KR102371533B1 - 재활용 플라스틱 선별 장치 - Google Patents

재활용 플라스틱 선별 장치 Download PDF

Info

Publication number
KR102371533B1
KR102371533B1 KR1020210171633A KR20210171633A KR102371533B1 KR 102371533 B1 KR102371533 B1 KR 102371533B1 KR 1020210171633 A KR1020210171633 A KR 1020210171633A KR 20210171633 A KR20210171633 A KR 20210171633A KR 102371533 B1 KR102371533 B1 KR 102371533B1
Authority
KR
South Korea
Prior art keywords
recycled plastic
sensor
support surface
processor
plastic
Prior art date
Application number
KR1020210171633A
Other languages
English (en)
Inventor
조상원
Original Assignee
주식회사 암펠
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 주식회사 암펠 filed Critical 주식회사 암펠
Application granted granted Critical
Publication of KR102371533B1 publication Critical patent/KR102371533B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
    • B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
    • B29B17/02—Separating plastics from other materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
    • B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
    • B29B17/02—Separating plastics from other materials
    • B29B2017/0213—Specific separating techniques
    • B29B2017/0217—Mechanical separating techniques; devices therefor
    • B29B2017/0234—Mechanical separating techniques; devices therefor using gravity, e.g. separating by weight differences in a wind sifter
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
    • B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
    • B29B17/02—Separating plastics from other materials
    • B29B2017/0213—Specific separating techniques
    • B29B2017/0268—Separation of metals
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
    • B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
    • B29B17/02—Separating plastics from other materials
    • B29B2017/0213—Specific separating techniques
    • B29B2017/0275—Specific separating techniques using chemical sensors, e.g. analysing gasified constituents
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/20—Waste processing or separation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/52—Mechanical processing of waste for the recovery of materials, e.g. crushing, shredding, separation or disassembly
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/62—Plastics recycling; Rubber recycling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Separation, Recovery Or Treatment Of Waste Materials Containing Plastics (AREA)

Abstract

본 발명의 실시예에 따른 재활용 플라스틱 선별 장치는, 공간이 형성되는 본체, 본체에 내장되고 본체의 일면에 배치되는 투입구를 통해 투입되는 재활용 플라스틱을 수용할 수 있는 수용 공간부, 수용 공간부에 배치되어 재활용 플라스틱을 센싱하는 센싱부, 센싱부를 통해 획득된 재활용 플라스틱의 상태 정보에 기초하여 재활용 플라스틱의 특성, 색상 및 재질별로 선별하도록 제어하는 프로세서 및 본체에 내장되고 프로세서의 제어 하에 선별된 재활용 플라스틱의 특성, 색상 및 재질별로 분류하여 저장하는 분류부를 포함한다.

