参照光ｃに分
離し、ミラー 3で、上記試料照射光ｄを窒素雰囲気の
試料室 6に導き、試料としての瓶 4に照射する。
を、ミラー 2で、試料照射光ｄと、参照光ｃに分
離し、ミラー 3で、上記試料照射光ｄを窒素雰囲気の
試料室 6に導き、試料としての瓶 4に照射する。
【００２１】得られた透過光ａは、オプティカルファ
イバー 5をとおり受光素子 7に導かれる。又、得られた
反射光ｂはミラー 11 で受光素子 7に導かれる。上記
透過光ａと、反射光ｂは、更に、検出器 8に導か
れ、参照光ｃとを使用して吸収スペクトルの分析が
行われる。
イバー 5をとおり受光素子 7に導かれる。又、得られた
反射光ｂはミラー 11 で受光素子 7に導かれる。上記
透過光ａと、反射光ｂは、更に、検出器 8に導か
れ、参照光ｃとを使用して吸収スペクトルの分析が
行われる。
【００２２】上記透過光ａと、反射光ｂと、参照光
ｃとは、例えば、ディジタル信号に変換されて、ニュ
ーラルネットワーク 9の所定の入力層を構成しているニ
ューロユニット 91,92,93 に入力されると共に、上記検
出器 8で得られた吸収スペクトルは、ディジタル信号
に変換されて、所定の教師信号が生成される。
ｃとは、例えば、ディジタル信号に変換されて、ニュ
ーラルネットワーク 9の所定の入力層を構成しているニ
ューロユニット 91,92,93 に入力されると共に、上記検
出器 8で得られた吸収スペクトルは、ディジタル信号
に変換されて、所定の教師信号が生成される。
【００２３】この教師信号は、ニューラルネットワー
ク 9の出力層に対応するもので、当該瓶類分別検査方法
の分別信号、例えば、液体の残留しているプラスチック
ボトル, ガラス瓶を類別する信号で、例えば、１ビット
以上の２進信号である。
ク 9の出力層に対応するもので、当該瓶類分別検査方法
の分別信号、例えば、液体の残留しているプラスチック
ボトル, ガラス瓶を類別する信号で、例えば、１ビット
以上の２進信号である。
【００２４】ニューラルネットワーク 9の入力層を構成
している、例えば、３個のニューロユニット 91,92,93
には、色々な条件のプラスチックボトルとガラス瓶に赤
外光を掃射したときの、透過光ａと，反射光ｂ
と，参照光ｃをディジタル信号に変換したものが入力
されて学習動作が行われる。
している、例えば、３個のニューロユニット 91,92,93
には、色々な条件のプラスチックボトルとガラス瓶に赤
外光を掃射したときの、透過光ａと，反射光ｂ
と，参照光ｃをディジタル信号に変換したものが入力
されて学習動作が行われる。
【００２５】この学習動作は、出力層の、１個以上のニ
ューロユニット〜から、所定のディジタル信号が出力さ
れ、上記教師信号と照合され、その差分が小さくなる
ように、該ニューラルネットワークの各ニューロユニッ
ト間の重みが換えられること(重み制御) で行われ、上
記色々な条件のプラスチックボトルとガラス瓶に赤外光
を照射したときの、透過光ａと，反射光ｂと，参
照光ｃに対して、上記の学習を行うことで、液体の残
留しているプラスチックボトルとガラス瓶との分別を、
的確に、行うことができるようになる。
ューロユニット〜から、所定のディジタル信号が出力さ
れ、上記教師信号と照合され、その差分が小さくなる
ように、該ニューラルネットワークの各ニューロユニッ
ト間の重みが換えられること(重み制御) で行われ、上
記色々な条件のプラスチックボトルとガラス瓶に赤外光
を照射したときの、透過光ａと，反射光ｂと，参
照光ｃに対して、上記の学習を行うことで、液体の残
留しているプラスチックボトルとガラス瓶との分別を、
的確に、行うことができるようになる。
【００２６】このとき、前述のように、プラスチックボ
トル, ガラス瓶等に水等の液体が残留している場合の透
過光ａと，反射光ｂと，参照光ｃの差は、僅少で
あることから、これらの差はニューラルネットワークが
備えている補間機能で、同じ瓶類と認識することで、液
体の残留している瓶類の分別も行うことができる。
トル, ガラス瓶等に水等の液体が残留している場合の透
過光ａと，反射光ｂと，参照光ｃの差は、僅少で
あることから、これらの差はニューラルネットワークが
備えている補間機能で、同じ瓶類と認識することで、液
体の残留している瓶類の分別も行うことができる。
【００２７】上記赤外光を、プラスチックボトル，ガ
ラス瓶等に照射したときの吸収スペクトルは、プラスチ
ックボトルでは、芳香族単素環化合物での、C-H 伸縮振
動による 3300 nm付近の吸収と、C=C 面内の伸縮振動に
よる 6300 nm付近の吸収があり、ガラス瓶では、5000 n
m 〜6000 nm 以降のなだらかな吸収があり、液体として
の水では、0-H 伸縮振動による 2700 nm付近での吸収が
ある。
ラス瓶等に照射したときの吸収スペクトルは、プラスチ
ックボトルでは、芳香族単素環化合物での、C-H 伸縮振
動による 3300 nm付近の吸収と、C=C 面内の伸縮振動に
よる 6300 nm付近の吸収があり、ガラス瓶では、5000 n
m 〜6000 nm 以降のなだらかな吸収があり、液体として
の水では、0-H 伸縮振動による 2700 nm付近での吸収が
ある。
【００２８】これらの吸収スペクトルの例については、
例えば、前述の「“赤外線吸収スペクトル入門",A.D.CR
OSS 著, 名取信策, 千原呉郎訳, スペクトルの解釈,P 5
7 〜64,1960.10.1, 株式会社東京化学同人刊」等にも掲
載されている。
例えば、前述の「“赤外線吸収スペクトル入門",A.D.CR
OSS 著, 名取信策, 千原呉郎訳, スペクトルの解釈,P 5
7 〜64,1960.10.1, 株式会社東京化学同人刊」等にも掲
載されている。
【００２９】従って、上記の吸収スペクトルの比較
を、上記ニューラルネットワーク 9による学習で行うこ
とにより、有機化合物と無機化合物の差による吸収スペ
クトルの差として学習することができ、液体の残留し
ているプラスチックボトルとガラス瓶の分別を正確に行
い、結果をディスプレイ等の入出力装置 10 に出力する
ことができる。
を、上記ニューラルネットワーク 9による学習で行うこ
とにより、有機化合物と無機化合物の差による吸収スペ
クトルの差として学習することができ、液体の残留し