Description

재활용 플라스틱 선별 장치{APPARATUS FOR SORTING OF SCRAP PLASTICS}
본 발명은 재활용 플라스틱 선별 장치에 관한 것으로, 재활용 플라스틱을 자동으로 선별하여 회수하고, 회수된 재활용 플라스틱에 따라 리워드를 제공함으로써, 재활용 플라스틱의 회수율을 향상시키고 처리 효율을 개선시킬 수 있는 재활용 플라스틱 선별 장치에 관한 것이다.
일반적으로, 플라스틱 폐기물의 처리 및 재활용 공정은 수거된 플라스틱 폐기물을 파쇄(flake) 상태로 형성하고, 이를 건식 또는 습식 공정을 통해 재질별로 분리하고, 색상별로 분리한 후, 용융하여 펠렛 상태로 제조하는 공정으로 이루어진다.
조각 형태의 폐기물을 대상으로 하는 선별 공정은 장비가 고가이고 순도 및 회수율 측면에서 불리한 점이 있다.
이러한 종래 공정의 단점을 해결하고자 파쇄(flake) 상태로 분쇄하기 이전에 숙련된 작업자가 수작업으로 비파쇄(scrap) 상태의 플라스틱 폐기물 예컨대, 선반, 케이스 등을 재질별로 선별하여 별도의 파쇄 공정으로 진행하는 방법을 사용하고 있으나, 작업 시간이 오래 걸리고 작업 능률이 저하되며, 무엇보다도 작업자의 경험에 의한 선별 방식이므로 숙련도에 따라 정확도가 차이가 나며, 아무리 숙련된 작업자라 하더라도 비파쇄 플라스틱 폐기 물을 재질별로 정확히 분류해 낼 수가 없다.
따라서 종래에는 플라스틱 폐기물을 파쇄(flake) 상태로 분쇄한 상태에서 자동화된 장비를 이용하여 다시 선별 공정을 수행해야 하는 문제점이 있었다.
대한민국 등록특허공보 제0948490호(2010.03.11)
본 발명은 전술한 문제점을 해결하기 위해 안출된 것으로서, 재활용 플라스틱을 비파쇄(scrap) 상태에서 적어도 하나 이상의 센싱을 통해 특성별, 색상별, 재질별로 선별하여 회수하고, 회수된 재활용 플라스틱의 상태에 따라 차등적으로 리워드를 제공함으로써, 재활용 플라스틱의 회수율을 향상시키고 처리 효율을 개선시킬 수 있는 재활용 플라스틱 선별 장치에 관한 것이다.
본 발명에서 이루고자 하는 기술적 목적들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 본 발명의 실시예들로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
이하에서는 본 발명의 실시예들로서 재활용 플라스틱 선별 장치에 대해서 설명한다.
본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치는, 소정의 공간이 형성되는 본체; 상기 본체의 내부에 구비되고, 상기 본체의 일면에 배치되는 투입구를 통해 투입되는 비파쇄 상태의 재활용 플라스틱을 수용할 수 있는 수용 공간부; 상기 수용 공간부에 배치되어, 상기 재활용 플라스틱을 센싱하는 적어도 하나의 센서를 포함하는 센싱부; 상기 센싱부를 통해 획득된 상기 재활용 플라스틱의 상태 정보에 기초하여 상기 재활용 플라스틱의 특성, 색상 및 재질별로 선별하도록 제어하는 프로세서; 상기 프로세서에 의해 실행 가능한 프로그램을 저장하는 메모리; 및 상기 본체의 내부에 구비되고, 상기 프로세서의 제어 하에 선별된 상기 재활용 플라스틱의 특성, 색상 및 재질별로 분류하여 저장하는 분류부;를 포함하고, 상기 수용 공간부는, 상기 수용 공간부의 내부면 하부에서 수용된 상기 재활용 플라스틱을 지지하되 투명한 소재로 형성되는 지지면; 상기 지지면의 상부에 인접한 적어도 일측면에 구비되어 상기 지지면의 상부에 놓인 상기 재활용 플라스틱의 위치 정보를 획득하는 위치 센서; 상기 지지면의 하부에 인접하여 이동하며 상기 지지면을 투과하여 상기 지지면의 상부에 놓인 상기 재활용 플라스틱에 감지 신호를 조사하고 상기 재활용 플라스틱의 재질에 따라 달라지는 반사 신호를 획득하는 분류 센서; 및 획득된 상기 위치 정보에 기초하여 상기 분류 센서를 이동시켜 상기 재활용 플라스틱의 수직 방향으로 상기 지지면의 하부에 인접한 위치에 상기 분류 센서를 위치시키는 센서 구동부;를 포함하며, 상기 프로세서는, 상기 위치 센서를 통해 획득된 위치 정보로부터 상기 재활용 플라스틱의 접촉 좌표를 생성하고, 생성된 상기 접촉 좌표에 따라 상기 센서 구동부를 통해 상기 분류 센서를 이동시켜 상기 반사 신호를 획득하며, 획득된 상기 반사 신호를 미리 저장된 재질별 신호 패턴과 비교함으로써 상기 재활용 플라스틱의 재질을 식별한다.
또한, 상기 위치 센서는, 상기 지지면의 상부에 인접한 외측 가장자리의 2개의 교차하는 축을 따라 복수 개의 광원을 배치하여 상기 지지면을 가로질러 광 신호를 조사하고, 상기 지지면의 상부에 인접한 외측 가장자리에서 상기 광원에 대향하는 2개의 축을 따라 상기 광원에 각각 대응하는 복수 개의 수광 센서를 배치하여 상기 광 신호를 수신하며, 상기 지지면의 상부에 놓인 상기 재활용 플라스틱에 의해 차폐되는 광 신호 감지를 통해 상기 재활용 플라스틱의 위치 정보를 획득할 수 있다.
또한, 상기 위치 센서는, 상기 지지면으로부터 제1 임계값 이내의 간격을 유지한 채 상기 광 신호를 조사하여 상기 재활용 플라스틱과 상기 지지면 간의 적어도 하나 이상의 접촉점을 획득하고, 획득된 상기 접촉점이 하나인 경우 해당 접촉점의 위치로부터 접촉 좌표를 설정하고, 획득된 상기 접촉점이 복수 개인 경우 접촉점들이 형성하는 영역 중 가장 중심에 가까운 접촉점의 위치로부터 접촉 좌표를 설정할 수 있다.
또한, 상기 센서 구동부는, 상기 지지면의 하부에 인접한 외측 가장자리의 제1 축을 따라 이동 가능한 제1 이동 레일이 구비되고, 상기 제1 이동 레일에 부착되어 상기 제1 축과 직교하는 방향으로 이동 가능한 제2 이동 레일이 구비되며, 상기 분류 센서는 상기 제2 이동 레일에 부착될 수 있다.
또한, 상기 분류 센서는, 상기 프로세서의 제어에 따라 상기 센서 구동부를 통해 상기 지지면으로부터 제2 임계값 이내의 간격을 유지한 채 상기 지지면의 하부에 인접하여 이동하고, 상기 지지면을 수직으로 투과하여 상기 지지면의 상부에 놓인 상기 재활용 플라스틱에 근적외선(Near-infrared, NIR) 대역의 감지 신호를 조사하며, 상기 재활용 플라스틱으로부터 상기 재활용 플라스틱의 재질에 따른 차별적 패턴을 갖는 반사 신호를 획득할 수 있다.
또한, 상기 프로세서는, 플라스틱의 재질별 신호 패턴 및 상기 지지면의 소재 및 성형 상태에 따라 상기 지지면 투과시 발생하는 신호 왜곡을 제거하는 보정 인자를 미리 저장하고, 상기 분류 센서를 통해 획득한 반사 신호에 상기 미리 저장된 보정 인자를 적용하여 보정하며, 보정된 반사 신호를 상기 미리 저장된 재질별 신호 패턴과 비교함으로써 상기 재활용 플라스틱의 재질을 식별할 수 있다.
또한, 상기 센싱부는, 상기 투입구를 통해 투입된 상기 재활용 플라스틱의 난연재 및 비난연재 여부를 선별하는 난연재 선별 센서; 상기 재활용 플라스틱의 색상별로 선별하는 색상 선별 센서; 상기 투입구를 통해 투입되는 상기 재활용 플라스틱으로부터 금속 물질 또는 금속이 포함된 상기 재활용 플라스틱을 선별하는 금속 선별 센서; 및 상기 재활용 플라스틱의 무게를 측정하는 무게 센서; 중 적어도 하나를 더 포함할 수 있다.
또한, 통신부; 및 상기 본체의 외부면에 배치되어 상기 재활용 플라스틱이 선별되어 분류되는 과정을 표시하는 디스플레이부;를 더 포함하고, 상기 프로세서는, 상기 무게 센서로부터 획득된 측정 정보에 기초하여 리워드를 생성하고, 생성된 상기 리워드 및 상기 리워드와 관련된 정보를 상기 디스플레이부에 표시하며, 상기 리워드 및 상기 리워드와 관련된 정보를 클라이언트 디바이스에 전송할 수 있다.
또한, 상기 재질별 신호 패턴과의 비교를 통한 재활용 플라스틱의 재질 식별에 실패한 경우, 상기 프로세서는, 상기 분류 센서를 통해 획득되는 센싱 정보로부터 특징값들을 추출하고, 상기 특징값들을 상기 재활용 플라스틱의 재질을 구별하도록 트레이닝된 인공 신경망(artificial neural network, ANN) 분류기에 입력하여 상기 인공 신경망의 출력으로부터 상기 재활용 플라스틱의 재질을 판단하되, 상기 특징값들은, 상기 재활용 플라스틱의 재질을 구분할 수 있는 값들일 수 있다.
또한, 통신부;를 더 포함하고, 상기 프로세서는, 상기 통신부를 통해 상기 재활용 플라스틱의 상태 정보를 상기 네트워크에 포함된 AI 프로세서로 전송하도록 제어하고, 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하되, 상기 AI 프로세싱된 정보는, 상기 재활용 플라스틱의 특성, 색상 및 재질별로 선별한 정보일 수 있다.
상술한 본 발명의 양태들은 본 발명의 바람직한 실시예들 중 일부에 불과하며, 본원 발명의 기술적 특징들이 반영된 다양한 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 본 발명의 상세한 설명을 기반으로 도출되고 이해될 수 있다.
본 발명의 실시예들에 따르면 다음과 같은 효과를 얻을 수 있다.
본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치는 재활용 플라스틱을 비파쇄(scrap) 상태에서 적어도 하나 이상의 센싱을 통해 특성별, 색상별, 재질별로 선별하여 회수하고, 회수된 재활용 플라스틱의 상태에 따라 차등적으로 리워드를 제공함으로써, 재활용 플라스틱의 회수율을 향상시키고 처리 효율을 개선시킬 수 있다.
또한, 본 발명의 일 실시예에 따라 적어도 하나 이상의 센싱을 통해 재활용 플라스틱을 다양한 방식으로 정확하게 선별함으로써, 선별 작업의 신뢰성을 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치는 장소에 구애없이 다양한 장소(예를 들어, 아파트 단지, 국립공원 입구 등)에 간편하게 설치할 수 있어 일상속에서도 간편하게 재활용 플라스틱을 회수할 수 있다.
본 발명의 실시예들에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 이하의 본 발명의 실시예들에 대한 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다. 즉, 본 발명을 실시함에 따른 의도하지 않은 효과들 역시 본 발명의 실시예들로부터 당해 기술분야의 통상의 지식을 가진 자에 의해 도출될 수 있다.
본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되고, 첨부된 도면들은 본 발명에 대한 다양한 실시예들을 제공한다. 또한, 첨부된 도면들은 상세한 설명과 함께 본 발명의 실시 형태들을 설명하기 위해 사용된다.
도 1은 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치를 블록도로 간략하게 설명하기 위한 도면이다.
도 3은 본 명세서의 일 실시예에 따른 AI 서버의 개략적인 블록도를 설명하기 위한 도면이다.
도 4는 본 명세서의 다른 실시예에 따른 AI 장치의 개략적인 블록도를 도시한다.
도 5는 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치의 수용 공간부를 설명하기 위한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 재활용 플라스틱 선별 장치의 수용 공간부 및 센싱부를 설명하기 위한 도면이다.
도 7은 도 6의 센싱부의 위치 센서의 동작을 설명하기 위한 도면이다.
도 8은 도 6의 센싱부의 분류 센서 및 센서 구동부의 동작을 설명하기 위한 도면이다.
도 9 내지 도 11은 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치 중 분류하는 과정을 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치의 구동방법을 설명하기 위한 도면이다.
도 13 및 도 14는 본 발명의 실시예들에서 재활용 플라스틱의 상태 정보에 기초하여 선별하는 과정을 설명하기 위한 도면이다.
도 15는 본 발명의 일 실시예에서 재활용 플라스틱을 선별하는 다른 예를 설명하기 위한 도면이다.
도 16은 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치를 구현한 시제품을 예시한 도면이다.
이하에서는 본 발명의 실시예들로서 재활용 플라스틱 선별 장치에 대해서 설명한다.
이하의 실시예들은 본 발명의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 본 발명의 실시예를 구성할 수도 있다. 본 발명의 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 본 발명의 요지를 흐릴 수 있는 부분, 장치 및/또는 구성 등은 기술하지 않았으며, 당업자의 수준에서 이해할 수 있을 정도의 부분, 장치 및/또는 구성 또한 기술하지 아니하였다. 또한, 도면에서 동일한 도면 부호를 사용하여 지칭하는 부분은 장치 구성 또는 방법에서 동일한 구성 요소 또는 단계를 의미한다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "~부" 또는 "~기" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미한다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 본 발명을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
또한, 본 발명의 실시예들에서 사용되는 특정(特定) 용어들 및/또는 기호들은 본 발명의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1 내지 도 2를 참조하면, 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치(100)는 본체(10), 수용 공간부(30), 센싱부(140), 프로세서(110), 메모리(120), 분류부(40), 통신부(170) 및 디스플레이부(130)를 포함할 수 있다.
본체(10)는 소정의 공간이 형성될 수 있다.
수용 공간부(30)는 본체(10)의 내부에 구비되고, 본체(10)의 일면에 배치되는 투입구(20)를 통해 투입되는 비파쇄 상태의 재활용 플라스틱을 수용할 수 있다.
센싱부(140)는 수용 공간부(30)에 배치되어, 재활용 플라스틱을 센싱하는 적어도 하나의 센서를 포함할 수 있다. 센싱부(140)는 선별부 또는 센서 모듈이라 칭할 수 있다.
적어도 하나의 센서는 서로 이격되어 수용 공간부(30)에 배치될 수 있다. 적어도 하나의 센서는 서로 다른 위치에 배치되어 수용되는 재활용 플라스틱을 센싱하고, 센싱 정보를 생성할 수 있다.
센싱부(140)는 제스쳐 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 광 센서, 근적외선(NIR) 센서, RGB(red, green, blue) 센서, 무게 센서, 생체 센서, 온/습도 센서, 조도 센서 또는 UV(ultra violet) 센서 중의 적어도 하나 이상을 포함할 수 있다. 센싱부(140)는 재활용 플라스틱을 계측하거나 재활용 플라스틱의 상태를 감지하여, 계측 또는 감지된 정보를 전기 신호로 변환할 수 있다. 센싱부(140)는 적어도 하나 이상의 센서들을 제어하기 위한 제어회로를 포함할 수 있다.
프로세서(110)는 센싱부(140)를 통해 획득된 재활용 플라스틱의 상태 정보에 기초하여 재활용 플라스틱의 특성, 색상 및 재질별로 선별하도록 제어할 수 있다. 프로세서(110)는 적어도 하나의 센서와 전기적으로 연결되어, 적어도 하나의 센싱부터 센싱 정보를 실시간으로 획득하거나, 순차적으로 획득할 수 있다. 프로세서(110)는 획득된 센싱 정보를 기반으로 재활용 플라스틱의 상태 정보를 획득할 수 있다. 프로세서(110)는 재활용 플라스틱의 상태 정보를 분석하고, 분석된 결과에 기초하여 재활용 플라스틱의 특성, 색상 및 재질별로 선별할 수 있도록 제어할 수 있다.
프로세서(110)는 하나 이상의 어플리케이션 프로세서(110)(application processor, AP), 하나 이상의 커뮤니케이션 프로세서(110)(communication processor, CP) 또는 적어도 하나 이상의 AI 프로세서(110)(artificial intelligence processor)를 포함할 수 있다. 어플리케이션 프로세서(110), 커뮤니케이션 프로세서(110) 또는 AI 프로세서(110)는 서로 다른 IC(integrated circuit) 패키지들 내에 각각 포함되거나 하나의 IC 패키지 내에 포함될 수 있다.
어플리케이션 프로세서(110)는 운영체제 또는 응용 프로그램을 구동하여 어플리케이션 프로세서(110)에 연결된 다수의 하드웨어 또는 소프트웨어 구성요소들을 제어하고, 멀티미디어 데이터를 포함한 각종 데이터 처리/연산을 수행할 수 있다. 예를 들어, 어플리케이션 프로세서(110)는 SoC(system on chip)로 구현될 수 있다. 프로세서(110)는 GPU(graphic prcessing unit, 미도시)를 더 포함할 수 있다.
커뮤니케이션 프로세서(110)는 재활용 플라스틱 선별 장치(100)와 네트워크로 연결된 다른 전자 기기들 간의 통신에서 데이터 링크를 관리하고 통신 프로토콜을 변환하는 기능을 수행할 수 있다. 예를 들어, 커뮤니케이션 프로세서(110)는 SoC로 구현될 수 있다. 커뮤니케이션 프로세서(110)는 멀티미디어 제어 기능의 적어도 일부를 수행할 수 있다.
또한, 커뮤니케이션 프로세서(110)는 통신부(170)의 데이터 송수신을 제어할 수 있다. 커뮤니케이션 프로세서(110)는 어플리케이션 프로세서(110)의 적어도 일부로 포함되도록 구현될 수도 있다.
어플리케이션 프로세서(110) 또는 커뮤니케이션 프로세서(110)는 각각에 연결된 비휘발성 메모리(120) 또는 다른 구성요소 중 적어도 하나로부터 수신한 명령 또는 데이터를 휘발성 메모리(120)에 로드(load)하여 처리할 수 있다. 또한, 어플리케이션 프로세서(110) 또는 커뮤니케이션 프로세서(110)는 다른 구성요소 중 적어도 하나로부터 수신하거나 다른 구성요소 중 적어도 하나에 의해 생성된 데이터를 비휘발성 메모리(120)에 저장할 수 있다.
메모리(120)는 프로세서(110)에 의해 실행 가능한 프로그램을 저장할 수 있다. 메모리(120)는 내장 메모리(120) 또는 외장 메모리(120)를 포함할 수 있다. 내장 메모리(120)는 휘발성 메모리(120)(예를 들면, DRAM(dynamic RAM), SRAM(static RAM), SDRAM(synchronous dynamic RAM) 등) 또는 비휘발성 메모리(120) 비휘발성 메모리(120)(예를 들면, OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, NAND flash memory, NOR flash memory 등) 중 적어도 하나를 포함할 수 있다. 예를 들어, 내장 메모리(120)는 SSD(solid state drive)의 형태를 취할 수도 있다. 외장 메모리(120)는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital) 또는 메모리(120) 스틱(memory stick) 등을 더 포함할 수 있다.
분류부(40)는 본체(10)의 내부에 구비되고, 프로세서(110)의 제어 하에 선별된 재활용 플라스틱의 특성, 색상 및 재질별로 분류하여 저장할 수 있다. 분류부(40)는 분류부라 칭할 수 있다.
분류부(40)는 수용 공간부(30)의 하단에 배치될 수 있다. 분류부(40)는 프로세서(110)의 제어 하에 분류되는 재활용 플라스틱의 개수 또는 양에 따라 분류되는 공간의 크기를 변경할 수 있다.
통신부(170)는 무선 통신 모듈 또는 RF 모듈을 포함할 수 있다. 통신부(170)는 통신 모듈이라 칭할 수 있다. 예를 들면, 무선 통신 모듈은, Wi-Fi, BT, GPS 또는 NFC를 포함할 수 있다. 무선 통신 모듈은 무선 주파수를 이용하여 무선 통신 기능을 제공할 수 있다. 추가적으로 또는 대체적으로, 무선 통신 모듈은 재활용 플라스틱 선별 장치(100)를 네트워크(예: Internet, LAN, WAN, telecommunication network, cellular network, satellite network, POTS 또는 5G network 등)와 연결시키기 위한 네트워크 인터페이스 또는 모뎀 등을 포함할 수 있다.
RF 모듈은 데이터의 송수신, 예를 들면, RF 신호 또는 호출된 전자 신호의 송수신을 담당할 수 있다. RF 모듈은 트랜시버(transceiver), PAM(power amp module), 주파수 필터(frequency filter) 또는 LNA(low noise amplifier) 등을 포함할 수 있다. 또한, RF 모듈은 무선통신에서 자유 공간상의 전자파를 송수신하기 위한 부품, 예를 들면, 도체 또는 도선 등을 더 포함할 수 있다.
디스플레이부(130)는 본체(10)의 외부면에 배치될 수 있다. 디스플레이부(130)는 수용 공간부(30)와 상하방향으로 이격되어 배치될 수 있다.
디스플레이부(130)는 재활용 플라스틱 선별 장치(100)에서 처리되는 다양한 정보를 표시(출력)할 수 있다. 예를 들어, 디스플레이부(130)는 재활용 플라스틱 선별 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(130)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전자잉크 디스플레이(e-ink display) 중에서 적어도 하나를 포함할 수 있다.
또한, 디스플레이부(130)는 재활용 플라스틱 선별 장치(100)의 구현 형태에 따라 2개 이상 존재할 수 있다. 이 경우, 재활용 플라스틱 선별 장치(100)에는 복수의 디스플레이부(130)들이 하나의 면에 이격되거나 일체로 배치될 수 있고, 또한 서로 다른 면에 각각 배치될 수도 있다.
또한, 디스플레이부(130)는 터치 방식에 의하여 제어 명령을 입력 받을 수 있도록, 디스플레이부(130)에 대한 터치를 감지하는 터치센서를 포함할 수 있다. 이를 이용하여, 디스플레이부(130)에 대하여 터치가 이루어지면, 터치센서는 터치를 감지하고, 프로세서(110)는 이에 기초하여 터치에 대응하는 제어명령을 발생시키도록 이루어질 수 있다. 터치 방식에 의하여 입력되는 내용은 문자 또는 숫자이거나, 각종 모드에서의 지시 또는 지정 가능한 메뉴항목 등일 수 있다.
또한, 도시하지 않았지만 재활용 플라스틱 선별 장치(100)는 카메라를 포함할 수 있다. 카메라는 재활용 플라스틱 선별 장치(100)의 주변(예를 투입구(20) 주변)을 촬영할 수도 있고, 수용 공간부(30)의 내부를 촬영할 수 있다. 디스플레이부(130)는 프로세서(110)의 제어 하에 카메라로부터 촬영된 영상들을 제공받아 디스플레이할 수 있다.