ているプラスチックボトルとガラス瓶の分別を正確に行
い、結果をディスプレイ等の入出力装置 10 に出力する
ことができる。
【００３０】
【発明の効果】以上、詳細に説明したように、本発明の
瓶類分別検査方法によれば、赤外光による吸収スペク
トルの測定と、ニューラルネットワークによる学習を
組み合わせることで、液体が残留しているプラスチック
ボトルとガラス瓶の分別を検知するこができる。これに
より瓶類の分別作業の、省力, 正確さによる作業能率,
及び、作業効率の向上を図ることができる効果がある。
瓶類分別検査方法によれば、赤外光による吸収スペク
トルの測定と、ニューラルネットワークによる学習を
組み合わせることで、液体が残留しているプラスチック
ボトルとガラス瓶の分別を検知するこができる。これに
より瓶類の分別作業の、省力, 正確さによる作業能率,
及び、作業効率の向上を図ることができる効果がある。
【図１】本発明の一実施例を示した図
【図２】従来の瓶類分別検査方法を説明する図
1 赤外線光源 2,3,11 ミラ
ー 4 試料としての瓶 5 オプティ
カルファイバー 6 窒素雰囲気の試料室 7 受光素子 8 赤外分光光度計 (検出器) 9 ニューラ
ルネットワーク 91,92,93 ニューロユニット 10 入出力装置 赤外光 ａ 透過光 ｂ 反射光 ｃ 参照光 ｄ 試料照射光 吸収スペクトル, 吸収スペクトル情報 教師信号
ー 4 試料としての瓶 5 オプティ
カルファイバー 6 窒素雰囲気の試料室 7 受光素子 8 赤外分光光度計 (検出器) 9 ニューラ
ルネットワーク 91,92,93 ニューロユニット 10 入出力装置 赤外光 ａ 透過光 ｂ 反射光 ｃ 参照光 ｄ 試料照射光 吸収スペクトル, 吸収スペクトル情報 教師信号
Claims (1)
- 【請求項１】分別対象の瓶類(2) を、赤外線光源(1) か
らの赤外光（）により照射したときの、透過光 (
ａ) と、反射光 (ｂ）と、参照光 (ｃ) とを、ニュ
ーラルネットワーク(9) の所定のニューロユニット(91,
92,93)に入力すると共に、赤外分光光度計(8) に入力し
て、上記分別対象の瓶類の吸収スペクトル () を求
め、 上記赤外分光光度計(8) で得られた吸収スペクト
ル（）から、所定のディジタル信号 () を生成し
て、上記ニューラルネットワーク(9) の教師信号 ()
とし、 複数個の分別対象に、上記赤外光 () を照射した時の
吸収スペクトル特性を学習して、その学習結果に基づい
て、瓶類の分別を行うことを特徴とする瓶類分別検査方
法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7841093A JPH06288913A (ja) | 1993-04-06 | 1993-04-06 | 瓶類分別検査方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7841093A JPH06288913A (ja) | 1993-04-06 | 1993-04-06 | 瓶類分別検査方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06288913A true JPH06288913A (ja) | 1994-10-18 |
Family
ID=13661273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7841093A Withdrawn JPH06288913A (ja) | 1993-04-06 | 1993-04-06 | 瓶類分別検査方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06288913A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0910703A (ja) * | 1995-06-30 | 1997-01-14 | Toa Denpa Kogyo Kk | 異種プラスチック包装材の混入判別方法 |
| JPH1034088A (ja) * | 1996-07-25 | 1998-02-10 | Mitsubishi Heavy Ind Ltd | ガラスカレット分別装置 |
| WO2018105138A1 (ja) * | 2016-12-06 | 2018-06-14 | オムロン株式会社 | 分類装置、分類方法およびプログラム |
| WO2021177240A1 (ja) * | 2020-03-05 | 2021-09-10 | 国立研究開発法人物質・材料研究機構 | スペクトル汎化システム及び方法、並びに物質同定システム及び方法 |
| EP3912737A1 (en) | 2020-05-22 | 2021-11-24 | Inndeo Proyectos Industriales, S.L. | System and method for sorting packaged products and illumination device for use therein |
-
1993
- 1993-04-06 JP JP7841093A patent/JPH06288913A/ja not_active Withdrawn
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0910703A (ja) * | 1995-06-30 | 1997-01-14 | Toa Denpa Kogyo Kk | 異種プラスチック包装材の混入判別方法 |
| JPH1034088A (ja) * | 1996-07-25 | 1998-02-10 | Mitsubishi Heavy Ind Ltd | ガラスカレット分別装置 |
| WO2018105138A1 (ja) * | 2016-12-06 | 2018-06-14 | オムロン株式会社 | 分類装置、分類方法およびプログラム |
| JP2018092489A (ja) * | 2016-12-06 | 2018-06-14 | オムロン株式会社 | 分類装置、分類方法およびプログラム |