도 1 및 도 2에서 설명한 재활용 플라스틱 선별 장치(100)의 구성요소는 예시한 것이므로, 본 명세서의 실시예에 따른 재활용 플라스틱 선별 장치(100)는 전술한 구성요소에 한정되지 않으며 필요에 따라 생략 및/또는 추가될 수 있다.
재활용 플라스틱 선별 장치(100)는 도 3에서 도시한 클라우드 환경으로부터 AI 프로세싱 결과를 수신함으로서 인공 지능 기반의 제어 동작을 수행하거나, AI 프로세스와 관련된 구성요소들이 하나의 모듈로 통합된 AI 모듈을 구비하여 온-디바이스(on-device) 방식으로 AI 프로세싱을 수행할 수 있다.
이하, 도 3 및 도 4를 통해 디바이스 환경(device environment) 및/또는 클라우드 환경(cloud environment) 또는 서버 환경(server environment)에서 수행되는 AI 프로세스를 설명한다.
도 3은 데이터 또는 신호를 입력받는 것은 재활용 플라스틱 선별 장치(100)에서 이루어질 수 있으나, 입력된 데이터 또는 신호를 처리하는 AI 프로세싱은 클라우드 환경에서 이루어지는 예를 도시한 것이다. 대조적으로, 도 4는 입력된 데이터 또는 신호에 대한 AI 프로세싱에 관한 전반적인 동작이 재활용 플라스틱 선별 장치(100) 내에서 이루어지는 온-디바이스 프로세싱(on-device processing)의 예를 도시한 것이다.
도 3 및 도 4에서 디바이스 환경은 '클라이언트 디바이스' 또는 'AI 장치'로 호칭될 수 있으며, 클라우드 환경은 '서버'로 호칭될 수 있다.
도 3은 본 명세서의 일 실시예에 따른 AI 서버의 개략적인 블록도를 설명하기 위한 도면이다.
서버(200)는 프로세서(210), 메모리(220), 통신부(250)를 포함할 수 있다.
AI 프로세서(215)는 메모리(220)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(215)는 AI 장치(100)의 동작과 관련된 데이터를 인식하기 위한 신경망을 학습할 수 있다. 여기서, 신경망은 인간의 뇌 구조(예를 들어, 인간의 신경망의 뉴런 구조)를 컴퓨터 상에서 모의하도록 설계될 수 있다. 신경망은 입력층(input layer), 출력층(output layer) 및 적어도 하나의 은닉층(hidden layer)를 포함할 수 있다. 각 층은 가중치를 갖는 적어도 하나의 뉴런을 포함하고, 신경망은 뉴런과 뉴런을 연결하는 시냅스(synapse)를 포함할 수 있다. 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호를 가중치(weight) 및/또는 편향(bias)에 대한 활성함수(activation function)의 함수값으로 출력할 수 있다.
복수의 네트워크 모드들은 뉴런이 시냅스를 통해 신호를 주고받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 콘볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 신경망 모델의 예는 심층 신경망(deep neural network, DNN), 합성곱 신경망(convolutional neural network, CNN), 순환 신경망(recurrent neural network), 제한 볼츠만 머신(restricted Boltzmann machine), 심층 신뢰 신경망(deep belief network), 심층 Q-네트워크(deep Q-Network)와 같은 다양한 딥러닝 기법들을 포함하며, 비전인식, 음성인식, 자연어처리, 음성/신호처리 등의 분야에서 적용될 수 있다.
한편, 전술한 바와 같은 기능을 수행하는 프로세서(210)는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.
메모리(220)는 AI 장치(100) 및/또는 서버(200)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(220)는 AI 프로세서(215)에 의해 액세스되며, AI 프로세서(215)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(220)는 본 명세서의 일 실시예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥러닝 모델)을 저장할 수 있다. 나아가, 메모리(220)는 학습 모델(221) 뿐만 아니라, 입력 데이터, 학습 데이터, 학습 히스토리 등을 저장할 수도 있다.
한편, AI 프로세서(215)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(215a)를 포함할 수 있다. 데이터 학습부(215a)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(215a)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.
데이터 학습부(215a)는 적어도 하나의 하드웨어 칩 형태로 제작되어 서버(200)에 탑재될 수 있다. 일 예로, 데이터 학습부(215a)는 인공지능을 위한 전용 하드웨어 칩 형태로 제작될 수 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 서버(200)에 탑재될 수 있다. 또한, 데이터 학습부(215a)는 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우에 적어도 하나의 소프트웨어 모듈은 OS(operating system)에 제공되거나, 애플리케이션에 의해 제공될 수 있다.
데이터 학습부(215a)는 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류/인식할지에 관한 판단기준을 가지도록 학습할 수 있다. 이때, 모델 학습부에 의한 학습 방식은 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 강화 학습(reinforcement learning)으로 분류될 수 있다. 여기서, 지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 지칭하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 특정 환경 안에서 정의된 에이전트(agent)가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 방법을 의미할 수 있다. 또한, 모델 학습부는 오류 역전파법(backpropagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다. 신경망 모델이 학습되면 학습된 신경망 모델은 학습 모델(221)이라 호칭할 수 있다. 학습 모델(221)은 메모리(220)에 저장되어 학습 데이터가 아닌 새로운 입력 데이터에 대한 결과를 추론하는 데 사용될 수 있다.
한편, AI 프로세서(215)는 학습 모델(221)을 이용한 분석 결과를 향상시키거나, 학습 모델(221)의 생성에 필요한 리소스 또는 시간을 절약하기 위하여 데이터 전처리부(215b) 및/또는 데이터 선택부(215c)를 더 포함할 수도 있다.
데이터 전처리부(215b)는 획득된 데이터가 상황 판단을 위한 학습/추론에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 일 예로, 데이터 전처리부(215b)는 입력 장치를 통해 획득된 입력 데이터에 대하여 전처리로서 특징 정보(feature information)을 추출할 수 있으며, 특징 정보는 특징 벡터(feature vector), 특징점(feature point) 또는 특징맵(feature map) 등의 포맷으로 추출될 수 있다.
데이터 선택부(215c)는 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부에 제공될 수 있다. 일 예로, 데이터 선택부(215c)는 재활용 플라스틱 선별 장치의 센싱부를 통해 획득한 센싱 정보 중 특징 값을 검출함으로써, 특정 값에 포함된 재질에 대한 데이터만을 학습 데이터로 선택(또는 선별)할 수 있다. 또한, 데이터 선택부(215c)는 입력 장치를 통해 획득된 입력 데이터 또는 전처리부에서 전처리된 입력 데이터 중 추론에 필요한 데이터를 선택할 수도 있다.
또한, AI 프로세서(215)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(215d)를 더 포함할 수 있다. 모델 평가부(215d)는, 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 학습 모델(221)을 평가하기 위한 기 설정된 데이터일 수 있다. 일 예로, 모델 평가부(215d)는 평가 데이터에 대한 학습된 신경망 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우에 소정 기준을 만족하지 못한 것으로 평가할 수 있다.
통신부(250)는 AI 프로세서(215)에 의한 AI 프로세싱 결과를 메인 서버, 또는 클라이언트 디바이스로 전송할 수 있다.
이상 도 3에서는 AI 프로세스가 컴퓨팅 연산, 저장 및 전원 제약 등으로 인해 클라우드 환경에서 구현되는 예를 설명하였으나, 본 명세서는 이에 한정되는 것은 아니며, AI 프로세서(215)는 클라이언트 디바이스에 포함되어 구현될 수도 있다. 도 4는 AI 프로세싱이 클라이언트 디바이스에서 구현되는 예로서, AI 프로세서(215)가 클라이언트 디바이스에 포함되어 있는 것을 제외하고는 도 5에서 도시된 바와 동일하다.
도 4는 본 명세서의 다른 실시예에 따른 AI 장치의 개략적인 블록도를 도시한다.
도 4에 도시된 각각의 구성의 기능은 도 3을 참조할 수 있다. 다만, AI 프로세서가 클라이언트 디바이스에 포함되어 있으므로, 데이터 분류/인식 등의 과정을 수행함에 있어 서버(도 3의 200)와 통신할 필요가 없을 수 있으며, 이에 따라 즉각적이거나 실시간의 데이터 분류/인식 동작이 가능하다. 또한, 서버(도 3의 200)에 사용자의 개인 정보를 전송할 필요가 없으므로, 개인 정보의 외부 유출 없이 목적으로 한 데이터 분류/인식 동작이 가능하다.
한편, 도 3 및 도 4에 도시된 각 구성 요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로서, 적어도 하나의 구성 요소가 실제 물리적 환경에서는 서로 통합되는 형태(예를 들어, AI 모듈)로 구현될 수 있음에 유의한다. 도 3 및 도 3에 도시된 복수의 구성 요소들 외에 개시되지 않은 구성 요소들이 포함되거나 생략될 수 있음은 물론이다.
도 5는 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치의 수용 공간부를 설명하기 위한 도면이다.
도 5를 참조하면, 수용 공간부(30)는 본체(10)의 내부에 배치될 수 있다.
수용 공간부(30)는 재활용 플라스틱(P)을 수용할 수 있도록 소정의 공간으로 형성할 수 있다. 수용 공간부(30)는 적어도 하나 이상의 내부면을 포함할 수 있다.
내부면은 제1 내부 측면 내지 제3 내부 측면을 포함할 수 있다. 제1 내부 측면 내지 제3 내부 측면 중 두 개의 내부 측면은 투입구(20)와 연결될 수 있다.
수용 공간부(30)는 수용되는 재활용 플라스틱(P)을 지지할 수 있는 지지면(31)을 포함할 수 있다. 지지면(31)은 베이스, 받침판이라 칭할 수 있다. 지지면(31)은 투입구(20)의 하부와 내부면 하부에 배치될 수 있다.
내부면의 상부에는 상부면이 배치될 수 있다. 도시되지 않았지만 상부면에는 LED 등과 같은 조명 장치를 구비할 수 있다. 조명 장치는 프로세서(110)의 제어 하에 재활용 플라스틱(P)이 센싱되는 동안 턴 온 될 수 있다.
센싱부(140)는 제1 내부 측면 내지 제3 내부 측면 또는 지지면(31)에 배치될 수 있다. 센싱부(140)는 제1 센서(141) 내지 제5 센서(145)를 포함할 수 있다.
제1 센서(141)는 투입구를 통해 투입된 재활용 플라스틱(P)의 난연재 및 비난연재 여부를 선별할 수 있다. 제1 센서(141)는 난연재/비난연재 선별부 또는 난연재 선별 센서라 칭할 수 있다. 제1 센서(141)는 X-ray장치를 포함할 수 있다. 제1 센서(141)는 프로세서의 제어 하에 X-ray장치를 통해, 난연재와 비난연재의 밀도 차이에 따라 난연재와 비난연재의 여부를 판단할 수 있다.
제2 센서(142)는 재활용 플라스틱(P)의 색상별로 선별할 수 있다. 제2 센서(142)는 색상 선별부 또는 색상 선별 센서라 칭할 수 있다. 제2 센서(142)는 블랙을 비롯한 비블랙인 컬러색으로 구분하여 색상별로 선별할 수 있다.
제3 센서(143)는 재활용 플라스틱(P)의 재질별로 선별할 수 있다. 제3 센서(143)는 광학 선별부 또는 분류 센서라 칭할 수 있다. 제3 센서(143)는 근적외선(Near-infrared, NIR)을 이용하여 재질별로 분류하는 근적외선 선별부를 포함할 수 있다.
프로세서는 제2 센서(142)를 통해 센싱된 재활용 플라스틱(P)의 컬러가 블랙인 경우, 제3 센서(143)를 제어하여 재활용 플라스틱(P)의 재질별 선별을 제한할 수 있다.
이에 제3 센서(143)는 프로세서의 제어 하에 비-블랙 계열의 재활용 플라스틱(P)에 대해서 PE, PP, PS, ABS, GPPS, S.A.N 등과 같은 재질별로 선별할 수 있다.
제3 센서(143)는 재활용 플라스틱(P)에 광을 조사하고, 재활용 플라스틱(P)으로부터 반사되는 반사광을 검출하고, 검출된 반사광을 분석하여 시분할 순서에 따라 재활용 플라스틱(P) 포함된 성분을 감지할 수 있는 광감지센서를 포함할 수 있다.
제4 센서(144)는 투입구(20)를 통해 투입되는 재활용 플라스틱(P)으로부터 금속 물질 또는 금속이 포함된 재활용 플라스틱(P)을 선별할 수 있다. 제4 센서(144)는 금속 선별분류장치 또는 금속 선별 센서라 칭할 수 있다. 제4 센서(144)는 에디 전류(Eddy current)를 이용하여 금속을 선별하여 분류하거나 금속 센싱(Metal sensing)을 이용하여 금속을 감지할 수 있다.
본 발명의 재활용 플라스틱 선별 장치(100)는 제4 센서(144)를 포함함으로써, 금속재 및 금속재를 포함하는 재활용 플라스틱(P)이 재활용 공정으로 진행하는 것을 미연에 방지할 수 있다. 프로세서는 제4 센서(144)를 통해 금속재 및 금속재를 포함하는 재활용 플라스틱(P)이 감지되면, 감지된 금속재 및 금속재를 포함하는 재활용 플라스틱(P)을 투입구(20)를 통해 반송할 수 있다.
또는 프로세서는 제4 센서(144)를 통해 금속재 및 금속재를 포함하는 재활용 플라스틱(P)이 감지되면, 이에 대한 정보를 디스플레이부(130)에 디스플레이하면서 재활용할 수 없다는 내용을 디스플레이하도록 제어할 수 있다.
제5 센서(145)는 재활용 플라스틱(P)의 무게를 측정할 수 있다. 제5 센서(145)는 지지면(31)의 상부면에 배치되어, 재활용 플라스틱(P)의 무게를 비교적 정확하게 측정할 수 있으며, 무게 센서라 칭할 수 있다.
프로세서(110)는 제1 센서(141) 내지 제5 센서(145)를 동시에 센싱하도록 제어하거나, 일정한 시간 간격으로 순차적으로 센싱하도록 센싱할 수 있다.
도시하지는 않았지만, 수용 공간부(30)는 재활용 플라스틱(P)이 센싱되는 동안 이를 고정할 수 있는 고정부를 포함할 수 있다.
도 6은 본 발명의 다른 실시예에 따른 재활용 플라스틱 선별 장치의 수용 공간부 및 센싱부를 설명하기 위한 도면이다.
도 6을 참조하면, 수용 공간부는, 내부면 하부에 형성되는 지지면(31), 지지면의 상부에 인접하여 구비되는 위치 센서(146) 및 지지면의 하부에 인접하여 구비되는 분류 센서(143)를 포함할 수 있다.
보다 구체적으로, 지지면(31)은 수용 공간부의 내부면 하부에서 수용된 재활용 플라스틱(P)을 지지하되 투명한 소재로 형성된다. 이때, 투명한 소재는 광 신호 내지 근적외선 신호를 용이하게 투과시키되 신호의 왜곡이 발생하지 않는 소재가 적합하며, 예를 들어, 유리가 될 수 있다. 또한, 지지면(31)는 신호의 용이한 송수신 및 왜곡 억제를 위해 내구력이 보장되는 한도에서 최대한 얇은 두께로 형성되는 것이 바람직하다.
위치 센서(146)는 지지면(31)의 상부에 인접한 적어도 일측면에 구비되어 지지면(31)의 상부에 놓인 재활용 플라스틱(P)의 위치 정보를 획득하는 수단이다.
분류 센서(143)는 지지면(31)의 하부에 인접하여 이동하며 지지면(31)을 투과하여 지지면의 상부에 놓인 재활용 플라스틱(P)에 감지 신호를 조사하고 재활용 플라스틱(P)의 재질에 따라 달라지는 반사 신호를 획득하는 수단이다. 이때, 감지 신호는 재활용 플라스틱(P) 재질에 따른 차별적 반사 패턴을 얻을 수 있도록 조절된 신호로서 근적외선(Near-infrared, NIR) 대역의 신호로 구현될 수 있다.
나아가, 수용 공간부는, 위치 센서(146)를 통해 획득된 위치 정보에 기초하여 분류 센서(143)를 이동시켜 재활용 플라스틱(P)의 수직 방향으로 지지면(31)의 하부에 인접한 위치에 분류 센서(143)를 위치시키는 센서 구동부(미도시)를 포함할 수 있다.
도 7은 도 6의 센싱부의 위치 센서의 동작을 설명하기 위한 도면이다.
도 6 및 도 7을 참조하면, 위치 센서(146)는, 지지면(31)의 상부에 인접한 외측 가장자리의 2개의 교차하는 축을 따라 복수 개의 광원(146a)을 배치하여 지지면(31)을 가로질러 광 신호를 조사하고, 지지면(31)의 상부에 인접한 외측 가장자리에서 광원(146a)에 대향하는 2개의 축을 따라 광원(146a)에 각각 대응하는 복수 개의 수광 센서(146b)를 배치하여 광 신호를 수신한다. 따라서, 지지면(31)의 상부에 놓인 재활용 플라스틱(P)에 의해 차폐되는 광 신호 감지를 통해 재활용 플라스틱(P)의 위치 정보를 획득할 수 있다. 이러한 위치 센서(146)는 적외선(infrared, IR)을 사용하는 비접촉 방식의 터치 프레임과 유사한 구조로 구현될 수 있다. 이때, 위치 센서(146)가 사용하는 광 신호의 파장은 분류 센서(143)가 사용하는 광 신호의 파장과 간섭이 발생하지 않도록 서로 상이한 대역에서 선택되는 것이 바람직하다.
특히, 위치 센서(146)는, 지지면(31)으로부터 제1 임계값 이내의 간격을 유지한 채 광 신호를 조사하여 재활용 플라스틱(P)과 지지면(31) 간의 적어도 하나 이상의 접촉점을 획득한다. 이때, 제1 임계값은 재활용 플라스틱(P)이 지지면(31)과 최대한 가까이, 바람직하게는 밀착되어 접촉하는 영역을 찾기 위해 마련된 값으로서 위치 측정이 가능한 최대한 작은 값으로 설정되는 것이 바람직하다. 왜냐하면, 이후 기술할 분류 센서(143)의 감지 특성상 재활용 플라스틱(P)에 매우 근접한 거리에서 측정이 이루어져야 하기 때문이다. 따라서, 지지면(31)의 두께를 고려할 때 위치 센서(146)는 재활용 플라스틱(P)이 지지면(31)에 최대한 밀착한 위치를 감지할 수 있어야 할 것이다.
만약 획득된 접촉점이 하나인 경우 해당 접촉점의 위치로부터 접촉 좌표를 설정할 수 있다. 반면, 획득된 접촉점이 복수 개인 경우 다수의 접촉점들 중 가장 무게 중심이 큰 위치를 선택하는 것이 이후 분류 센서에 의한 정확한 측정에 바람직하며, 예를 들어, 접촉점들이 형성하는 영역 중 가장 중심에 가까운 접촉점의 위치로부터 접촉 좌표를 설정할 수 있다. 구현의 관점에서, 복수 개의 접촉점들을 모두 에워쌀 수 있는 원을 생성하여 원의 중심을 특정하고, 특정된 원의 중심으로부터 최단거리에 위치한 접촉점을 선택하여 접촉 좌표로 설정할 수 있다.
도 8은 도 6의 센싱부의 분류 센서 및 센서 구동부의 동작을 설명하기 위한 도면이다.
도 6 및 도 8을 참조하면, 수용 공간부는, 위치 센서(146)를 통해 획득된 위치 정보에 기초하여 분류 센서(143)를 이동시켜 재활용 플라스틱(P)의 수직 방향으로 지지면(31)의 하부에 인접한 위치에 상기 분류 센서(143)를 위치시키는 센서 구동부(143a, 143b)를 포함할 수 있다.
보다 구체적으로, 센서 구동부는, 지지면(31)의 하부에 인접한 외측 가장자리의 제1 축(예를 들어, X축이 될 수 있다)을 따라 이동 가능한 제1 이동 레일(143b)이 구비되고, 제1 이동 레일(143b)에 부착되어 제1 축과 직교하는 방향(예를 들어, Y축이 될 수 있다)으로 이동 가능한 제2 이동 레일(143a)이 구비되며, 분류 센서(143)는 제2 이동 레일(143a)에 부착되어 이동할 수 있다.
이러한 분류 센서(143)는, 프로세서의 제어에 따라 센서 구동부를 통해 지지면(31)으로부터 제2 임계값 이내의 간격을 유지한 채 상기 지지면의 하부에 인접하여 이동하는 것이 바람직하다. 이때, 제2 임계값은 분류 센서(143)의 감지 특성상 재활용 플라스틱(P)에 매우 근접한 거리에서 측정이 이루어질 수 있도록 유도하기 위해 마련된 값이다. 분류 센서(143)의 감지 신호가 근적외선(Near-infrared, NIR)인 경우 이러한 제2 임계값은, 예를 들어, 1cm 이내의 값으로 설정될 수 있다.
이제, 분류 센서(143)는 지지면(31)을 수직으로 투과하여 지지면(31)의 상부에 놓인 재활용 플라스틱(P)에 근적외선 대역의 감지 신호를 조사하며, 재활용 플라스틱(P)으로부터 재활용 플라스틱의 재질에 따른 차별적 패턴을 갖는 반사 신호를 획득할 수 있다.
도 6 내지 도 9를 통해 도시된 실시예에서 지지면(31)을 중심으로 상부 및 하부에 각각 위치 센서(146) 및 분류 센서(143)를 분리하여 위치시킴으로써, 지지면(31)의 위에 놓인 재활용 플라스틱(P)의 위치 파악이 보다 용이해지고, 투명한 지지면(31)의 바닥면을 통해 분류 센서(143)의 감지 동작이 이루어짐으로써 보다 정확한 플라스틱 분류 및 선별이 가능하다.
한편, 본 발명의 실시예들에 따른 프로세서는, 플라스틱의 재질별 신호 패턴 및 지지면(31)의 소재 및 성형 상태에 따라 지지면 투과시 발생하는 신호 왜곡을 제거하는 보정 인자를 미리 저장할 수 있다.
앞서 언급한 바와 같이, 분류 센서(143)가 사용하는 감지 신호는 지지면(31)의 소재가 무엇인지, 지지면(31)의 두께가 얼마인지 등에 따라 투과시 발생하는 신호의 왜곡 내지 잡음(noise)의 발생 정도가 상이하다. 따라서, 지지면이 없는 상황에서 송수신 되는 신호 측정 결과와 제품에 구현되는 지지면(31)에 대한 신호 측정 결과를 비교하여 양자의 차이를 분석함으로써 지지면 채택시 발생하는 신호 왜곡을 보정할 수 있는 보정 인자를 산출할 수 있다.