| US11475294B2 (en) | 2016-12-06 | 2022-10-18 | Omron Corporation | Classification apparatus for detecting a state of a space with an integrated neural network, classification method, and computer readable medium storing a classification program for same |
| WO2021177240A1 (ja) * | 2020-03-05 | 2021-09-10 | 国立研究開発法人物質・材料研究機構 | スペクトル汎化システム及び方法、並びに物質同定システム及び方法 |
| JPWO2021177240A1 (ja) * | 2020-03-05 | 2021-09-10 | ||
| EP3912737A1 (en) | 2020-05-22 | 2021-11-24 | Inndeo Proyectos Industriales, S.L. | System and method for sorting packaged products and illumination device for use therein |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhu et al. | Plastic solid waste identification system based on near infrared spectroscopy in combination with support vector machine | |
| US5512752A (en) | Method of determining type of plastics | |
| US6509537B1 (en) | Method and device for detecting and differentiating between contaminations and accepts as well as between different colors in solid particles | |
| US7399968B2 (en) | Spectroscopic instruments and methods employing array detector and variable filtering | |
| US5502559A (en) | Apparatus and method for detection of material used in construction of containers and color of same | |
| Serranti et al. | Hyperspectral imaging applied to demolition waste recycling: innovative approach for product quality control | |
| US6433338B1 (en) | Method and device for identification of a type of material in an object and utilization therefor | |
| Feldhoff et al. | On-line post consumer package identification by NIR spectroscopy combined with a FuzzyARTMAP classifier in an industrial environment | |
| Scott et al. | Indentification of plastic waste using spectroscopy and neural networks | |
| Catelli et al. | A new miniaturised short-wave infrared (SWIR) spectrometer for on-site cultural heritage investigations | |
| JPH1038807A (ja) | プラスチックの判別方法およびプラスチックの判別装置 | |
| JPH06288913A (ja) | 瓶類分別検査方法 | |
| JP2011226821A (ja) | 識別装置および識別方法 | |
| US4591723A (en) | Optical egg inspecting apparatus | |
| JP2005249624A (ja) | 分光スペクトルによるポリマーグループの判別方法 | |
| JP5143175B2 (ja) | ラマン散乱に基づく識別方法および識別装置、並びにラマン散乱スペクトルの計測方法および計測装置 | |
| JP4291951B2 (ja) | 対象物の材料のタイプを鑑定する方法及び装置並びにその利用 | |
| van den Broek | Chemometrics in spectroscopic near infrared imaging for plastic material recognition | |
| CN111965152A (zh) | 一种用于刑侦现场生物斑迹检测的识别仪 | |
| KR100408811B1 (ko) | 근적외선에 의한 플라스틱 선별장치 | |
| KR200249511Y1 (ko) | 근적외선에 의한 플라스틱 선별장치 | |
| CN112966726B (zh) | 一种基于光谱技术的近海沉积物粒径大小分类方法 | |
| US4512663A (en) | Optical inspection of machined surfaces | |
| Sandagdorj | Fusing Terahertz and Mid Infrared Technologies to Recycle E-waste Black Plastics | |
| JP2002090295A (ja) | 材料の識別装置及び材料の識別方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20000704 |