그런 다음, 분류 센서(143)를 통해 획득한 반사 신호에 미리 저장된 보정 인자를 적용하여 보정하며, 보정된 반사 신호를 또한 미리 저장된 재질별 신호 패턴과 비교함으로써 재활용 플라스틱의 재질을 식별할 수 있다. 이때, 재질별 신호 패턴은, 플라스틱의 재질에 따라 근적외선 대역의 감지 신호에 따른 반사 신호의 패턴이 달라지는 기술적 현상을 이용하여 미리 다양한 플라스틱의 유형별로 반사 신호의 차별적 패턴을 확보하여 저장한 것이다. 또한, 신호 패턴은 파장(wavelength)에 따른 반사 신호 세기(intensity)를 연속적으로 나타낸 것이다. 특히, 근적외선 감지 신호는 IR 방사선을 흡수하는 C-H 결합과 각 물질의 독특한 스펙트럼 지문(spectral fingerprint)으로 인해 종류별 플라스틱의 식별과 분류가 가능하다는 성질을 활용한다.
도 9 내지 도 11은 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치 중 분류하는 과정을 설명하기 위한 도면이다.
도 9를 참조하면, 센싱부(미도시)는 프로세서(110)의 제어 하에 재활용 플라스틱(P)을 센싱하여 센싱 정보를 생성할 수 있다. 프로세서(110)는 생성된 센싱 정보에 기초하여 재활용 플라스틱(P)의 상태 정보를 획득하고, 이를 기반으로 재활용 플라스틱(P)의 특성, 색상 그리고 재질, 재활용 플라스틱(P)의 무게, 금속 재질 포함 여부 등을 선별할 수 있다.
프로세서(110)는 센싱부(미도시)를 통해 획득되는 재활용 플라스틱(P)의 상태 정보를 기반으로 이들을 조합하여 선별할 수 있다.
도 10을 참조하면, 프로세서(110)는 선별된 재활용 플라스틱(P)을 분류할 수 있다. 프로세서(110)는 본체(10)의 내부에 구비되는 지지면 구동부(미도시)를 제어하여 수용 공간부(30)의 지지면(31)을 동작시킬 수 있다. 지지면 구동부는 프로세서(110)의 제어 하에 수용 공간부(30)의 지지면(31)이 기울어지도록 동작시킴으로써, 선별된 재활용 플라스틱(P)이 분류부로 이동되도록 유도할 수 있다. 이에 한정되는 것은 아니며, 지지면 구동부는 지지면(31)과 연결관계를 고려하여 다양한 방식으로 재활용 플라스틱(P)을 분류부로 이동시킬 수 있다.
도 11을 참조하면, 분류부(40)는 프로세서(110)의 제어 하에 동작하여 재활용 플라스틱(P)의 특성/색상/재질별로 분류하고, 저장할 수 있다. 분류부(40)는 적어도 하나 이상으로 구분되는 제1 분류부(41) 내지 제N 분류부(4N)를 포함할 수 있다.(N은 2이상의 자연수)
예를 들어, 제1 분류부(41)는 재활용 플라스틱(P)의 재질에 기초하여. PP 재질을 수집할 수 있고, 제2 분류부(42)는 PE 재질을 수집할 수 있고, 제3 분류부(43)는 PS 재질을 수집할 수 있고, 제4 분류부(44)는 ABS 재질을 수집할 수 있다.
지지면 구동부는 프로세서(110)의 제어 하에 수집되는 재활용 플라스틱(P)의 개수, 양 또는 무게에 따라 제1 분류부(41) 내지 제N 분류부(4N)의 공간을 좁히거나 넓힐 수 있다.
도 12는 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치의 구동방법을 설명하기 위한 도면이다.
도 12를 살펴보면, 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치의 구동방법은 제1 단계 내지 제5 단계를 포함할 수 있다.
제1 단계는 재활용 플라스틱을 투입하는 단계(S110)이다. 사용자는 재활용 플라스틱 선별 장치의 투입구에 재활용 플라스틱을 투입할 수 있다.
제2 단계는 재활용 플라스틱의 상태 정보 획득하는 단계(S130)이다. 제1 센서 내지 제5 센서는 프로세서의 선택적인 제어 하에 재활용 플라스틱을 센싱하고, 센싱 정보를 생성할 수 있다. 프로세서는 제1 센서 내지 제5 센서로부터 센싱 정보를 전송받아, 이를 기반으로 재활용 플라스틱의 상태 정보를 획득할 수 있다.
제3 단계는 재활용 플라스틱의 상태 정보에 기초하여 선별하는 단계(S150)이다. 프로세서는 생성된 센싱 정보에 기초하여 재활용 플라스틱의 상태 정보를 획득하고, 이를 기반으로 재활용 플라스틱의 특성, 색상 그리고 재질, 재활용 플라스틱의 무게, 금속 재질 포함 여부 등을 선별할 수 있다.
제4 단계는 선별된 재활용 플라스틱을 분류하여 저장하는 단계(S170)이다. 프로세서는 선별된 재활용 플라스틱을 분류할 수 있다. 분류부는 프로세서의 제어 하에 재활용 플라스틱의 특성/색상/재질별로 분류하고, 저장할 수 있다.
제5 단계는 리워드 전송하는 단계(S190)이다. 프로세서는 선별된 재활용 플라스틱이 분류되어 저장되면, 기설정된 기준에 따라 리워드를 생성할 수 있다. 기설정된 기준은 재활용 플라스틱의 무게, 개수 등으로 설정될 수 있다. 예를 들어, 프로세서는 재활용 플라스틱의 무게에 따라 생성되는 리워드를 클라이언트 디바이스에 전송할 수 있다.
이에 한정되는 것은 아니며, 프로세서는 플라스틱의 재질에 따라 리워드를 차등하여 생성할 수 있다.
또한, 디스플레이부는 프로세서의 제어 하에 재활용 플라스틱 선별 장치의 구동방법을 실시간으로 디스플레이할 수 있다.
도 13 및 도 14는 본 발명의 실시예들에서 재활용 플라스틱의 상태 정보에 기초하여 선별하는 과정을 설명하기 위한 도면이다.
도 13를 참조하면, 프로세서는 앞서 위치 센서를 통해 획득된 위치 정보로부터 재활용 플라스틱의 접촉 좌표를 생성하고(S151), 생성된 접촉 좌표에 따라 센서 구동부를 통해 분류 센서를 이동시킨다(S152). 그런 다음, 분류 센서로부터 지지면을 투과하여 재활용 플라스틱에 감지 신호를 조사하고(S153), 반사 신호를 획득하여 획득된 반사 신호를 미리 저장된 재질별 신호 패턴과 비교함으로써 재활용 플라스틱의 재질을 식별 및 구분할 수 있다(S154).
한편, 주어진 상황에 따라 분류 센서를 통한 재활용 플라스틱의 재질 식별에 실패할 수 있는데, 이런 경우를 대비하여 마련된 일련의 후처리 과정이 도 14를 통해 제시되었다.
도 14는 도 13에 연속하여 재질별 신호 패턴과의 비교를 통한 재활용 플라스틱의 재질 식별에 실패한 경우를 도시하였다. 도 14를 참조하면, 프로세서는 재활용 플라스틱을 선별하기 위하여 적어도 하나의 센서를 통해 획득되는 센싱 정보로부터 특징값들을 추출할 수 있다(S156).
예를 들어, 프로세서는 적어도 하나의 센서(예를 들어, 제3 센서인 근적외선(NIR)을 이용하여 재질별로 분류하는 근적외선 선별부)로부터 재질 정보를 수신할 수 있다.
프로세서는 재질 정보로부터 특징값을 추출할 수 있다. 특징값은 재질 정보에서 추출할 수 있는 적어도 하나의 특징들 중에서 재활용 플라스틱의 재질을 구체적으로 나타내는 것이다.
프로세서는 특징값들을 재활용 플라스틱의 재질을 구별하도록 트레이닝된 인공 신경망(artificial neural network, ANN) 분류기에 입력되도록 제어할 수 있다(S157).
프로세서는 추출된 특징값이 결합되어 재질 검출 입력을 생성할 수 있다. 재질 검출 입력은, 추출된 특징값에 기초하여 재활용 플라스틱의 재질을 구별하도록 트레이딩된 인공 신경망(ANN) 분류기에 입력될 수 있다.
프로세서는 인공 신경망의 출력값을 분석하고(S158), 인공 신경망 출력값에 기초하여 재활용 플라스틱의 재질에 따라 선별할 수 있다(S159).
프로세서는 인공 신경망 분류기의 출력으로부터 재활용 플라스틱을 선별함으로써, 보다 정확하게 이들을 분류할 수 있을 뿐만 아니라, 분류 센서를 통한 재활용 플라스틱의 재질 식별에 실패한 경우에도 유연한 대응이 가능하다.
한편, 도 14에서는 AI 프로세싱을 통해 재활용 플라스틱을 선별하는 동작이 재활용 플라스틱 선별 장치의 프로세싱에서 구현되는 예를 설명하였으나, 본 발명은 이에 한정되지 않는다. 예를 들어, 상기 AI 프로세싱은 재활용 플라스틱 선별 장치로부터 수신된 센싱 정보에 기초하여 네트워크 상에서 이루어질 수도 있다.
도 15는 본 발명의 일 실시예에서 재활용 플라스틱을 선별하는 다른 예를 설명하기 위한 도면이다.
프로세서(170)는 재활용 플라스틱의 상태 정보를 네트워크에 포함된 AI 프로세서로 전송하도록 통신부를 제어할 수 있다. 또한, 프로세서는 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 통신부를 제어할 수 있다.
AI 프로세싱된 정보는, 재활용 플라스틱의 재질을 선별한 정보일 수 있다.
한편, 재활용 플라스틱 선별 장치는 네트워크로 재활용 플라스틱의 상태 정보를 전송하기 위하여, 네트워크와 초기 접속 절차를 수행할 수 있다. 재활용 플라스틱 선별 장치는 SSB(Synchronization signal block)에 기초하여 5G 네트워크와 초기 접속 절차를 수행할 수 있다.
또한, 재활용 플라스틱 선별 장치는 무선 통신부를 통해 재활용 플라스틱 선별 장치의 내부에 구비된 적어도 하나의 센서로부터 획득되는 재활용 플라스틱의 상태 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신할 수 있다.
프로세서는 DCI에 기초하여 재활용 플라스틱의 상태 정보를 네트워크로 전송할 수 있다.
재활용 플라스틱의 상태 정보는 PUSCH를 통해 상기 네트워크로 전송되며, SSB와 PUSCH의 DM-RS는 QCL type D에 대해 QCL될 수 있다.
도 15를 참조하면, 재활용 플라스틱 선별 장치는 센싱 정보로부터 추출된 특징값을 네트워크로 전송할 수 있다(S210). 예를 들어, 네트워크는 5G 네트워크일 수 있다.
여기서 5G 네트워크는 AI 프로세서 또는 AI 시스템을 포함할 수 있으며, 5G 네트워크의 AI 시스템은 수신된 센싱 정보에 기초하여 AI 프로세싱을 수행할 수 있다(S220).
AI 시스템은 재활용 플라스틱 선별 장치로부터 수신된 특징값들을 ANN 분류기에 입력할 수 있다(S221). AI 시스템은, ANN 출력값을 분석하고(S222), ANN 출력값으로부터 재활용 플라스틱의 재질을 선별 또는 판단할 수 있다(S223). 5G 네트워크는 AI 시스템에서 선별 또는 판단한 재활용 플라스틱의 선별 정보를 무선 통신부를 통해 재활용 플라스틱 선별 장치로 전송할 수 있다(S230).
재활용 플라스틱 선별 장치는 선별 정보에 기초하여 재활용 플라스틱을 분류하고, 저장 또는 수집할 수 있다(S230).
재활용 플라스틱 선별 장치는 재활용 플라스틱이 분류되고 저장되면, 이에 매칭되는 리워드를 생성하고, 생성된 리워드를 클라이언트 디바이스에 전송할 수 있다(S250).
도 16은 본 발명의 일 실시예에 따른 재활용 플라스틱 선별 장치를 구현한 시제품을 예시한 도면이다.
도 16의 (a)를 참조하면, 수용 공간부의 내부면 하부에 유리로 된 지지면이 구비되고, 지지면의 상부 및 하부에 각각 위치 센서와 분류 센서가 부착된 조립체를 형성하고 있음을 보여준다. 또한, 도 16의 (b)를 참조하면, 지지면의 하부에서 분류 센서를 이동시키기 위한 센서 구동부의 직교하는 이동 레일을 확인할 수 있다.
상술한 본 발명의 실시예들은 본 발명의 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상술한 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.
110: 프로세서, 120: 메모리
130: 디스플레이부, 140: 센싱부
150: 통신부

Claims (6)

  1. 소정의 공간이 형성되는 본체;
    상기 본체의 내부에 구비되고, 상기 본체의 일면에 배치되는 투입구를 통해 투입되는 비파쇄 상태의 재활용 플라스틱을 수용할 수 있는 수용 공간부;
    상기 수용 공간부에 배치되어, 상기 재활용 플라스틱을 센싱하는 적어도 하나의 센서를 포함하는 센싱부;
    상기 센싱부를 통해 획득된 상기 재활용 플라스틱의 상태 정보에 기초하여 상기 재활용 플라스틱의 특성, 색상 및 재질별로 선별하도록 제어하는 프로세서;
    상기 프로세서에 의해 실행 가능한 프로그램을 저장하는 메모리; 및
    상기 본체의 내부에 구비되고, 상기 프로세서의 제어 하에 선별된 상기 재활용 플라스틱의 특성, 색상 및 재질별로 분류하여 저장하는 분류부;를 포함하고,
    상기 수용 공간부는,
    상기 수용 공간부의 내부면 하부에서 수용된 상기 재활용 플라스틱을 지지하되 투명한 소재로 형성되는 지지면;
    상기 지지면의 상부에 인접한 적어도 일측면에 구비되어 상기 지지면의 상부에 놓인 상기 재활용 플라스틱의 위치 정보를 획득하는 위치 센서;
    상기 지지면의 하부에 인접하여 이동하며 상기 지지면을 투과하여 상기 지지면의 상부에 놓인 상기 재활용 플라스틱에 감지 신호를 조사하고 상기 재활용 플라스틱의 재질에 따라 달라지는 반사 신호를 획득하는 분류 센서; 및
    획득된 상기 위치 정보에 기초하여 상기 분류 센서를 이동시켜 상기 재활용 플라스틱의 수직 방향으로 상기 지지면의 하부에 인접한 위치에 상기 분류 센서를 위치시키는 센서 구동부;를 포함하며,
    상기 위치 센서는, 상기 지지면의 상부에 인접한 외측 가장자리의 2개의 교차하는 축을 따라 복수 개의 광원을 배치하여 상기 지지면을 가로질러 광 신호를 조사하고, 상기 지지면의 상부에 인접한 외측 가장자리에서 상기 광원에 대향하는 2개의 축을 따라 상기 광원에 각각 대응하는 복수 개의 수광 센서를 배치하여 상기 광 신호를 수신하며, 상기 지지면의 상부에 놓인 상기 재활용 플라스틱에 의해 차폐되는 광 신호 감지를 통해 상기 재활용 플라스틱의 위치 정보를 획득하되, 상기 지지면으로부터 제1 임계값 이내의 간격을 유지한 채 상기 광 신호를 조사하여 상기 재활용 플라스틱과 상기 지지면 간의 적어도 하나 이상의 접촉점을 획득하고, 획득된 상기 접촉점이 하나인 경우 해당 접촉점의 위치로부터 접촉 좌표를 설정하고, 획득된 상기 접촉점이 복수 개인 경우 접촉점들이 형성하는 영역 중 가장 중심에 가까운 접촉점의 위치로부터 접촉 좌표를 설정하고,
    상기 센서 구동부는, 상기 지지면의 하부에 인접한 외측 가장자리의 제1 축을 따라 이동 가능한 제1 이동 레일이 구비되고, 상기 제1 이동 레일에 부착되어 상기 제1 축과 직교하는 방향으로 이동 가능한 제2 이동 레일이 구비되며, 상기 분류 센서는 상기 제2 이동 레일에 부착되고,
    상기 분류 센서는, 상기 프로세서의 제어에 따라 상기 센서 구동부를 통해 상기 지지면으로부터 제2 임계값 이내의 간격을 유지한 채 상기 지지면의 하부에 인접하여 이동하고, 상기 지지면을 수직으로 투과하여 상기 지지면의 상부에 놓인 상기 재활용 플라스틱에 근적외선(Near-infrared, NIR) 대역의 감지 신호를 조사하며, 상기 재활용 플라스틱으로부터 상기 재활용 플라스틱의 재질에 따른 차별적 패턴을 갖는 반사 신호를 획득하며,
    상기 프로세서는, 상기 위치 센서를 통해 획득된 위치 정보로부터 상기 재활용 플라스틱의 접촉 좌표를 생성하고, 생성된 상기 접촉 좌표에 따라 상기 센서 구동부를 통해 상기 분류 센서를 이동시켜 상기 반사 신호를 획득하며, 획득된 상기 반사 신호를 미리 저장된 재질별 신호 패턴과 비교함으로써 상기 재활용 플라스틱의 재질을 식별하는, 재활용 플라스틱 선별 장치.
  2. 제1 항에 있어서,
    상기 프로세서는,
    플라스틱의 재질별 신호 패턴 및 상기 지지면의 소재 및 성형 상태에 따라 상기 지지면 투과시 발생하는 신호 왜곡을 제거하는 보정 인자를 미리 저장하고,
    상기 분류 센서를 통해 획득한 반사 신호에 상기 미리 저장된 보정 인자를 적용하여 보정하며,
    보정된 반사 신호를 상기 미리 저장된 재질별 신호 패턴과 비교함으로써 상기 재활용 플라스틱의 재질을 식별하는, 재활용 플라스틱 선별 장치.
  3. 제1 항에 있어서,
    상기 센싱부는,
    상기 투입구를 통해 투입된 상기 재활용 플라스틱의 난연재 및 비난연재 여부를 선별하는 난연재 선별 센서;
    상기 재활용 플라스틱의 색상별로 선별하는 색상 선별 센서;
    상기 투입구를 통해 투입되는 상기 재활용 플라스틱으로부터 금속 물질 또는 금속이 포함된 상기 재활용 플라스틱을 선별하는 금속 선별 센서; 및
    상기 재활용 플라스틱의 무게를 측정하는 무게 센서; 중 적어도 하나를 더 포함하는, 재활용 플라스틱 선별 장치.
  4. 제3 항에 있어서,
    통신부; 및
    상기 본체의 외부면에 배치되어 상기 재활용 플라스틱이 선별되어 분류되는 과정을 표시하는 디스플레이부;를 더 포함하고,
    상기 프로세서는,
    상기 무게 센서로부터 획득된 측정 정보에 기초하여 리워드를 생성하고, 생성된 상기 리워드 및 상기 리워드와 관련된 정보를 상기 디스플레이부에 표시하며,
    상기 리워드 및 상기 리워드와 관련된 정보를 클라이언트 디바이스에 전송하는, 재활용 플라스틱 선별 장치.
  5. 제1 항에 있어서,
    상기 재질별 신호 패턴과의 비교를 통한 재활용 플라스틱의 재질 식별에 실패한 경우, 상기 프로세서는,
    상기 분류 센서를 통해 획득되는 센싱 정보로부터 특징값들을 추출하고,
    상기 특징값들을 상기 재활용 플라스틱의 재질을 구별하도록 트레이닝된 인공 신경망(artificial neural network, ANN) 분류기에 입력하여 상기 인공 신경망의 출력으로부터 상기 재활용 플라스틱의 재질을 판단하되,
    상기 특징값들은, 상기 재활용 플라스틱의 재질을 구분할 수 있는 값들인, 재활용 플라스틱 선별 장치.
  6. 제5 항에 있어서,
    통신부;를 더 포함하고,
    상기 프로세서는,
    상기 통신부를 통해 상기 재활용 플라스틱의 상태 정보를 서버에 포함된 AI 프로세서로 전송하도록 제어하고, 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하되,
    상기 AI 프로세싱된 정보는,
    상기 재활용 플라스틱의 특성, 색상 및 재질별로 선별한 정보인, 재활용 플라스틱 선별 장치.
KR1020210171633A 2020-12-03 2021-12-03 재활용 플라스틱 선별 장치 KR102371533B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200167379 2020-12-03
KR20200167379 2020-12-03

Publications (1)

Publication Number Publication Date
KR102371533B1 true KR102371533B1 (ko) 2022-03-08

Family

ID=80812290

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210171633A KR102371533B1 (ko) 2020-12-03 2021-12-03 재활용 플라스틱 선별 장치

Country Status (1)

Country Link
KR (1) KR102371533B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102498737B1 (ko) * 2022-08-29 2023-02-13 이후시스(주) 재활용 자원의 분리 수거 장치 및 그 방법
KR20240081160A (ko) 2022-11-30 2024-06-07 이찬미 플라스틱 재활용품 라벨 선별 장치

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001013069A (ja) * 1999-06-29 2001-01-19 Ishikawajima Harima Heavy Ind Co Ltd 廃棄物の材質識別方法
JP2002267599A (ja) * 2001-03-07 2002-09-18 Mitsubishi Heavy Ind Ltd プラスチックの材質識別システムおよびプラスチックの材質識別・分別システム
JP2004279123A (ja) * 2003-03-13 2004-10-07 Kurimoto Ltd 混合廃棄物の材質識別装置
JP4113549B2 (ja) * 2003-07-18 2008-07-09 松下電器産業株式会社 プラスチック識別装置およびプラスチック識別方法
KR100948490B1 (ko) 2009-11-27 2010-03-18 서흥인테크(주) 재활용 플라스틱 선별 방법
KR101852295B1 (ko) * 2017-06-07 2018-04-27 주식회사 필터레인 재활용품 선별장치
EP3484637A1 (en) * 2016-07-15 2019-05-22 Cleanrobotics, Inc. Automatic sorting of waste

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001013069A (ja) * 1999-06-29 2001-01-19 Ishikawajima Harima Heavy Ind Co Ltd 廃棄物の材質識別方法
JP2002267599A (ja) * 2001-03-07 2002-09-18 Mitsubishi Heavy Ind Ltd プラスチックの材質識別システムおよびプラスチックの材質識別・分別システム
JP2004279123A (ja) * 2003-03-13 2004-10-07 Kurimoto Ltd 混合廃棄物の材質識別装置
JP4113549B2 (ja) * 2003-07-18 2008-07-09 松下電器産業株式会社 プラスチック識別装置およびプラスチック識別方法
KR100948490B1 (ko) 2009-11-27 2010-03-18 서흥인테크(주) 재활용 플라스틱 선별 방법
EP3484637A1 (en) * 2016-07-15 2019-05-22 Cleanrobotics, Inc. Automatic sorting of waste
KR101852295B1 (ko) * 2017-06-07 2018-04-27 주식회사 필터레인 재활용품 선별장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102498737B1 (ko) * 2022-08-29 2023-02-13 이후시스(주) 재활용 자원의 분리 수거 장치 및 그 방법
KR20240081160A (ko) 2022-11-30 2024-06-07 이찬미 플라스틱 재활용품 라벨 선별 장치

Similar Documents

Publication Publication Date Title
KR102371533B1 (ko) 재활용 플라스틱 선별 장치
US10664716B2 (en) Portable substance analysis based on computer vision, spectroscopy, and artificial intelligence
CN110929774B (zh) 图像中目标物的分类方法、模型训练方法和装置
KR102579904B1 (ko) 비전 검사 관리 방법 및 비전 검사 시스템
TWI754806B (zh) 利用深度學習定位虹膜之裝置與方法
CN117115147B (zh) 一种基于机器视觉的纺织品检测方法及系统
CN110573883A (zh) 用于在样本表征期间确定标签计数的方法和装置
CN108182454A (zh) 安检识别系统及其控制方法
CN105590099B (zh) 一种基于改进卷积神经网络的多人行为识别方法
Zhu et al. Support vector machine and YOLO for a mobile food grading system
JP2017518566A (ja) モバイルプラットフォームにおける空中および表面マルチタッチ検出
CN105740910A (zh) 一种车辆物件检测方法及装置
CN112580458B (zh) 人脸表情识别方法、装置、设备及存储介质
US11308348B2 (en) Methods and systems for processing image data
WO2020189044A1 (ja) 検査装置、異常検出方法、コンピュータプログラム、学習モデルの生成方法、及び学習モデル
US20160170492A1 (en) Technologies for robust two-dimensional gesture recognition
CN108447061A (zh) 商品信息处理方法、装置、计算机设备和存储介质
US20230022554A1 (en) Automatic pressure ulcer measurement
CN107025442A (zh) 一种基于颜色和深度信息的多模态融合手势识别方法
CN115187870B (zh) 海洋塑料垃圾材质识别方法、系统、电子设备和存储介质
Pinitjitsamut et al. Logo Detection with Artificial Intelligent
Jabo Machine vision for wood defect detection and classification
Kim et al. Portable Environmental microfluidic chips with colorimetric sensors: Image recognition and visualization
Hanson et al. Occluded object detection and exposure in cluttered environments with automated hyperspectral anomaly detection
KR20200071021A (ko) 영상 분석 장치, 영상 분석 방법 및 기록 매체

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant