KR102517566B1 - Recyclable waste sorting system and method - Google Patents

Recyclable waste sorting system and method Download PDF

Info

Publication number
KR102517566B1
KR102517566B1 KR1020220038874A KR20220038874A KR102517566B1 KR 102517566 B1 KR102517566 B1 KR 102517566B1 KR 1020220038874 A KR1020220038874 A KR 1020220038874A KR 20220038874 A KR20220038874 A KR 20220038874A KR 102517566 B1 KR102517566 B1 KR 102517566B1
Authority
KR
South Korea
Prior art keywords
waste
sorting
unit
sorted
type
Prior art date
Application number
KR1020220038874A
Other languages
Korean (ko)
Inventor
김현수
Original Assignee
(주)에이씨아이케미칼아시아
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 (주)에이씨아이케미칼아시아 filed Critical (주)에이씨아이케미칼아시아
Priority to KR1020220038874A priority Critical patent/KR102517566B1/en
Application granted granted Critical
Publication of KR102517566B1 publication Critical patent/KR102517566B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03B—SEPARATING SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS
    • B03B9/00—General arrangement of separating plant, e.g. flow sheets
    • B03B9/06—General arrangement of separating plant, e.g. flow sheets specially adapted for refuse
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C23/00—Auxiliary methods or auxiliary devices or accessories specially adapted for crushing or disintegrating not provided for in preceding groups or not specially adapted to apparatus covered by a single preceding group
    • B02C23/08—Separating or sorting of material, associated with crushing or disintegrating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
    • B07B4/00—Separating solids from solids by subjecting their mixture to gas currents
    • 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
    • B07C5/04—Sorting according to size
    • 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
    • B07C5/16—Sorting according to weight
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B25J19/021—Optical sensing devices
    • B25J19/023—Optical sensing devices including video camera means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B26—HAND CUTTING TOOLS; CUTTING; SEVERING
    • B26D—CUTTING; DETAILS COMMON TO MACHINES FOR PERFORATING, PUNCHING, CUTTING-OUT, STAMPING-OUT OR SEVERING
    • B26D1/00—Cutting through work characterised by the nature or movement of the cutting member or particular materials not otherwise provided for; Apparatus or machines therefor; Cutting members therefor
    • B26D1/01—Cutting through work characterised by the nature or movement of the cutting member or particular materials not otherwise provided for; Apparatus or machines therefor; Cutting members therefor involving a cutting member which does not travel with the work
    • B26D1/12—Cutting through work characterised by the nature or movement of the cutting member or particular materials not otherwise provided for; Apparatus or machines therefor; Cutting members therefor involving a cutting member which does not travel with the work having a cutting member moving about an axis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Forests & Forestry (AREA)
  • Food Science & Technology (AREA)
  • Multimedia (AREA)
  • Sorting Of Articles (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

The present invention relates to a method and system for managing a process of sorting collected waste to process the collected waste and, more specifically, to a method and system which perform management to minimize sorting errors in the system in the process of detecting the type and status of waste and sorting and discharging waste according to established standards on the basis of artificial intelligence (AI). According to the present invention, the system comprises: a bag breaking and fixed-quantity supply unit breaking collected waste bags and supplying waste discharged from the waste bags in a predetermined amount at regular intervals; a large item sorting unit sorting large items from the supplied waste; a first multi-type sorting unit sorting the waste, from which the large-sized waste is sorted, according to the specific gravity and properties thereof; a second multi-type sorting unit sorting the waste sorted according to the specific gravity and properties in accordance with type; a robot inspection unit inspecting the sorted waste; a storage and pressing unit storing and pressing the sorted and inspected waste; and an edge server performing AI learning and waste type detection operations for sorting the waste in the bag-breaking and fixed-quality supplying unit, the large item sorting unit, the first multi-type sorting unit, the second multi-type sorting unit, and the robot inspection unit, and acquiring sensor data to perform monitoring and control, and transmitting accident prevention information to a manager.

Description

재활용 가능 폐기물 선별 시스템 및 방법{RECYCLABLE WASTE SORTING SYSTEM AND METHOD}Recyclable waste sorting system and method {RECYCLABLE WASTE SORTING SYSTEM AND METHOD}

본 발명은 수거된 폐기물을 재활용하기 위하여 선별하는 과정을 관리하는 방법 및 시스템에 관한 것으로, 인공지능에 기반해 폐기물의 종류 및 상태를 감지하고 정해진 기준에 따라 폐기물을 선별하여 배출하는 과정에 있어서 시스템의 선별 오류를 최소화하도록 관리할 수 있는 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for managing the process of sorting collected wastes for recycling, and a system in the process of detecting the type and condition of wastes based on artificial intelligence and sorting and discharging wastes according to predetermined criteria. It relates to a method and system that can be managed to minimize selection errors.

과학 기술의 발달로 인류는 생활에 편의성을 높일 수 있는 다양한 물품을 발명하고 사용하게 되었으나 이로 인한 폐기물의 발생은 필연적인 결과였다. 이렇게 발생하는 다양한 폐기물은 재활용하지 않으면 매립하거나 소각하여야 하는데, 매립 또는 소각에도 비용이 발생하고, 때문에 버릴 때마다 돈을 내고서 버리거나 정부나 지자체에서 예산을 들여서 처리해야 폐기물을 처리할 수 있다. 따라서 이러한 비용을 최소화하기 위해서는 폐기물을 재활용하여야 하는데, 선별된 폐기물은 그대로 수거해 재활용할 수 있기 때문에, 재활용 업체에서 무료로 수거하는 등 대부분의 재활용 폐기물은 분리 배출하면 무료배출 후 수거되어 재활용할 수 있다. 하지만 재활용에도 회수, 재선별, 재처리 등의 비용이 들고 재활용해도 가치가 없는 폐기물도 있어서 시장상황에 따라 수거해가도 손해만 보는 경우도 있다. 따라서, 이러한 폐기물을 선별하는데 들어가는 비용을 최소화하기 위한 노력이 필요하다.With the development of science and technology, mankind has invented and used various items that can increase convenience in life, but the generation of waste is an inevitable result. If these wastes are not recycled, they must be landfilled or incinerated. Landfills or incineration also incur costs, so each time they are thrown away, they must pay money to throw away or the government or local government spends a budget to treat the waste. Therefore, in order to minimize these costs, waste must be recycled. Since selected waste can be collected and recycled as it is, most recyclable waste, such as free collection by recycling companies, can be collected and recycled after being discharged free of charge if separated and discharged. there is. However, even recycling costs money for collection, re-sorting, and reprocessing, and there are also wastes that have no value even after recycling, so even if they are collected according to market conditions, there are cases in which only losses are incurred. Therefore, efforts are required to minimize the cost of sorting these wastes.

최근에는 이러한 선별 작업을 상당부분 자동화하여 진행하기도 한다. 하지만 이러한 자동화 시스템은 현재 완전하지 않고, 사람이 투입되어 작업하거나 유지보수를 위하여 사람이 투입되었다가 기계가 작동하는 과정에서 안전사고가 발생하는 경우도 발생하고 있어 사회적으로 문제가 되고 있다.In recent years, a significant portion of this sorting operation has been automated. However, these automation systems are currently not perfect, and safety accidents occur in the process of operating the machine after a person is put in for work or maintenance, which is a social problem.

따라서, 자동화된 라인을 통해 폐기물을 선별할 수 있으면서도 사고에 의한 피해를 예방할 수 있는 기술이 필요한 실정이다.Therefore, there is a need for a technology that can prevent damage due to accidents while being able to sort waste through an automated line.

따라서, 본 발명은 상기한 바와 같은 문제점을 해결하기 위한 것으로서, 인공지능에 기반해 폐기물을 자동으로 선별할 수 있는 방법 및 시스템을 제공한다.Accordingly, the present invention is to solve the above problems, and provides a method and system capable of automatically sorting waste based on artificial intelligence.

본 발명은 기 설정된 기준에 따라 폐기물을 선별하고 폐기물 선별에서 발생하는 오류를 최소화할 수 있는 방법 및 시스템을 제공 한다. The present invention provides a method and system capable of sorting waste according to predetermined criteria and minimizing errors occurring in waste sorting.

본 발명은 폐기물 자동 선별 과정에서 발생할 수 있는 사고를 예방할 수 있는 방법 및 시스템을 제공한다.The present invention provides a method and system capable of preventing accidents that may occur in the automatic waste sorting process.

상기한 문제를 해결하기 위한 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템은 수거된 폐기물봉투를 파봉하고, 상기 폐기물 봉투에서 배출된 폐기물을 일정량씩 일정 간격으로 공급하는 파봉정량공급부; 공급되는 상기 폐기물에서 대형물을 선별하는 대형물선별부; 대형물이 선별된 상기 폐기물을 비중에 따라 선별하는 제1 다종선별부; 비중에 따라 선별된 상기 폐기물을 종류에 따라 선별하는 제2 다종선별부; 선별된 상기 폐기물을 검수하는 로봇검수부; 선별 및 검수된 상기 폐기물을 저장 및 압축하는 저장압축부; 및 상기 파봉정량공급부, 상기 대형물선별부, 상기 제1 다종선별부, 상기 제2 다종선별부 및 상기 로봇검수부에서 폐기물 선별을 위한 AI학습 및 폐기물 종류 감지 연산을 수행하고, 센서 데이터를 획득하여 감시 및 제어하며, 사고 예방 정보를 관리자에 전송하는 엣지서버;를 포함하고, 상기 제2 다종선별부는 선별된 고비중 폐기물을 종류에 따라 선별하는 고비중선별부; 선별된 중비중 폐기물을 철 및 비철류로 선별하는 철-비철선별부; 선별된 저비중 폐기물을 종류에 따라 선별하는 저비중선별부;을 포함하고, 상기 로봇검수부는 하기 수학식 1을 연산해 PET를 재질별 선별할 수 있다. Recyclable waste sorting system according to an embodiment of the present invention for solving the above problem is a bagged quantitative supply unit for breaking the collected waste bags and supplying the waste discharged from the waste bags at regular intervals by a predetermined amount; Large-size item sorting unit for sorting large-size items from the supplied waste; a first multi-type sorting unit for sorting the wastes from which large-sized wastes have been sorted according to their specific gravity; a second multi-type sorting unit that sorts the wastes sorted according to specific gravity according to types; Robot inspection unit for inspecting the selected waste; A storage compression unit for storing and compressing the sorted and inspected waste; And AI learning and waste type detection calculations for waste sorting are performed in the bag-quantity supply unit, the large-size item sorting unit, the first multi-type sorting unit, the second multi-type sorting unit, and the robot inspection unit, and sensor data is obtained. and an edge server for monitoring and controlling and transmitting accident prevention information to a manager, wherein the second multi-type sorting unit includes a high specific gravity sorting unit that sorts the sorted high specific gravity wastes according to types; a ferrous-non-ferrous sorting unit that sorts the sorted heavy-duty waste into iron and non-ferrous materials; and a low specific gravity sorting unit that sorts the sorted low specific gravity wastes according to types, and the robot inspection unit can sort PET by material by calculating Equation 1 below.

[수학식 1][Equation 1]

Figure 112022033812689-pat00001
Figure 112022033812689-pat00001

(여기서,

Figure 112022033812689-pat00002
는 상기 폐기물 x의 물성 값,
Figure 112022033812689-pat00003
는 상기 폐기물 x의 영상에서 CNN으로 추출한 특징에 기반해 추정한 형태,
Figure 112022033812689-pat00004
는 상기 폐기물 x의 색상이고,
Figure 112022033812689-pat00005
는 물성, 형태, 색상에 따라 확률적으로 가장 유사성이 높은 재질을 결정하는 함수이다.)(here,
Figure 112022033812689-pat00002
is the physical property value of the waste x,
Figure 112022033812689-pat00003
Is the form estimated based on the features extracted by CNN from the image of the waste x,
Figure 112022033812689-pat00004
is the color of the waste x,
Figure 112022033812689-pat00005
is a function that determines the material with the highest similarity probabilistically according to physical properties, shape, and color.)

본 발명의 일 실시 예에 따르면, 상기 파봉정량공급부는 회전나이프로 수거된 폐기물 봉투를 개봉해 폐기물을 배출시키는 파봉부; 상기 파봉부로 상기 폐기물 봉투를 투입하는 투입호퍼; 상기 파봉부 전 후의 폐기물의 높이를 감지하는 레벨감지센서; 상기 파봉정량공급부 내에서 발생한 악취를 감지하는 악취감지센서; 및 적외선 열감지 및 화재를 감지하는 AI카메라;를 포함할 수 있다. According to one embodiment of the present invention, the sealing unit for discharging the waste by opening the waste bag collected with a rotary knife, the sealing unit quantitative supply unit; an input hopper for injecting the waste bag into the rupture part; A level detection sensor for detecting the height of the waste before and after the ruptured part; an odor detecting sensor for detecting an odor generated in the sachet quantity supply unit; and an AI camera for detecting infrared heat and fire.

본 발명의 일 실시 예에 따르면, 상기 대형물선별부는 상기 폐기물에서 대형 플라스틱, 대형 비닐, 대형 종이 및 기타 대형물을 선별하고, 적외선 열감지 및 화재를 감지하는 AI카메라;를 더 포함할 수 있다. According to an embodiment of the present invention, the large-size item sorting unit sorts large-size plastic, large-size vinyl, large-size paper, and other large-size items from the waste, and an AI camera for detecting infrared heat and fire; may further include .

본 발명의 일 실시 예에 따르면, 상기 제1 다종선별부는 대형물이 선별된 상기 폐기물을 비중에 따라 고비중물, 중비중물, 경비중물, 협잡물을 구분하는 AI카메라; 상기 제1 다종선별부 내의 공기의 흐름에 따라 이동하는 분진을 선별하는 분진선별부; 상기 제1 다종선별부 내의 차압 여부를 감지하는 차압센서; 분진에 의한 덕트의 막힘 여부를 감지하는 덕트센서; 및 상기 제1 다종선별부 내에 선별을 위한 공기 흐름을 발생시키는 블로어;를 포함할 수 있다.According to an embodiment of the present invention, the first multi-class sorting unit AI camera for classifying the large-sized waste into high specific gravity, medium specific gravity, light heavy, and impurities according to specific gravity; a dust sorting unit for sorting the dust moving according to the air flow in the first multi-type sorting unit; a differential pressure sensor for detecting whether or not there is a differential pressure in the first multi-type selection unit; Duct sensor for detecting whether the duct is clogged by dust; and a blower generating an air flow for sorting within the first multi-type sorting unit.

본 발명의 일 실시 예에 따르면, 상기 엣지서버는 하기 수학식 2를 연산해 상기 파봉정량공급부, 대형물선별부, 제1 다종선별부, 제2 다종선별부, 로봇검수부, 저장압축부에서의 고장 발생 확률을 연산할 수 있다.According to an embodiment of the present invention, the edge server calculates the following Equation 2 in the package quantity supply unit, the large product sorting unit, the first multi-class sorting unit, the second multi-class sorting unit, the robot inspection unit, and the storage compression unit. The failure probability of can be calculated.

[수학식 2] [Equation 2]

Figure 112022033812689-pat00006
Figure 112022033812689-pat00006

(여기서, n은 대상부,

Figure 112022033812689-pat00007
은 n에서의 고장 발생 확률,
Figure 112022033812689-pat00008
각 요인에 따른 고장 발생 확률들의 복합적 작용에 따른 종합 고장 발생 확률을 연산하는 함수,
Figure 112022033812689-pat00009
은 n에서의 온도에 따른 고장 발생 확률,
Figure 112022033812689-pat00010
은 n에서의 전류 값 변화에 따른 사고 발생 확률,
Figure 112022033812689-pat00011
는 n에서의 전압 값 변화에 따른 사고 발생 확률,
Figure 112022033812689-pat00012
은 n에서 감지된 진동의 주파수와 진폭에 따른 사고 발생 확률이다.)(Where n is the target part,
Figure 112022033812689-pat00007
is the failure probability at n,
Figure 112022033812689-pat00008
A function that calculates the overall failure probability according to the complex action of failure occurrence probabilities according to each factor;
Figure 112022033812689-pat00009
is the probability of failure occurrence as a function of temperature at n,
Figure 112022033812689-pat00010
is the probability of occurrence of an accident according to the change in current value at n,
Figure 112022033812689-pat00011
is the probability of occurrence of an accident according to the voltage value change at n,
Figure 112022033812689-pat00012
is the probability of occurrence of an accident according to the frequency and amplitude of the vibration detected at n.)

본 발명의 일 실시 예에 따르면, 상기 고비중선별부는 상기 고비중 폐기물에서 철 및 비철을 선별하는 자력선별기; 가스캔을 선별하고 파쇄하여 잔여 가스를 제거하는 가스캔파쇄기; 및 선별된 상기 폐기물의 위치별 적재량을 감지해 최적만적을 위한 위치를 조정하는 암롤박스;를 포함할 수 있다. According to one embodiment of the present invention, the high specific gravity separator unit magnetic separator for sorting ferrous and nonferrous metals from the high specific gravity waste; A gas can crusher that selects and crushes gas cans to remove residual gas; and an arm roll box that detects the loading amount of the sorted waste by position and adjusts the optimal position.

본 발명의 일 실시 예에 따르면, 상기 저비중선별부는 상기 저비중 폐기물에서 종이 및 알캔을 종류에 따라 선별하고 상기 종이는 카드보드, 코팅지, 신문지로 구분될 수 있다. According to an embodiment of the present invention, the low specific gravity sorting unit sorts paper and alcans from the low specific gravity waste according to types, and the paper may be classified into cardboard, coated paper, and newspaper.

본 발명의 일 실시 예에 따르면, 선별된 상기 폐기물을 재질 및 색상으로 선별는 광학선별부;를 더 포함하고 상기 로봇검수부는 상기 폐기물의 재질을 분석하는 AI카메라; 상기 폐기물에서 선별 대상 재질 및 성상에 해당하는 폐기물만 남기고 나머지를 모두 선별하는 로봇팔;을 포함할 수 있다. According to one embodiment of the present invention, an AI camera for analyzing the material of the waste; further comprising an optical sorting unit for sorting the selected waste into material and color; and the robot inspection unit; It may include; a robot arm for sorting out all the rest, leaving only the waste corresponding to the material and property to be sorted from the waste.

본 발명의 일 실시 예에 따르면, 상기 저장압축부는 적어도 하나 이상의 선별된 상기 폐기물을 선별된 재질에 따라 저장하는 선별품별저장소; 상기 선별품별저장소에서 선별된 상기 폐기물을 동일 재질로 모아 압축하는 복합압축기; 및 상기 선별품별저장소에서 배출되어 상기 복합압축기로 투입되는 상기 폐기물 중 불순물을 감지하는 AI QC 카메라;를 포함할 수 있다.According to one embodiment of the present invention, the storage compression unit for storing at least one sorted waste according to the sorted material sorted product storage; a composite compressor for collecting and compressing the wastes sorted in the sorted product storage into the same material; It may include; and an AI QC camera for detecting impurities in the waste discharged from the sorting storage and introduced into the composite compressor.

상기한 문제를 해결하기 위한 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 방법은 수거된 폐기물봉투를 파봉하고, 상기 폐기물 봉투에서 배출된 폐기물을 일정량씩 일정 간격으로 공급하는 단계; 공급되는 상기 폐기물에서 대형물을 선별하는 단계; 대형물이 선별된 상기 폐기물을 비중에 따라 선별하는 단계; 비중에 따라 선별된 상기 폐기물을 종류에 따라 선별하는 단계; 선별된 상기 폐기물을 검수하는 단계; 선별 및 검수된 상기 폐기물을 저장 및 압축하는 단계; 및 폐기물 선별을 위한 AI학습을 수행하고, 센서 데이터를 획득하여 감시 및 제어하며, 사고 예방 정보를 관리자에 전송하는 단계;를 포함하고, 상기 폐기물을 종류에 따라 선별하는 단계는 상기 제2 다종선별부에서 수행되고, 상기 제2 다종선별부는 선별된 고비중 폐기물을 종류에 따라 선별하는 고비중선별부;를 포함하고, 상기 고비중선별부는 상기 고비중 폐기물에서 철 및 비철을 선별하는 자력선별기; 상기 자력선별기에서 선별된 폐기물 중 가스캔을 파쇄하여 잔여 가스를 제거하는 가스캔파쇄기; 및 상기 자력선별기 및 상기 가스캔파쇄기를 통과하여 선별된 상기 폐기물의 위치별 적재량을 감지해 최적만적을 위한 위치를 조정하는 암롤박스;를 포함하고, 상기 폐기물 검수 단계는 로봇검수부에서 수행되고, 상기 로봇검수부는 하기 수학식 1을 연산해 PET를 재질별 선별할 수 있다.Recyclable waste sorting method according to an embodiment of the present invention for solving the above problems includes the steps of breaking the collected waste bags and supplying waste discharged from the waste bags at regular intervals by a predetermined amount; Selecting large objects from the supplied waste; Sorting the waste from which large objects are sorted according to specific gravity; sorting the wastes sorted according to specific gravity according to types; Inspecting the selected waste; storing and compressing the sorted and inspected waste; And performing AI learning for waste sorting, acquiring sensor data, monitoring and controlling it, and transmitting accident prevention information to a manager. The second multi-class sorting unit includes a high specific gravity sorting unit for sorting the sorted high specific gravity wastes according to types, and the high specific gravity sorting unit includes a magnetic separator for sorting ferrous and non-ferrous wastes from the high specific gravity waste; a gas can crusher for removing residual gas by crushing gas cans among wastes sorted by the magnetic separator; And an arm roll box for detecting the loading amount of the waste sorted by position through the magnetic separator and the gas can crusher and adjusting the position for optimal loading; the waste inspection step is performed by a robot inspection unit, The robot inspection unit may sort PET by material by calculating Equation 1 below.

[수학식 1][Equation 1]

Figure 112022033812689-pat00013
Figure 112022033812689-pat00013

(여기서,

Figure 112022033812689-pat00014
는 상기 폐기물 x의 물성 값,
Figure 112022033812689-pat00015
는 상기 폐기물 x의 영상에서 CNN으로 추출한 특징에 기반해 추정한 형태,
Figure 112022033812689-pat00016
는 상기 폐기물 x의 색상이고,
Figure 112022033812689-pat00017
는 물성, 형태, 색상에 따라 확률적으로 가장 유사성이 높은 재질을 결정하는 함수이다.)(here,
Figure 112022033812689-pat00014
is the physical property value of the waste x,
Figure 112022033812689-pat00015
Is the form estimated based on the features extracted by CNN from the image of the waste x,
Figure 112022033812689-pat00016
is the color of the waste x,
Figure 112022033812689-pat00017
is a function that determines the material with the highest similarity probabilistically according to physical properties, shape, and color.)

본 발명에 따르면, 인공지능에 기반해 폐기물을 자동으로 선별하여 저장하고 압축하여 배출할 수 있다.According to the present invention, waste can be automatically sorted, stored, compressed and discharged based on artificial intelligence.

또한, 기 설정된 기준에 따라 폐기물을 선별하고 폐기물 선별에서 발생하는 오류를 최소화할 수 있고, 최후의 마지막까지 오류를 찾아내 배출과정에 다른 물품이 섞이는 것을 방지할 수 있다.In addition, wastes can be sorted according to predetermined criteria, errors occurring in waste sorting can be minimized, and errors can be found until the very end to prevent mixing of other items in the discharge process.

또한, 폐기물 자동 선별 과정에서 발생할 수 있는 사고를 예방하여 인명 또는 재산 피해를 예방할 수 있다.In addition, it is possible to prevent human life or property damage by preventing accidents that may occur during the automatic waste sorting process.

한편, 본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.On the other hand, the effects of the present invention are not limited to the effects mentioned above, and various effects may be included within a range apparent to those skilled in the art from the contents to be described below.

도 1은 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템의 개념도이다.
도 2는 본 발명의 일 실시 예에 따른 파봉정량공급부의 개념도이다.
도 3은 본 발명의 일 실시 예에 따른 3D 볼륨 카메라 기술의 개념도이다.
도 4는 본 발명의 일 실시 예에 따른 대형물선별부의 개념도이다.
도 5는 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템에서 사용되는 로봇팔의 일 예시이다.
도 6은 본 발명의 일 실시 예에 따른 제1 다종선별부의 개념도이다.
도 7은 본 발명의 일 실시 예에 따른 음향방출 감지 센서의 원리를 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시 예에 따른 고비중선별부의 개념도이다.
도 9는 본 발명의 일 실시 예에 따른 진동선별공급부, 광학선별부 및 로봇검수부의 개념도이다.
도 10은 본 발명의 일 실시 예에 따른 저비중선별부의 개념도이다.
도 11은 본 발명의 일 실시 예에 따른 저장압축부의 개념도이다.
도 12는 본 발명의 일 실시 예에 따른 엣지서버의 개념도이다.
도 13은 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템의 블록도이다.
도 14는 본 발명의 일 실시 예에 따른 파봉정량공급부의 블록도이다.
도 15는 본 발명의 일 실시 예에 따른 대형물선별부의 블록도이다.
도 16은 본 발명의 일 실시 예에 따른 제1 다종선별부의 블록도이다.
도 17은 본 발명의 일 실시 예에 따른 제2 다종선별부의 블록도이다.
도 18은 본 발명의 일 실시 예에 따른 고비중선별부의 블록도이다.
도 19는 본 발명의 일 실시 예에 따른 저장압축부의 블록도이다.
도 20은 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 방법의 흐름도이다.1 is a conceptual diagram of a recyclable waste sorting system according to an embodiment of the present invention.
2 is a conceptual diagram of a fixed-rate supply unit according to an embodiment of the present invention.
3 is a conceptual diagram of a 3D volume camera technology according to an embodiment of the present invention.
4 is a conceptual diagram of a large item sorting unit according to an embodiment of the present invention.
5 is an example of a robot arm used in a recyclable waste sorting system according to an embodiment of the present invention.
6 is a conceptual diagram of a first multi-type sorting unit according to an embodiment of the present invention.
7 is a diagram for explaining the principle of a sound emission detection sensor according to an embodiment of the present invention.
8 is a conceptual diagram of a high specific gravity sorting unit according to an embodiment of the present invention.
9 is a conceptual diagram of a vibrating sorting supply unit, an optical sorting unit, and a robot inspection unit according to an embodiment of the present invention.
10 is a conceptual diagram of a low specific gravity separator according to an embodiment of the present invention.
11 is a conceptual diagram of a storage compression unit according to an embodiment of the present invention.
12 is a conceptual diagram of an edge server according to an embodiment of the present invention.
13 is a block diagram of a recyclable waste sorting system according to an embodiment of the present invention.
14 is a block diagram of a fixed-rate supply unit according to an embodiment of the present invention.
15 is a block diagram of a large item sorting unit according to an embodiment of the present invention.
16 is a block diagram of a first multi-type sorter according to an embodiment of the present invention.
17 is a block diagram of a second multi-type sorter according to an embodiment of the present invention.
18 is a block diagram of a high specific gravity sorting unit according to an embodiment of the present invention.
19 is a block diagram of a storage compression unit according to an embodiment of the present invention.
20 is a flowchart of a method for sorting recyclable waste according to an embodiment of the present invention.

이하, 첨부된 도면들을 참조하여 본 발명에 따른 '재활용 가능 폐기물 선별 방법 및 시스템'을 상세하게 설명한다. 설명하는 실시 예들은 본 발명의 기술사상을 당업자가 용이하게 이해할 수 있도록 제공되는 것으로 이에 의해 본 발명이 한정되지 않는다. 또한, 첨부된 도면에 표현된 사항들은 본 발명의 실시 예들을 쉽게 설명하기 위해 도식화된 도면으로 실제로 구현되는 형태와 상이할 수 있다.Hereinafter, a 'recyclable waste selection method and system' according to the present invention will be described in detail with reference to the accompanying drawings. The described embodiments are provided so that those skilled in the art can easily understand the technical idea of the present invention, and the present invention is not limited thereby. In addition, matters represented in the accompanying drawings may be different from those actually implemented in the drawings schematically illustrated to easily explain the embodiments of the present invention.

한편, 이하에서 표현되는 각구성부는 본 발명을 구현하기 위한 예일 뿐이다. 따라서, 본 발명의 다른 구현에서는 본 발명의 사상 및 범위를 벗어나지 않는 범위에서 다른 구성부가 사용될 수 있다.On the other hand, each component expressed below is only an example for implementing the present invention. Accordingly, other components may be used in other implementations of the present invention without departing from the spirit and scope of the present invention.

또한, 각구성부는 순전히 하드웨어 또는 소프트웨어의 구성만으로 구현될 수도 있지만, 동일 기능을 수행하는 다양한 하드웨어 및 소프트웨어 구성들의 조합으로 구현될 수도 있다. 또한, 하나의 하드웨어 또는 소프트웨어에 의해 둘 이상의 구성부들이 함께 구현될 수도 있다.In addition, each component may be implemented purely with hardware or software configurations, but may also be implemented with a combination of various hardware and software configurations that perform the same function. In addition, two or more components may be implemented together by a single piece of hardware or software.

또한, 어떤 구성요소들을 '포함'한다는 표현은, '개방형'의 표현으로서 해당구성요소들이 존재하는 것을 단순히 지칭할 뿐이며, 추가적인 구성요소들을 배제하는 것으로 이해되어서는 안된다.In addition, the expression 'including' certain components simply refers to the existence of the corresponding components as an expression of 'open type', and should not be understood as excluding additional components.

도 1은 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템의 개념도이고, 도 2는 본 발명의 일 실시 예에 따른 파봉정량공급부의 개념도이고, 도 3은 본 발명의 일 실시 예에 따른 3D 볼륨 카메라 기술의 개념도이고, 도 4는 본 발명의 일 실시 예에 따른 대형물선별부의 개념도이고, 도 5는 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템에서 사용되는 로봇팔의 일 예시이고, 도 6은 본 발명의 일 실시 예에 따른 제1 다종선별부의 개념도이고, 도 7은 본 발명의 일 실시 예에 따른 음향방출 감지 센서의 원리를 설명하기 위한 도면이고, 도 8은 본 발명의 일 실시 예에 따른 고비중선별부의 개념도이고, 도 9는 본 발명의 일 실시 예에 따른 진동선별공급부, 광학선별부 및 로봇검수부의 개념도이고, 도 10은 본 발명의 일 실시 예에 따른 저비중선별부의 개념도이고, 도 11은 본 발명의 일 실시 예에 따른 저장압축부의 개념도이고, 도 12는 본 발명의 일 실시 예에 따른 엣지서버의 개념도이고, 도 13은 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템의 블록도이고, 도 14는 본 발명의 일 실시 예에 따른 파봉정량공급부의 블록도이고, 도 15는 본 발명의 일 실시 예에 따른 대형물선별부의 블록도이고, 도 16은 본 발명의 일 실시 예에 따른 제1 다종선별부의 블록도이고, 도 17은 본 발명의 일 실시 예에 따른 제2 다종선별부의 블록도이고,도 18은 본 발명의 일 실시 예에 따른 고비중선별부의 블록도이고, 도 19는 본 발명의 일 실시 예에 따른 저장압축부의 블록도이고, 도 20은 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 방법의 흐름도이다.FIG. 1 is a conceptual diagram of a recyclable waste sorting system according to an embodiment of the present invention, FIG. 2 is a conceptual diagram of a package-quantitative supply unit according to an embodiment of the present invention, and FIG. 3 is a 3D diagram according to an embodiment of the present invention. 4 is a conceptual diagram of a volume camera technology, and FIG. 4 is a conceptual diagram of a large product sorting unit according to an embodiment of the present invention, and FIG. 5 is an example of a robot arm used in a recyclable waste sorting system according to an embodiment of the present invention. 6 is a conceptual diagram of a first multi-type sorter according to an embodiment of the present invention, FIG. 7 is a view for explaining the principle of a sound emission detection sensor according to an embodiment of the present invention, and FIG. A conceptual diagram of a high specific gravity sorting unit according to an embodiment, and FIG. 9 is a conceptual diagram of a vibration sorting supply unit, an optical sorting unit, and a robot inspection unit according to an embodiment of the present invention, and FIG. 10 is a low specific gravity sorting unit according to an embodiment of the present invention. 11 is a conceptual diagram of a storage compression unit according to an embodiment of the present invention, FIG. 12 is a conceptual diagram of an edge server according to an embodiment of the present invention, and FIG. 13 is a conceptual diagram of an edge server according to an embodiment of the present invention. 14 is a block diagram of a recyclable waste sorting system, FIG. 14 is a block diagram of a package quantitative supply unit according to an embodiment of the present invention, and FIG. 15 is a block diagram of a large item sorting unit according to an embodiment of the present invention, FIG. is a block diagram of a first multi-type sorter according to an embodiment of the present invention, FIG. 17 is a block diagram of a second multi-type sorter according to an embodiment of the present invention, and FIG. 18 is a gobi according to an embodiment of the present invention. A block diagram of a middle sorting unit, FIG. 19 is a block diagram of a storage compression unit according to an embodiment of the present invention, and FIG. 20 is a flowchart of a recyclable waste sorting method according to an embodiment of the present invention.

도 1 내지 도 20을 참조하면, 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템(100)는 파봉정량공급부(110), 대형물선별부(120), 제1 다종선별부(130), 제2 다종선별부(140), 로봇검수부(150), 저장압축부(160) 및 엣지서버(170)를 포함할 수 있다. 1 to 20, the recyclable waste sorting system 100 according to an embodiment of the present invention includes a bag quantitative supply unit 110, a large item sorting unit 120, a first multi-type sorting unit 130, It may include a second multi-type sorting unit 140, a robot inspection unit 150, a storage compression unit 160, and an edge server 170.

본 발명의 일 실시 예에 따르면, 상기 파봉정량공급부(110)는 파봉부(111), 투입호퍼(112), 레벨감지센서(113) 및 악취감지센서(114)를 포함할 수 있다. According to an embodiment of the present invention, the sealing unit 110 may include a sealing unit 111, an input hopper 112, a level detection sensor 113, and an odor detection sensor 114.

상기 파봉정량공급부(110)는 수거된 폐기물봉투를 파봉하고, 상기 폐기물 봉투에서 배출된 폐기물을 일정량씩 일정 간격으로 공급할 수 있다. 상기 파봉정량공급부(110)는 봉투에 담긴 형태로 수거된 폐기물을 파봉하여 배출된 폐기물을 일정량으로 투입될 수 있다. 상기 파봉정량공급부(110)는 상기 파봉부(111) 전단으로 수거된 폐기물봉투를 상기 투입호퍼(112)가 투입하고 상기 파봉부(111) 방향으로 밀어낼 수 있다. 상기 파봉부(111)는 회전 나이프를 포함할 수 있다. 상기 파봉부(111)는 상기 투입호퍼(112)가 투입하는 폐기물봉투를 회전하면서 찢거나 잘라내 폐기물이 배출되어 상기 재활용 가능 폐기물 선별 시스템(100)에 공급되게 할 수 있다. The rupture quantitative supply unit 110 may rupture the collected waste bags and supply the waste discharged from the waste bags in a predetermined amount at regular intervals. The rupture quantitative supply unit 110 may insert the waste discharged by sealing the waste collected in the form of a bag into a predetermined amount. In the bagging quantity supply unit 110, the waste bag collected at the front end of the bagging unit 111 may be put into the input hopper 112 and pushed toward the sealing unit 111. The sealing portion 111 may include a rotating knife. The rupture part 111 may tear or cut the waste bag inserted into the input hopper 112 while rotating so that the waste is discharged and supplied to the recyclable waste sorting system 100 .

상기 레벨감지센서(113)는 파봉기 벙커 및 배출부 컨베이어에서 배출되는 상기 폐기물의 부피 측정할 수 있다. 상기 레벨감지센서(113)가 미작동 하는 경우 상기 파봉정량공급부(110)는 초음파센서 및 AI카메라 이용 측정할 수 있다. 상기 파봉정량공급부(110)는 일정 시간 간격으로 카메라 촬영하고, 후단의 선별 효율과 순도를 딥러닝으로 운영함으로 최적의 운영 효과를 실현할 수 있다.The level sensor 113 may measure the volume of the waste discharged from the excavator bunker and the discharge unit conveyor. When the level detection sensor 113 is inoperative, the wave bar quantity supply unit 110 may measure using an ultrasonic sensor and an AI camera. The shredded quantity supply unit 110 can realize the optimal operating effect by taking pictures of the camera at regular time intervals and operating the sorting efficiency and purity of the latter stage by deep learning.

본 발명의 일 실시 예에 따르면, 상기 레벨감지센서(113)는 3D 볼륨을 측정할 수 있다. 상기 레벨감지센서(113)는 광원장치에서 조사된 광원은 물체에 부딪혀 반사되면, 반사된 광원은 상기 레벨감지센서(113)에서 수신하여 영상으로 변환하여 마이크로 프로세서로 전송할 수 있다. 상기 레벨감지센서(113)에서 광원장치와 센서간의 동기는 카메라 제어장치에서 제어할 수 있다. 상기 레벨감지센서(113)는 마이크로프로세서에서 획득된 영상은 제어장치로 전송할 수 있다. 상기 엣지서버(170)의 제어장치는 파봉기의 컨베이어 회전속도 및 고정나이프 위치를 감지 및 배출부(1 or 2개소)의 체적 영상을 감지할 수 있다. 회전속도의 감지는 엔코더 혹은 인버터의 신호를 이용할 수 있다. 상기 엣지서버(170)의 제어장치는 카메라에서 온 체적신호를 분석하여 파봉기에서 온 속도신호를 비교분석 수행할 수 있다. 상기 엣지서버(170)의 제어장치에서 딥러닝기술을 적용하여 파봉기의 최적 운전을 위한 각각의 모터의 속도를 제어와 투입량 메시지 인디케이션을 표시할 수 있다. According to an embodiment of the present invention, the level sensor 113 may measure a 3D volume. When the light source irradiated from the light source device collides with an object and is reflected, the level sensor 113 receives the reflected light source from the level sensor 113, converts it into an image, and transmits the image to the microprocessor. Synchronization between the light source device and the sensor in the level sensor 113 can be controlled by the camera controller. The level detection sensor 113 may transmit the image acquired by the microprocessor to the control device. The control device of the edge server 170 can detect the rotational speed of the conveyor and the position of the fixed knife of the shredder and detect the volume image of the discharge unit (1 or 2 locations). The rotational speed can be sensed using an encoder or an inverter signal. The control device of the edge server 170 may analyze the volume signal from the camera and compare and analyze the speed signal from the breaker. In the control device of the edge server 170, deep learning technology can be applied to control the speed of each motor for optimal operation of the shredder and to display the input amount message indication.

상기 엣지서버(170)는 상기 재활용 가능 폐기물 선별 시스템(100)의 후단 선별부의 선별률 및 투입량에 따라 파봉기의 운전속도를 조절하여 투입량을 조절하고 및 파봉율은 고정 칼날(크레스트)의 파봉 위치를 제어하여 고정 및 회전칼날 간격 조절할 수 있다.The edge server 170 adjusts the input amount by adjusting the operating speed of the shredder according to the sorting rate and input amount of the rear sorting unit of the recyclable waste sorting system 100, and the shredding rate is the closing position of the fixed blade (crest). You can adjust the distance between fixed and rotating blades by controlling.

상기 파봉정량공급부(110)는 악취감지센서(114)를 포함할 수 있다. 상기 악취감지센서(114)는 상기 파봉정량공급부(110) 내부에서 발생하는 가스 성분을 감지할 수 있다. 상기 악취감지센서(114)는 상기 파봉정량공급부(110) 내부에서 발생하는 화학적 위험물의 발생을 감지할 수 있다. 상기 악취감지센서(114)는 상기 파봉정량공급부(110) 내부에 발생한 가스 성분 또는 화학적 위험물을 감지하면 상기 파봉정량공급부(110) 내부에 사람이 투입되는 것을 막거나, 상기 투입호퍼(112) 운전자 등의 노동자가 상기 파봉정량공급부(110)를 벗어나도록 안내할 수 있다. 상기 악취감지센서(114)는 농약, 솔벤트, TVOC, NH3 등 중독성 및 발화성 물질 감지하고 감지시 작업을 중지할 수 있다. 상기 악취감지센서(114)는 상기 파봉정량공급부(110) 내부에 발생한 가스 성분 또는 화학적 위험물을 감지한 데이터를 상기 엣지서버(170)로 전송할 수 있고, 상기 엣지서버(170)는 위험성을 판단하여 대피 경보를 내릴 수 있다. The bagging quantity supply unit 110 may include an odor detection sensor 114 . The odor detection sensor 114 may detect a gas component generated inside the packaged amount supply unit 110 . The odor detection sensor 114 may detect the generation of chemical hazards generated inside the packaging quantity supply unit 110 . When the odor detection sensor 114 detects a gas component or a chemical hazard generated inside the shredding quantity supply unit 110, it prevents a person from being put into the shredding quantity supply unit 110 or an operator of the input hopper 112. A worker such as a worker may be guided to get out of the bar bar metering supply unit 110. The odor sensor 114 detects toxic and ignitable substances such as pesticides, solvents, TVOC, and NH3, and stops operation when detected. The odor detection sensor 114 may transmit data detected by detecting gas components or chemical hazards generated inside the packaging quantity supply unit 110 to the edge server 170, and the edge server 170 determines the danger Evacuation warnings can be issued.

상기 대형물선별부(120)는 공급되는 상기 폐기물에서 대형물을 선별할 수 있다. 상기 대형물선별부(120)는 상기 폐기물에서 대형 플라스틱, 대형 비닐, 대형 종이 및 기타 대형물을 선별할 수 있다. 상기 대형물선별부(120)는 상기 엣지서버(170)에 데이터를 전송해 연산하고 결과 값을 받아 상기 폐기물의 대형물을 재질 및 상성에 따라 구분할 수 있다. The large-size item sorting unit 120 may sort large-size items from the supplied waste. The large-size item sorting unit 120 may sort large-size plastic, large-size vinyl, large-size paper, and other large-size items from the waste. The large-size item sorting unit 120 transmits data to the edge server 170 for calculation, receives the resultant value, and classifies the large-size items of the waste according to material and compatibility.

상기 재활용 가능 폐기물 선별 시스템(100)는 상기 폐기물을 선별하는 과정에서 로봇팔을 이용해 상기 폐기물을 선별할 수 있다. 상기 로봇팔은 다관절 협동로봇을 포함할 수 있다. 상기 로봇팔은 상기 폐기물을 이동시킬 수 있다. 상기 로봇팔은 상기 폐기물을 이동시켜 선별할 수 있다. 상기 로봇팔은 핸드 그리퍼(11) 및 썩션 그리퍼(12)를 포함할 수 있다. 상기 핸드 그리퍼(11)는 고비중 물질, 돌, 나무를 집어서 이동시킬 수 있다. 상기 핸드 그리퍼(11)는 긴끈이나 전선이 있는 전자제품을 한손으로 잡아 길게 당긴 후 두손으로 협력하여 말아서 선별할 수 있다. 전선이 있는 전자제품, 긴끈, 긴비닐의 선별에 적합하고 두 로봇의 공조가 필요, 필요에 따라서 가위로 잘라 낼 수 있다. 상기 썩션 그리퍼(12)는 큰 종이, 큰 비닐 등 선별할 수 있다. The recyclable waste sorting system 100 may sort the waste using a robot arm in the process of sorting the waste. The robot arm may include an articulated collaborative robot. The robot arm may move the waste. The robot arm may sort the waste by moving it. The robot arm may include a hand gripper 11 and a suction gripper 12 . The hand gripper 11 can pick up and move materials with high specific gravity, stones, and trees. The hand gripper 11 can select an electronic product having a long string or wire by grabbing it with one hand and pulling it long, and then rolling it with both hands. It is suitable for sorting electronic products with wires, long strings, and long vinyl, and the cooperation of two robots is necessary. It can be cut with scissors if necessary. The suction gripper 12 can select large paper or large vinyl.

상기 로봇팔은 상기 로봇검수부(150)의 상부 또는 천장에 설치함으로 중량물 선별 시 관절에 오는 부하를 최소로하고, 바닥에서 끌어 올릴 수 있는 높이를 최대화할 수 있다. 본 발명의 일 실시 예에 따르면, 최대 높이 1.5m까지 가능할 수 있고, 필요에 따라 돌려서 말 수 있다. 본 발명의 일 실시 예에 따르면, 상기 로봇팔을 폭과 길이로 배치함으로 기존 Delta 로봇의 최대 컨베이어의 선별 폭인 1600mm를 2,000mm까지 넓혀 선별이 가능할 수 있다.The robot arm is installed on the top or ceiling of the robot inspection unit 150, thereby minimizing the load on the joints when sorting heavy objects, and maximizing the height that can be pulled up from the floor. According to one embodiment of the present invention, it can be up to 1.5 m in height, and can be rolled as needed. According to one embodiment of the present invention, by arranging the robot arm in width and length, it is possible to expand the sorting width of 1600mm, which is the maximum conveyor width of the existing Delta robot, to 2,000mm.

본 발명의 일 실시 예에 따르면, 장치 앞단의 선별용 로봇팔들이 선별한 것과 후단의 선별로봇들이 선별하는 것을 구분함으로, 다양한 재질을 선별해야 하는 1차 대형선별대, 고비중선별대 및 혼합배출물 선별대 등에 투입 적용할 수 있다.According to an embodiment of the present invention, by distinguishing between sorting robot arms at the front of the device and sorting by sorting robots at the rear, the first large sorting table, the high specific gravity sorting table, and mixed discharges that need to sort various materials It can be applied to sorting tables, etc.

상기 대형물선별부(120)는 악취감지센서(121)를 포함할 수 있다. 상기 악취감지센서(121)는 상기 대형물선별부(120) 내부에서 발생하는 가스 성분을 감지할 수 있다. 상기 악취감지센서(121)는 상기 대형물선별부(120) 내부에서 발생하는 화학적 위험물의 발생을 감지할 수 있다. 상기 악취감지센서(121)는 상기 대형물선별부(120) 내부에 발생한 가스 성분 또는 화학적 위험물을 감지하면 상기 대형물선별부(120) 내부에 사람이 투입되는 것을 막거나, 노동자가 상기 대형물선별부(120)을 벗어나도록 안내할 수 있다. 상기 악취감지센서(121)는 농약, 솔벤트, TVOC, NH3 등 중독성 및 발화성 물질 감지하고 감지시 작업을 중지할 수 있다. 상기 악취감지센서(121)는 상기 대형물선별부(120) 내부에 발생한 가스 성분 또는 화학적 위험물을 감지한 데이터를 상기 엣지서버(170)로 전송할 수 있고, 상기 엣지서버(170)는 위험성을 판단하여 대피 경보를 내릴 수 있다.The large object sorting unit 120 may include an odor detection sensor 121 . The odor detection sensor 121 may detect a gas component generated inside the large object sorting unit 120 . The odor detection sensor 121 may detect the occurrence of chemical hazardous substances generated inside the large object sorting unit 120 . When the odor detection sensor 121 detects a gas component or a chemical hazard generated inside the large-size item sorting unit 120, it prevents a person from being put into the large-size item sorting unit 120, or a worker It can be guided to get out of the sorting unit 120. The odor detection sensor 121 detects toxic and ignitable substances such as pesticides, solvents, TVOC, and NH3, and stops operation upon detection. The odor detection sensor 121 may transmit data detected by gas components or chemical hazardous substances generated inside the large object sorting unit 120 to the edge server 170, and the edge server 170 determines the danger. to issue an evacuation warning.

상기 제1 다종선별부(130)는 대형물이 선별된 상기 폐기물을 비중 및 성상에 따라 선별할 수 있다. 상기 제1 다종선별부(130)는 비중발리스틱선별기를 포함할 수 있다. 상기 제1 다종선별부(130)는 분진선별부(131), 차압센서(132), 덕트센서(133) 및 블로어(134)를 포함할 수 있다.The first multi-type sorting unit 130 may sort the large-sized wastes according to specific gravity and properties. The first multi-type sorter 130 may include a non-ballistic sorter. The first multi-type sorting unit 130 may include a dust sorting unit 131, a differential pressure sensor 132, a duct sensor 133, and a blower 134.

상기 제1 다종선별부(130)는 비중선별기, 발리스틱 및 센서를 이용한 하이브리드 조합으로 비중에 따른 병렬선별을 하는 시스템일 수 있다. 상기 제1 다종선별부(130)는 투입량 자동조절, 덕트막힘감지, 압력차압, 자동감지 및 분진을 수거할 수 있다. 상기 제1 다종선별부(130)는 상기 폐기물을 고비중, 중비중, 경비중, 협잡물, 분진으로 선별할 수 있다. 상기 제1 다종선별부(130)이 선별하는 고비중 폐기물은 유리(Glass), 세라믹(Ceramic) 및 금속(Metal)을 포함할 수 있고, 중비중 폐기물은 플라스틱 병(Plastics Bottles)을 포함할 수 있고, 경비중 폐기물은 필름(Film) 및 종이(Paper)를 포함할 수 있고, 협잡물은 음식물(Food), 깨진 유리조각(Broken Glass) 및 모래(Sands)를 포함할 수 있다. 상기 제1 다종선별부(130)는 분진은 싸이클론(Cyclone) 또는 백필터(Bag Filter)로 선별할 수 있다.The first multi-type sorting unit 130 may be a system that performs parallel sorting according to specific gravity using a hybrid combination using a specific gravity sorter, a ballistic, and a sensor. The first multi-type sorting unit 130 may automatically adjust input amount, detect duct clogging, detect pressure differential, automatically detect dust, and collect dust. The first multi-type sorting unit 130 may sort the waste into high specific gravity, medium specific gravity, light heavy, impurities, and dust. The high specific gravity waste sorted by the first multi-species sorting unit 130 may include glass, ceramic, and metal, and the heavy specific gravity waste may include plastic bottles. In addition, waste on guard may include film and paper, and impurities may include food, broken glass, and sand. The first multi-type sorting unit 130 may sort dust with a cyclone or a bag filter.

상기 제1 다종선별부(130)는 투입 및 배출 컨베이어 벨트를 포함할 수 있다. 상기 투입 및 배출 컨베이어 벨트는 복수로 포함될 수 있다. 본 발명의 일 실시 예에 따르면, 상기 투입 및 배출 컨베이어 벨트는 4개가 포함될 수 있다. 상기 제1 다종선별부(130)는 상기 카메라로 정적사진을 그래픽으로 캡쳐 후 상기 엣지서버(170)에 송부하여 투입되는 폐기물의 종류 와 부피를 면적만으로 분석해 투입량을 파악할 수 있다. 상기 제1 다종선별부(130)는 투입구와 배출구에 적용된 연질 커튼의 움직임을 상기 카메라로 감지하여 내부차압 운전을 확인할 수 있다.The first multi-type sorting unit 130 may include input and output conveyor belts. A plurality of input and output conveyor belts may be included. According to one embodiment of the present invention, the input and output conveyor belts may include four. The first multi-type sorting unit 130 may capture a static picture as a graphic with the camera, send it to the edge server 170, and analyze the type and volume of the input waste only by area to determine the input amount. The first multi-type sorting unit 130 can detect the movement of the soft curtain applied to the inlet and the outlet with the camera, thereby confirming the operation of the internal differential pressure.

상기 분진선별부(131)는 상기 제1 다종선별부(130) 내의 공기의 흐름에 따라 이동하는 분진을 선별할 수 있다. 상기 분진선별부(131)는 싸이클론(Cyclone) 또는 백필터(Bag Filter)을 포함할 수 있다.The dust sorting unit 131 may sort the dust moving according to the air flow in the first multi-type sorting unit 130 . The dust sorting unit 131 may include a cyclone or a bag filter.

상기 차압센서(132)는 상기 제1 다종선별부(130) 내의 차압 여부를 감지할 수 있다. 상기 차압센서(132)는 상기 제1 다종선별부(130) 내외부의 차압을 실시간 확인 후 상기 카메라가 읽어 들이는 투입물량과의 상관관계를 상기 엣지서버(170)가 계산하여, 투입 컨베이어의 속도, 분리롤러와의 거리 및 투입각도를 자동으로 조절하며 운전할 수 있다. PID 제어가 아닌 AI 딥러닝 제어로 요인(Factor) 분석에 의한 예측 설정이 가능할 수 있다. The differential pressure sensor 132 may detect whether or not there is a differential pressure in the first multi-type sorting unit 130 . The differential pressure sensor 132 checks the differential pressure inside and outside the first multi-type sorting unit 130 in real time, and then the edge server 170 calculates the correlation with the input amount read by the camera, and the speed of the input conveyor , It can operate while automatically adjusting the distance from the separation roller and the input angle. It may be possible to set predictions by factor analysis with AI deep learning control rather than PID control.

상기 분진선별부(131)에도 상기 차압센서(132)가 포함될 수 있다. 상기 차압센서(132)가 상기 분진선별부(131)의 차압을 일정하게 유지하여, 기존 일정시간 간격으로 압축공기를 펄싱하여 제진하는 방식에서 차압에 맞추어 운전하는 방식으로 운전할 수 있고, 이를 통해 운전 비용 절감 및 운영을 최적화할 수 있다. The differential pressure sensor 132 may also be included in the dust sorting unit 131 . The differential pressure sensor 132 keeps the differential pressure of the dust sorting unit 131 constant, so that it can be operated in accordance with the differential pressure in the conventional method of pulsing compressed air at regular time intervals to remove dust. Reduce costs and optimize operations.

상기 차압센서(132)는 상기 제1 다종선별부(130) 상부 외부 및 내부에 설치될 수 있다. 상기 차압센서(132)는 상기 제1 다종선별부(130) 내부와 외부의 공기압 차이로 외부 대기압 대비 80~90%에 설정 값을 가질 수 있다. 상기 차압센서(132)는 상기 제1 다종선별부(130) 내부에 양압이 발생할 경우 상기 엣지서버(170) 또는 별도의 제어장치를 통한 상기 블로어(134)의 풍량 조절을 위한 모터 속도 제어를 실시할 수 있다. 기 블로어(134)의 모터의 속도 제어는 상기 차압센서(132)가 내부에 공기압을 측정하여 설정된 양압을 감지하는 시점일 수 있다. 통한 상기 블로어(134)의 모터의 회전속도는 상기 제1 다종선별부(130) 내부에 양압이 발생할 경우 더 빨리 속도를 높이고, 과도한 음압이 발생할 경우 속도를 낮출 수 있다.The differential pressure sensor 132 may be installed outside and inside the first multi-type sorting unit 130 . The differential pressure sensor 132 may have a set value of 80 to 90% of the external atmospheric pressure due to a difference in air pressure between the inside and outside of the first multi-type sorting unit 130 . The differential pressure sensor 132 controls the motor speed for adjusting the air volume of the blower 134 through the edge server 170 or a separate control device when positive pressure is generated inside the first multi-type separator 130 can do. Speed control of the motor of the blower 134 may be a time point when the differential pressure sensor 132 detects a set positive pressure by measuring air pressure therein. The rotational speed of the motor of the blower 134 may increase faster when positive pressure is generated inside the first multi-type sorting unit 130 and decrease when excessive negative pressure occurs.

상기 덕트센서(133)는 분진에 의한 덕트의 막힘 여부를 감지할 수 있다. 상기 덕트센서(133)는 마이크로폰 센서를 포함할 수 있고, 상기 덕트의 외부에 설치될 수 있다. 선별공기 순환용 덕트의 외부에 상기 덕트센서(133)를 복수로 설치하여 상기 덕트 내부에서 발생하는 반향음을 감지하여 상기 엣지서버(170)에 지속적으로 송부하여 이를 CNN(Convolutional Neural Network) 방식의 딥러닝(deep learning) 기반 AI 알고리즘으로 분석함으로 상기 덕트 내부의 막힘 정도 감지하여, 정비 및 교환 주기 감지할 수 있고, 상기 블로어(134)의 속도를 조절하여 공기순환량을 일정하게 유지할 수 있도록 할 수 있다. The duct sensor 133 may detect whether or not the duct is blocked by dust. The duct sensor 133 may include a microphone sensor and may be installed outside the duct. A plurality of duct sensors 133 are installed outside the duct for sorted air circulation to detect the echo generated inside the duct and continuously send it to the edge server 170 so as to achieve CNN (Convolutional Neural Network) method. By analyzing with a deep learning-based AI algorithm, the degree of clogging inside the duct can be detected, the maintenance and replacement cycle can be detected, and the speed of the blower 134 can be adjusted to maintain a constant air circulation amount. there is.

상기 덕트센서(133)는 음향방출 신호를 감지해 상기 덕트의 막힘 여부를 감지할 수 있다. 상기 음향방출(Acoustic Emission: AE) 신호는 고체 내부에서 국부적으로 형성된 변형 에너지가 급격히 방출되면서 발생하는 탄성파이다. 상기 음향방출 신호는 주로 초음파 영역(수10kHz~수MHz)의 신호를 대상으로 할 수 있다. 상기 음향방출 신호에 의한 측정은 가소성에 의한 변형이나 미세한 파괴의 진행과정을 실시간으로 관측할 수 있으며, 복수 개의 상기 덕트센서(133)를 사용하여 결함 위치 파악 및 가동 중인 설비의 진단 등을 할 수 있는 등의 장점이 있다.The duct sensor 133 may detect whether or not the duct is blocked by detecting a sound emission signal. The Acoustic Emission (AE) signal is an elastic wave generated when strain energy locally formed inside a solid is rapidly released. The sound emission signal may mainly target signals in the ultrasonic region (several tens of kHz to several MHz). The measurement by the acoustic emission signal can observe the process of deformation due to plasticity or fine destruction in real time, and using a plurality of the duct sensors 133, it is possible to locate defects and diagnose equipment in operation, etc. There are advantages such as

상기 덕트센서(133)는 송풍관에 밀착된 감지기 내부에 음향수신기를 포함할 수 있다. 상기 음향수신기의 부착 수량은 송풍관의 크기에 따라 달라질 수 있다. 복수의 상기 음향수신기는 MUX(다중화장치)에 연결되어 하나의 송신기를 가질 수 있다. 각각의 음향수신기는 중앙제어장치에서 개별적으로 ID를 부여할 수 있다. 상기 덕트센서(133)는 데이터베이스를 수시로 상기 엣지서버(170)로 업로드할 수 있다. 상기 덕트센서(133)에서 신호의 교정은 최초 장비를 운전시 입력되는 음향신호를 기준 값으로 하고, 보유하고 있는 데이터베이스 값과 비교하여 송풍관 내부의 상태를 확인하는 방법을 취할 수 있다. 상기 덕트센서(133)는 입력 받은 음향신호에서 송풍관의 막힘 상태 값을 실시간으로 분석하여, 결과 값을 송출할 수 있다. 상기 덕트센서(133)는 송풍관 상태의 결과 값은 외부에서 볼 수 있게 WiFi, LTE등 무선 혹은 유선에 의한 원격 모니터링을 할 수 있다.The duct sensor 133 may include an acoustic receiver inside the sensor closely attached to the blast pipe. The number of attachments of the acoustic receiver may vary according to the size of the blast pipe. A plurality of the sound receivers may have one transmitter by being connected to a multiplexing device (MUX). Each sound receiver can be assigned an ID individually in the central control device. The duct sensor 133 can upload the database to the edge server 170 at any time. Calibration of the signal from the duct sensor 133 can take a method of confirming the state of the inside of the blower pipe by comparing the acoustic signal input when the equipment is operated as a reference value and comparing it with the held database value. The duct sensor 133 may analyze the blockage state value of the blower pipe in real time from the received sound signal and transmit the resultant value. The duct sensor 133 can perform remote monitoring by wireless or wired wire such as WiFi or LTE so that the resultant value of the air pipe state can be viewed from the outside.

상기 차압센서(132)는 설비 내부의 압력을 실시간으로 모니터링 하여 상기 덕트센서(133) 또는 상기 엣지서버(170)에 값을 줄 수 있다. 상기 엣지서버(170)는 상기 차압센서(132)에서 오는 신호 값을 모니터링하여 설정된 압력 값을 초과 혹은 이하가 되었을 경우 상기 블로어(134)의 속도를 제어할 수 있게 한다.The differential pressure sensor 132 may monitor the pressure inside the facility in real time and provide a value to the duct sensor 133 or the edge server 170 . The edge server 170 monitors the signal value coming from the differential pressure sensor 132 and controls the speed of the blower 134 when the pressure exceeds or falls below a set pressure value.

상기 제1 다종선별부(130)는 모터 전류 및 온도감지센서, 장비 진동감지센서, 노이즈 감지센서, 정비도어 열림 감지 센서 등을 더 포함할 수 있다. The first multi-type selection unit 130 may further include a motor current and temperature detection sensor, an equipment vibration detection sensor, a noise detection sensor, a maintenance door open detection sensor, and the like.

상기 제1 다종선별부(130)는 상기 블로어(134) 이후 분지관에 자동컨트롤 댐퍼를 설치하여 선별기의 내외부 차압조절을 위한 회수선별공기량과 배출선별공기량을 딥러닝(Deep Learning) 시스템의 상기 엣지서버(170)가 컨트롤 하여 순환공기로 인한 내부 양압을 방지할 수 있다.The first multi-type sorting unit 130 installs an automatic control damper in the branch pipe after the blower 134 to adjust the amount of air collected and sorted for discharge for adjusting the differential pressure between the inside and outside of the sorter at the edge of the Deep Learning system. The server 170 may control and prevent internal positive pressure due to circulating air.

상기 블로어(134)는 상기 제1 다종선별부(130) 내에 선별을 위한 공기 흐름을 발생시킬 수 있다. 상기 블로어(134)는 상기 차압센서(132), 상기 덕트센서(133) 외의 다른 모든 센서의 정보를 분석하여 상기 엣지서버(170)에서 딥러닝(Deep Learning)으로 분석한 자료를 기반으로 속도가 조절할 수 있다.The blower 134 may generate an air flow for sorting within the first multi-type sorting unit 130 . The blower 134 analyzes information of all sensors other than the differential pressure sensor 132 and the duct sensor 133, and the speed is increased based on the data analyzed by deep learning in the edge server 170. can be adjusted

상기 제2 다종선별부(140)는 선별된 고비중 폐기물을 종류에 따라 선별하는 고비중선별부(141), 선별된 중비중 폐기물을 철 및 비철류로 선별하는 철-비철선별부(142) 및 선별된 저비중 폐기물을 종류에 따라 선별하는 저비중선별부(143)을 포함할 수 있다.The second multi-class sorting unit 140 includes a high specific gravity sorting unit 141 that sorts the sorted high specific gravity wastes according to types, and a ferrous-non-ferrous sorting unit 142 that sorts the sorted medium specific gravity wastes into ferrous and non-ferrous types. And it may include a low specific gravity sorting unit 143 for sorting the sorted low specific gravity waste according to the type.

상기 고비중선별부(141)은 상기 고비중 폐기물에서 철 및 비철을 선별하는 자력선별기(1411), 가스캔을 선별하고 파쇄하여 잔여 가스를 제거하는 가스캔파쇄기(1412), 및 선별된 상기 폐기물의 위치별 적재량을 감지해 최적만적을 위한 위치를 조정하는 암롤박스(1415)를 포함할 수 있다. The high specific gravity sorting unit 141 includes a magnetic separator 1411 for sorting iron and non-ferrous metals from the high specific gravity waste, a gas can crusher 1412 for sorting and crushing gas cans to remove residual gas, and the sorted waste. It may include an arm roll box 1415 that detects the load amount for each position of the load and adjusts the position for the optimal load.

상기 유리병 및 조각의 색상은 갈색, 녹색, 투명을 포함할 수 있다. 상기 유리조각의 크기는 20mm 이상일 수 있다. 상기 유리병은 500g 이하의 무게일 수 있다. The color of the glass bottle and pieces may include brown, green, and transparent. The glass pieces may have a size of 20 mm or more. The glass bottle may weigh less than 500 g.

상기 자력선별기(1411)는 가스캔, 철 및 비철을 선별할 수 있다. 상기 자력선별기(1411)는 가스캔 타공기를 포함할 수 있다. 상기 자력선별기(1411)는 상기 가스캔 타공기에서 상기 가스캔에 구멍을 내 여가스를 제거할 수 있다. 상기 가스캔은 연료용 가스캔, 헤어 스프레이, 살충제 캔을 포함할 수 있다. 상기 가스캔은 상기 썩션 그리퍼(12)로 선별하여 상기 가스캔 타공기에 투입할 수 있다.The magnetic separator 1411 can sort out gas cans, ferrous and non-ferrous. The magnetic separator 1411 may include a gas can puncher. The magnetic separator 1411 can remove gas by making a hole in the gas can with the gas can puncher. The gas can may include a fuel gas can, a hair spray can, and an insecticide can. The gas can may be sorted by the suction gripper 12 and put into the gas can perforator.

상기 고비중선별부(141)은 유리병을 먼저 선별하고 유리조각은 후단에 선별, 유리 조각은 상기 썩션 그리퍼(12)로 선별하고 유리병은 상기 핸드 그리퍼(11)를 이용하여 선별할 수 있다. 상기 고비중선별부(141)은 PET병 및 PE병 등 플라스틱 재질 중 액체류가 있는 제품은 구분하여 플라스틱타공기에 투입하여 액체 압축 배출 후 상기 제1 다종선별부(130)으로 투입할 수 있다. The high specific gravity sorting unit 141 sorts glass bottles first, sorts glass pieces at the rear, sorts glass pieces with the suction gripper 12, and sorts glass bottles using the hand gripper 11. . The high specific gravity sorting unit 141 separates products containing liquid among plastic materials such as PET bottles and PE bottles, puts them into a plastic puncher, compresses and discharges the liquid, and then puts them into the first multi-type sorting unit 130. .

상기 저비중선별부(143)은 상기 저비중 폐기물에서 종이 및 알캔을 종류에 따라 선별하고, 상기 종이는 카드보드, 코팅지, 신문지로 구분될 수 있다.The low specific gravity sorting unit 143 sorts paper and alcans from the low specific gravity waste according to types, and the paper can be classified into cardboard, coated paper, and newspaper.

상기 재활용 가능 폐기물 선별 시스템(100)는 상기 폐기물을 진동판에서 선별하는 진동선별공급부(144) 및 카메라로 영상을 획득해 재질, 색상 및 금속 여부를 감지해 선별하는 광학선별부(145)를 포함할 수 있다. 상기 광학선별부(145)와 상기 로봇검수부(150)를 이용하여 99.997% 선별률을 달성할 수 있다. The recyclable waste sorting system 100 may include a vibration sorting supply unit 144 that sorts the waste on a vibrating plate and an optical sorting unit 145 that acquires an image with a camera and detects and sorts the material, color, and metal. can A screening rate of 99.997% can be achieved by using the optical sorting unit 145 and the robot inspection unit 150.

상기 광학선별부(145)는 근적외선(NIR) + 색상(Color) + 금속감지센서 스캐너 적용하여 상기 폐기물을 재질 및 색상별로 선별할 수 있다. 예를 들어, 본 발명의 일 실시 예에 따른 상기 광학선별부(145)는 PET, PE, PP, PS, PLA, PETG, PC, ABS 등으로 구분할 수 있고, 새로운 재질이 발견되는 경우 새로운 클래스를 생성하여 구분할 수 있다. The optical sorting unit 145 may sort the waste by material and color by applying a near infrared ray (NIR) + color + metal sensor scanner. For example, the optical sorting unit 145 according to an embodiment of the present invention can be classified into PET, PE, PP, PS, PLA, PETG, PC, ABS, etc., and when a new material is found, a new class is selected. can be created and differentiated.

상기 로봇검수부(150)는 딥러닝 기반 AI 로봇을 이용하여 상기 폐기물을 형태별로 선별할 수 있다. 본 발명의 일 실시 예에 따르면, 상기 로봇검수부(150)는 PET 재질 중 PET Plate, PET Cup, PET필름 등은 선별해 기본적 재질(PET), 물성(PET IV 0.76-0.82의 음료수 포장병, IV 0.72 이하 판형 PET로 구분)별 선별 및 색상 별 선별할 수 있다. 상기 로봇검수부(150)는 PET병 중 사전학습결과에 따라 라벨 내부의 PET병 색상을 인식하고 PET병의 색상에 맞게 선별할 수 있다. The robot inspection unit 150 may sort the waste by type using a deep learning-based AI robot. According to an embodiment of the present invention, the robot inspection unit 150 sorts out PET plates, PET cups, PET films, etc. from PET materials, and selects basic materials (PET), physical properties (beverage packaging bottles with PET IV 0.76-0.82, It can be sorted by IV 0.72 or less plate-type PET) and sorted by color. The robot inspecting unit 150 may recognize the color of the PET bottle inside the label according to the result of prior learning among the PET bottles, and may select according to the color of the PET bottle.

상기 광학선별부(145)는 상기 폐기물을 재질, 색상, 금속에 따른 1차 선별하고, 상기 로봇검수부(150)는 상기 폐기물을 형태에 따라 2차 선별할 수 있다. The optical sorting unit 145 may first sort the waste according to material, color, and metal, and the robot inspection unit 150 may secondarily sort the waste according to the shape.

상기 로봇검수부(150)는 최종 배출되는 폐기물을 재질 및 특성에 따라 99.997% 선별할 수 있다. 상기 로봇검수부(150)는 페트병의 뚜껑 및 라벨의 재질 상이한 부분은 계산에서 제외할 수 있다. 상기 로봇검수부(150)는 신물질+신제품 학습하고, 선택품목을 전환할 수 있다. The robot inspection unit 150 can select 99.997% of the wastes finally discharged according to the material and characteristics. The robot inspection unit 150 may exclude parts of different materials of the lid and label of the PET bottle from the calculation. The robot inspection unit 150 may learn new material + new product and switch selected items.

상기 로봇검수부(150)는 혹은 저장압축부(160) 전단에 설치되는 AI QC 카메라(163)가 캡쳐하여 전송하는 순도데이터를 기반으로 상기 엣지서버(170)가 판단으로 상기 진동선별공급부(144)의 루프 벙커에서 배출되는 컨베이어의 속도를 조절하여 상기 로봇검수부(150)가 선별할 수 있는 최적의 투입상태로 자동조절하여 최적의 상태로 운영하는 시스템 구축할 수 있다. 또한 루프 벙커의 수량 증가 속도 확인 후 시스템 후단의 선별부가 감당하기 어렵다고 판단하는 경우 전단에 설치된 파봉정량공급부(110)의 운전속도 조절 등으로 AI 카메라를 적용하여 전체 운영시스템 최적화 운전 자동 조절을 수행할 수 있다. The robot inspection unit 150 or the AI QC camera 163 installed in front of the storage compression unit 160 determines based on the purity data captured and transmitted by the edge server 170, and the vibration sorting supply unit 144 ) By adjusting the speed of the conveyor discharged from the loop bunker, it is possible to build a system that operates in an optimal state by automatically adjusting to the optimal input state that the robot inspection unit 150 can select. In addition, after checking the rate of increase in the quantity of the loop bunker, if it is determined that the sorting unit at the rear of the system is difficult to handle, an AI camera is applied to adjust the operation speed of the sachet metering supply unit 110 installed at the front, etc. to perform automatic operation adjustment to optimize the entire operating system can

상기 로봇검수부(150)는 각 재질별로 광학선별된 선별물질을 종류별(PET병, PET컵, PET판 등)로 인식하여 상기 썩션 그리퍼(12)로 2차 선별할 수 있다 그리퍼는 플라스틱 용으로 상기 썩션 그리퍼(12)를 사용하여 썩션 인 앤 아웃(Suction In and Out) 운동으로 재질별 투입 슈터에 선별할 수 있다. 상기 로봇검수부(150) 전단에 설치된 카메라에서 얻은 정보에 기반하여 움직임 및 정보 전달 및 다량투입으로 인한 미선별 품의 개수를 상기 엣지서버(170)에 통지하고 이를 기반으로 투입량을 자동 조절할 수 있다.The robot inspection unit 150 recognizes the sorted materials optically sorted for each material as types (PET bottles, PET cups, PET plates, etc.) and can perform secondary sorting with the suction gripper 12. The gripper is for plastic By using the suction gripper 12, input shooters for each material can be sorted through a suction in and out movement. Based on the information obtained from the camera installed in the front end of the robot inspection unit 150, the edge server 170 is notified of the number of unsorted products due to motion and information transmission and large amount input, and the input amount can be automatically adjusted based on this.

새로운 제품은 상기 엣지서버(170)에서 1차 딥러닝 알고리즘으로 판단 후 2차 서버에 통지하며, 필요에 따라 자동 주석 프로세스를 통해, 혹은 운영자 개입으로 선별제품 판단하여 라벨링할 수 있다. 판단된 결과는 모든 상기 엣지서버(170)에 OTA로 업데이트 하여 지역내 전체 로봇의 성능을 향상시킬 수 있다.New products are judged by the first deep learning algorithm in the edge server 170 and notified to the second server, and if necessary, the selected product can be judged and labeled through an automatic annotation process or operator intervention. The determined result can be updated to all the edge servers 170 through OTA to improve the performance of all robots in the region.

상기 로봇검수부(150)는 종이+비닐+알캔 혼입물에서 종이 및 알캔을 선별할 수 있다. 상기 로봇검수부(150)는 종이의 종류별 선별할 수 있고, 상기 종이의 종류는 카드보드, 코팅지, 신문지로 구분될 수 있다. 클라우스 서버로 데이터베이스 분석 및 OTA 업데이트를 수행할 수 있다. The robot inspection unit 150 may sort out paper and alcan from paper + vinyl + alcan mixture. The robot inspection unit 150 can sort by type of paper, and the type of paper can be divided into cardboard, coated paper, and newspaper. Database analysis and OTA updates can be performed with the cloud server.

상기 로봇검수부(150)의 AI카메라 및 AI QC 카메라(163)는 촬영한 영상에서 폐기물의 종류, 위치(x, y 좌표) 및 정렬 방향(Orientation)을 포함하는 정보를 상기 엣지서버(170)로 전송할 수 있다. The AI camera and AI QC camera 163 of the robot inspection unit 150 transmit information including the type, location (x, y coordinates) and alignment direction of the waste in the captured image to the edge server 170 can be sent to

상기 저장압축부(160)는 선별 및 검수된 상기 폐기물을 저장 및 압축할 수 있다. 상기 저장압축부(160)는 적어도 하나 이상의 선별된 상기 폐기물을 선별된 재질에 따라 저장하는 선별품별저장소(161), 상기 선별품별저장소에서 선별된 상기 폐기물을 동일 재질로 모아 압축하는 복합압축기(162), 상기 선별품별저장소에서 배출되어 상기 복합압축기로 투입되는 상기 폐기물 중 불순물을 감지하는 AI QC 카메라(163)을 포함할 수 있다. The storage and compression unit 160 may store and compress the sorted and inspected waste. The storage and compression unit 160 includes a sorted product storage unit 161 for storing at least one or more sorted wastes according to the sorted materials, and a composite compressor 162 for collecting and compressing the wastes sorted in the sorted product storage storage into the same material. ), and an AI QC camera 163 for detecting impurities in the waste discharged from the sorting storage and introduced into the composite compressor.

상기 저장압축부(160)는 저장물질의 무게 및 면적 파악 후 저장과 배출을 자동으로 조절할 수 있다. 상기 저장압축부(160)는 센서 및 자동 압축기 시스템을 이용해 무기물을 제외한 모든 물질의 재질, 색상 및 형상과 브랜드에 따라 선별할 수 있다.The storage compression unit 160 can automatically control storage and discharge after determining the weight and area of the storage material. The storage and compression unit 160 can sort all materials except for inorganic materials according to the material, color, shape, and brand using a sensor and an automatic compressor system.

상기 저장압축부(160)는 일정 물량 이상의 목표 저장물량에 이른 후 컨베이어를 이용하여 복합압축기(162)로 자동 이동 후 압축량 데이터를 상기 엣지서버(170)에 전송할 수 있다.The storage compression unit 160 may transmit compression amount data to the edge server 170 after automatically moving to the multi-compressor 162 using a conveyor after reaching a target storage amount of a certain amount or more.

상기 저장압축부(160)는 광학선별부(145) 및 로봇검수부(150)를 통하여 선별된 99.997%의 순도의 선별물들을 저장벙커에 재질별 선별게이트 및 공기 블로어를 이용하여 선택적으로 투입할 수 있다. The storage compression unit 160 selectively puts the sorted materials of 99.997% purity sorted through the optical sorting unit 145 and the robot inspection unit 150 into the storage bunker using a sorting gate for each material and an air blower. can

상기 저장압축부(160)에 포함되는 PET 병 타공기는 자동선별기가 PET선별 시만 자동으로 작동하며 투입되는 PET병을 타공 후 상기 선별품별저장소(161)에 투입할 수 있다. The PET bottle puncher included in the storage compression unit 160 automatically operates only when the automatic sorting machine sorts out PET, and the injected PET bottle can be punched and then put into the sorted product storage unit 161.

상기 저장압축부(160)는 상기 선별품별저장소(161)의 상단에 AI 카메라, 초음파 센서, 혹은 벙커의 하단에 저울센서를 설치하여, 벙커에 투입되는 물량 확인 후 1개 베일(Bale)의 물량이 되면, 상기 엣지서버(170)와 교신을 통해 자동으로 상기 복합압축기(162)에 투입 후 압축할 수 있다. The storage compression unit 160 installs an AI camera, an ultrasonic sensor, or a scale sensor at the bottom of the bunker at the top of the sorting storage unit 161 to check the quantity of goods put into the bunker, and then the quantity of one bale When this happens, it can be compressed after being automatically put into the composite compressor 162 through communication with the edge server 170 .

상기 저장압축부(160)는 상기 선별품별저장소(161)에 투입 물질량의 합계 무게 및 합계 면적 파악 후 저장량과 배출량 자동으로 조절할 수 있다. 저장량 감지 센서 및 상기 복합압축기(162)의 운영상태를 인터록으로 교신하여 운영판단을 할 수 있다. The storage and compression unit 160 can automatically adjust the storage amount and discharge amount after determining the total weight and total area of the input material amount in the sorted product storage unit 161. Operation determination can be made by communicating the storage amount detection sensor and the operating state of the composite compressor 162 through interlock.

상기 저장압축부(160)는 일정 물량 이상의 목표 저장물량에 이른 후 배출 컨베이어를 이용하여 상기 복합압축기(162)로 자동 이동 후 압축량 및 압축물의 순도(투입된 물질의 숫자 (예, PET병의 개수), 불순물의 종류 및 숫자와 전체순도 (무게 및 숫자 기준)를 상기 AI QC 카메라(163)가 찍어 상기 엣지서버(170)에 송출하여 판단하고 각 베일별 품질보증용 순도와 조성표를 프린트(베일별 lot 관리 가능하고 품질 보증 판매 가능) 후 베일 별 구분 관리 및 자동 관리할 수 있다.The storage compression unit 160 automatically moves to the multi-compressor 162 using a discharge conveyor after reaching a target storage amount of a certain amount or more, and then the compression amount and purity of the compressed material (the number of input materials (eg, the number of PET bottles) ), the type and number of impurities and total purity (based on weight and number) are taken by the AI QC camera 163 and sent to the edge server 170 to determine, and print the purity and composition table for quality assurance for each bale (veil Possible to manage by lot and sell with quality assurance), then separate management and automatic management by bale.

상기 저장압축부(160)는 압축 후 배출된 물질의 순도 및 종류를 관리하고 보관 후 배출할 수 있도록 하여 최소의 비용으로 선별, 저장하고 최고가로 판매할 수 있다. The storage and compression unit 160 manages the purity and type of materials discharged after compression, stores them and discharges them, so that they can be sorted, stored, and sold at the highest price.

폐기물 선별 시설에서 재활용 불가능한 재질은 선별, 분쇄 및 건조된 플라스틱류는 SRF로, 종이는 폐지로 압축품으로 생산하여, 품질 관리 후 발전소 및 기타 수요처에 공급하여 화학적 재활용 및 물질 재활용 및 에너지화 재활용(가스화 및 석유화학 물질 생산 - MEOH 등)을 구축할 수 있다. In the waste sorting facility, non-recyclable materials are sorted, crushed, and dried, plastics are produced as SRF, and paper is produced as compressed products, and after quality control, they are supplied to power plants and other consumers for chemical recycling, material recycling, and energy recycling ( Gasification and petrochemical production - MEOH, etc.) can be established.

상기 엣지서버(170)는 상기 파봉정량공급부, 상기 대형물선별부, 상기 제1 다종선별부, 상기 제2 다종선별부 및 상기 로봇검수부에서 폐기물 선별을 위한 AI학습 및 폐기물 종류 감지 연산을 수행하고, 센서 데이터를 획득하여 감시 및 제어하며, 사고 예방 정보를 관리자에 전송할 수 있다.The edge server 170 performs AI learning and waste type detection calculations for waste sorting in the package quantity supply unit, the large-size item sorting unit, the first multi-type sorting unit, the second multi-type sorting unit, and the robot inspection unit. It acquires sensor data, monitors and controls it, and transmits accident prevention information to the manager.

상기 엣지서버(170)는 상기 재활용 가능 폐기물 선별 시스템(100)을 자동화할 수 잇다. 상기 엣지서버(170)는 데이터를 중앙 서버 BD로 연동하여 빅데이터 분석을 할 수 있다. 상기 엣지서버(170)는 운전원 안전운전을 감시할 수 있다. 상기 엣지서버(170)는 외부 방문자의 안전을 감시할 수 있다. 상기 엣지서버(170)는 농약, 솔벤트, 밧데리 등의 위험물 반입을 감시할 수 있다. 상기 엣지서버(170)는 미선별물 성상조사 및 대책을 수립할 수 있다. 상기 엣지서버(170)는 반입물성상조사, 향후정책 반영 및 운영 및 반영할 수 있다. 상기 엣지서버(170)는 서버데이터 분석을 통한 선별장간 교차운영을 할 수 있다. 상기 엣지서버(170)는 최대처리용량을 확인할 수 있다. 상기 엣지서버(170)는 상기 재활용 가능 폐기물 선별 시스템(100)의 구성요소의 고장 예상 시점을 예측할 수 있고, 예지정비를 통한 수명연장을 도모할 수 있다. The edge server 170 can automate the recyclable waste sorting system 100 . The edge server 170 can perform big data analysis by linking data to the central server BD. The edge server 170 may monitor the driver's safe driving. The edge server 170 may monitor the safety of external visitors. The edge server 170 can monitor dangerous materials such as pesticides, solvents, and batteries. The edge server 170 may investigate properties of unsorted substances and establish countermeasures. The edge server 170 can investigate incoming material properties, reflect, operate, and reflect future policies. The edge server 170 can cross-operate between sorting fields through server data analysis. The edge server 170 may check the maximum processing capacity. The edge server 170 can predict the expected time of failure of the components of the recyclable waste sorting system 100, and can promote life extension through predictive maintenance.

상기 엣지서버(170)는 전체 단말을 모두 연결할 수 있다. 상기 엣지서버(170)는 그래픽 데이터 처리 내용 DB 저장 및 빅데이터 분석을 할 수 있다. 상기 엣지서버(170)는 신호 데이터를 수거하고, 판단 알고리즘 운영할 수 있다. 상기 엣지서버(170)는 미판단 데이터 라벨링할 수 있다. 상기 엣지서버(170)는 모터, 컨베이어, 유압장치의 운영시간 및 정비시간 일정 자동 계측 및 통지할 수 있다. 상기 엣지서버(170)는 상기 로봇검수부(150) 및 로봇팔에서 그래픽 캡쳐와 선별기능 및 현장 운영자 안전 기능 카메라 운영 자동화를 구현할 수 있다. 상기 엣지서버(170)는 운전자 및 방문자 안전 보장 운영을 할 수 있다. 상기 엣지서버(170)는 수거 폐기물의 발생 및 년차별 조성비 관련 데이터를 축적하고, 상관성 분석 및 미래예측을 수행할 수 있다. 상기 엣지서버(170)는 수거 폐기물과 인구구성에 따른 년도별 증감량 데이터 분석 및 향후 예측 자료를 생산할 수 있다. 상기 엣지서버(170)는 선별 물질의 조성비 및 선별 순도 변화, 시간별, 일별, 계절별, 년도별로 데이터 분석을 통해 예측 자료를 생성할 수 있다. 상기 엣지서버(170)는 향후 폐기물 처리시설 설계 시 기본 데이터로 활용하여 미래 예측곡선 추정 알고리즘으로 활용할 수 있다. 상기 엣지서버(170)는 AI 카메라 및 센서 시스템을 이용한 안전 운전 능력 확보하여 운전원 안전운전 감시, 외부방문자 안전감시, 위험물 반입감시를 할 수 있다. The edge server 170 may connect all terminals. The edge server 170 can store graphic data processing content DB and analyze big data. The edge server 170 may collect signal data and operate a judgment algorithm. The edge server 170 may label non-judgmental data. The edge server 170 can automatically measure and notify operating hours and maintenance schedules of motors, conveyors, and hydraulic devices. The edge server 170 can implement graphic capture and sorting functions and field operator safety function camera operation automation in the robot inspection unit 150 and the robot arm. The edge server 170 can ensure the safety of drivers and visitors. The edge server 170 may accumulate data related to the generation of collected waste and the composition ratio by year, and perform correlation analysis and future prediction. The edge server 170 may analyze yearly increase/decrease data according to collected waste and population composition and produce future prediction data. The edge server 170 may generate prediction data through data analysis by composition ratio and purity of the selected material, by time, by day, by season, and by year. The edge server 170 can be used as basic data when designing a waste treatment facility in the future and used as a future prediction curve estimation algorithm. The edge server 170 secures safe driving capabilities using an AI camera and sensor system, and can monitor safe driving of drivers, safety of external visitors, and monitoring of dangerous goods.

상기 엣지서버(170)는 지역별 발생 데이터를 서버 빅데이터 분석을 통한 선별장간 교차운영 및 운영정보 및 노하우 교류할 수 있다. 상기 엣지서버(170)는 최대처리용량 확인하여 수거시스템과 선별 운영시스템을 연계 운영하여 지역별, 요일별, 계절별 최적 운영조건 확보 및 지역별 연계 운전으로 처리시설의 다자간 운전으로 전국 폐기물 처리시설의 100% 활용 운전할 수 있다. 상기 엣지서버(170)는 예지정비를 통한 전체 시스템의 수명연장 및 운영인원 중 전문인력의 최대 활용 및 도 1은 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템의 개념도이고, 도 2는 본 발명의 일 실시 예에 따른 파봉정량공급부의 개념도이고, 도 3은 본 발명의 일 실시 예에 따른 3D 볼륨 카메라 기술의 개념도이고, 도 4는 본 발명의 일 실시 예에 따른 대형물선별부의 개념도이고, 도 5는 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템에서 사용되는 로봇팔의 일 예시이고, 도 6은 본 발명의 일 실시 예에 따른 제1 다종선별부의 개념도이고, 도 7은 본 발명의 일 실시 예에 따른 음향방출 감지 센서의 원리를 설명하기 위한 도면이고, 도 8은 본 발명의 일 실시 예에 따른 고비중선별부의 개념도이고, 도 9는 본 발명의 일 실시 예에 따른 진동선별공급부, 광학선별부 및 로봇검수부의 개념도이고, 도 10은 본 발명의 일 실시 예에 따른 저비중선별부의 개념도이고, 도 11은 본 발명의 일 실시 예에 따른 저장압축부의 개념도이고, 도 12는 본 발명의 일 실시 예에 따른 엣지서버의 개념도이고, 도 13은 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템의 블록도이고, 도 14는 본 발명의 일 실시 예에 따른 파봉정량공급부의 블록도이고, 도 15는 본 발명의 일 실시 예에 따른 대형물선별부의 블록도이고, 도 16은 본 발명의 일 실시 예에 따른 제1 다종선별부의 블록도이고, 도 17은 본 발명의 일 실시 예에 따른 제2 다종선별부의 블록도이고,도 18은 본 발명의 일 실시 예에 따른 고비중선별부의 블록도이고, 도 19는 본 발명의 일 실시 예에 따른 저장압축부의 블록도이고, 도 20은 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 방법의 흐름도이다.The edge server 170 can cross-operate and exchange operating information and know-how between sorting sites through server big data analysis of data generated by region. The edge server 170 confirms the maximum processing capacity and operates the collection system and sorting operation system in conjunction to secure optimal operating conditions by region, day of the week, and season, and utilizes 100% of waste treatment facilities nationwide through multilateral operation of treatment facilities through linked operation by region. can drive The edge server 170 extends the lifespan of the entire system through predictive maintenance and maximizes utilization of professional personnel among operating personnel. FIG. 1 is a conceptual diagram of a recyclable waste sorting system according to an embodiment of the present invention, and FIG. 2 is this 3 is a conceptual diagram of a 3D volume camera technology according to an embodiment of the present invention, and FIG. 4 is a conceptual diagram of a large product sorting unit according to an embodiment of the present invention. 5 is an example of a robot arm used in a recyclable waste sorting system according to an embodiment of the present invention, FIG. 6 is a conceptual diagram of a first multi-type sorting unit according to an embodiment of the present invention, and FIG. It is a diagram for explaining the principle of a sound emission detection sensor according to an embodiment of the present invention, FIG. 8 is a conceptual diagram of a high specific gravity separator according to an embodiment of the present invention, and FIG. 9 is a vibration according to an embodiment of the present invention. A conceptual diagram of a sorting supply unit, an optical sorting unit, and a robot inspection unit, FIG. 10 is a conceptual diagram of a low specific gravity sorting unit according to an embodiment of the present invention, FIG. 11 is a conceptual diagram of a storage compression unit according to an embodiment of the present invention, FIG. is a conceptual diagram of an edge server according to an embodiment of the present invention, FIG. 13 is a block diagram of a recyclable waste sorting system according to an embodiment of the present invention, and FIG. 15 is a block diagram of a large product sorting unit according to an embodiment of the present invention, FIG. 16 is a block diagram of a first multi-type sorting unit according to an embodiment of the present invention, and FIG. 17 is a block diagram of a large product sorting unit according to an embodiment of the present invention. 18 is a block diagram of a second multi-type sorting unit according to an embodiment, FIG. 18 is a block diagram of a high specific gravity sorting unit according to an embodiment of the present invention, and FIG. 19 is a block diagram of a storage compression unit according to an embodiment of the present invention. 20 is a flowchart of a recyclable waste sorting method according to an embodiment of the present invention.

도 1 내지 도 20을 참조하면, 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템(100)는 파봉정량공급부(110), 대형물선별부(120), 제1 다종선별부(130), 제2 다종선별부(140), 로봇검수부(150), 저장압축부(160) 및 엣지서버(170)를 포함할 수 있다. 1 to 20, the recyclable waste sorting system 100 according to an embodiment of the present invention includes a bag quantitative supply unit 110, a large item sorting unit 120, a first multi-type sorting unit 130, It may include a second multi-type sorting unit 140, a robot inspection unit 150, a storage compression unit 160, and an edge server 170.

본 발명의 일 실시 예에 따르면, 상기 파봉정량공급부(110)는 파봉부(111), 투입호퍼(112), 레벨감지센서(113) 및 악취감지센서(114)를 포함할 수 있다. According to an embodiment of the present invention, the sealing unit 110 may include a sealing unit 111, an input hopper 112, a level detection sensor 113, and an odor detection sensor 114.

상기 파봉정량공급부(110)는 수거된 폐기물봉투를 파봉하고, 상기 폐기물 봉투에서 배출된 폐기물을 일정량씩 일정 간격으로 공급할 수 있다. 상기 파봉정량공급부(110)는 봉투에 담긴 형태로 수거된 폐기물을 파봉하여 배출된 폐기물을 일정량으로 투입될 수 있다. 상기 파봉정량공급부(110)는 상기 파봉부(111) 전단으로 수거된 폐기물봉투를 상기 투입호퍼(112)가 투입하고 상기 파봉부(111) 방향으로 밀어낼 수 있다. 상기 파봉부(111)는 회전 나이프를 포함할 수 있다. 상기 파봉부(111)는 상기 투입호퍼(112)가 투입하는 폐기물봉투를 회전하면서 찢거나 잘라내 폐기물이 배출되어 상기 재활용 가능 폐기물 선별 시스템(100)에 공급되게 할 수 있다. The rupture quantitative supply unit 110 may rupture the collected waste bags and supply the waste discharged from the waste bags in a predetermined amount at regular intervals. The rupture quantitative supply unit 110 may insert the waste discharged by sealing the waste collected in the form of a bag into a predetermined amount. In the bagging quantity supply unit 110, the waste bag collected at the front end of the bagging unit 111 may be put into the input hopper 112 and pushed toward the sealing unit 111. The sealing portion 111 may include a rotating knife. The rupture part 111 may tear or cut the waste bag inserted into the input hopper 112 while rotating so that the waste is discharged and supplied to the recyclable waste sorting system 100 .

상기 레벨감지센서(113)는 파봉기 벙커 및 배출부 컨베이어에서 배출되는 상기 폐기물의 부피 측정할 수 있다. 상기 레벨감지센서(113)가 미작동 하는 경우 상기 파봉정량공급부(110)는 초음파센서 및 AI카메라 이용 측정할 수 있다. 상기 파봉정량공급부(110)는 일정 시간 간격으로 카메라 촬영하고, 후단의 선별 효율과 순도를 딥러닝으로 운영함으로 최적의 운영 효과를 실현할 수 있다.The level sensor 113 may measure the volume of the waste discharged from the excavator bunker and the discharge unit conveyor. When the level detection sensor 113 is inoperative, the wave bar quantity supply unit 110 may measure using an ultrasonic sensor and an AI camera. The shredded quantity supply unit 110 can realize the optimal operating effect by taking pictures of the camera at regular time intervals and operating the sorting efficiency and purity of the latter stage by deep learning.

본 발명의 일 실시 예에 따르면, 상기 레벨감지센서(113)는 3D 볼륨을 측정할 수 있다. 상기 레벨감지센서(113)는 광원장치에서 조사된 광원은 물체에 부딪혀 반사되면, 반사된 광원은 상기 레벨감지센서(113)에서 수신하여 영상으로 변환하여 마이크로 프로세서로 전송할 수 있다. 상기 레벨감지센서(113)에서 광원장치와 센서간의 동기는 카메라 제어장치에서 제어할 수 있다. 상기 레벨감지센서(113)는 마이크로프로세서에서 획득된 영상은 제어장치로 전송할 수 있다. 상기 엣지서버(170)의 제어장치는 파봉기의 컨베이어 회전속도 및 고정나이프 위치를 감지 및 배출부(1 or 2개소)의 체적 영상을 감지할 수 있다. 회전속도의 감지는 엔코더 혹은 인버터의 신호를 이용할 수 있다. 상기 엣지서버(170)의 제어장치는 카메라에서 온 체적신호를 분석하여 파봉기에서 온 속도신호를 비교분석 수행할 수 있다. 상기 엣지서버(170)의 제어장치에서 딥러닝기술을 적용하여 파봉기의 최적 운전을 위한 각각의 모터의 속도를 제어와 투입량 메시지 인디케이션을 표시할 수 있다. According to an embodiment of the present invention, the level sensor 113 may measure a 3D volume. When the light source irradiated from the light source device collides with an object and is reflected, the level sensor 113 receives the reflected light source from the level sensor 113, converts it into an image, and transmits the image to the microprocessor. Synchronization between the light source device and the sensor in the level sensor 113 can be controlled by the camera controller. The level detection sensor 113 may transmit the image acquired by the microprocessor to the control device. The control device of the edge server 170 can detect the rotational speed of the conveyor and the position of the fixed knife of the shredder and detect the volume image of the discharge unit (1 or 2 locations). The rotational speed can be sensed using an encoder or an inverter signal. The control device of the edge server 170 may analyze the volume signal from the camera and compare and analyze the speed signal from the breaker. In the control device of the edge server 170, deep learning technology can be applied to control the speed of each motor for optimal operation of the shredder and to display the input amount message indication.

상기 엣지서버(170)는 상기 재활용 가능 폐기물 선별 시스템(100)의 후단 선별부의 선별률 및 투입량에 따라 파봉기의 운전속도를 조절하여 투입량을 조절하고 및 파봉율은 고정 칼날(크레스트)의 파봉 위치를 제어하여 고정 및 회전칼날 간격 조절할 수 있다.The edge server 170 adjusts the input amount by adjusting the operating speed of the shredder according to the sorting rate and input amount of the rear sorting unit of the recyclable waste sorting system 100, and the shredding rate is the closing position of the fixed blade (crest). You can adjust the distance between fixed and rotating blades by controlling.

상기 파봉정량공급부(110)는 악취감지센서(114)를 포함할 수 있다. 상기 악취감지센서(114)는 상기 파봉정량공급부(110) 내부에서 발생하는 가스 성분을 감지할 수 있다. 상기 악취감지센서(114)는 상기 파봉정량공급부(110) 내부에서 발생하는 화학적 위험물의 발생을 감지할 수 있다. 상기 악취감지센서(114)는 상기 파봉정량공급부(110) 내부에 발생한 가스 성분 또는 화학적 위험물을 감지하면 상기 파봉정량공급부(110) 내부에 사람이 투입되는 것을 막거나, 상기 투입호퍼(112) 운전자 등의 노동자가 상기 파봉정량공급부(110)를 벗어나도록 안내할 수 있다. 상기 악취감지센서(114)는 농약, 솔벤트, TVOC, NH3 등 중독성 및 발화성 물질 감지하고 감지시 작업을 중지할 수 있다. 상기 악취감지센서(114)는 상기 파봉정량공급부(110) 내부에 발생한 가스 성분 또는 화학적 위험물을 감지한 데이터를 상기 엣지서버(170)로 전송할 수 있고, 상기 엣지서버(170)는 위험성을 판단하여 대피 경보를 내릴 수 있다. The bagging quantity supply unit 110 may include an odor detection sensor 114 . The odor detection sensor 114 may detect a gas component generated inside the packaged amount supply unit 110 . The odor detection sensor 114 may detect the generation of chemical hazards generated inside the packaging quantity supply unit 110 . When the odor detection sensor 114 detects a gas component or a chemical hazard generated inside the shredding quantity supply unit 110, it prevents a person from being put into the shredding quantity supply unit 110 or an operator of the input hopper 112. A worker such as a worker may be guided to get out of the bar bar metering supply unit 110. The odor sensor 114 detects toxic and ignitable substances such as pesticides, solvents, TVOC, and NH3, and stops operation when detected. The odor detection sensor 114 may transmit data detected by detecting gas components or chemical hazards generated inside the packaging quantity supply unit 110 to the edge server 170, and the edge server 170 determines the danger Evacuation warnings can be issued.

상기 대형물선별부(120)는 공급되는 상기 폐기물에서 대형물을 선별할 수 있다. 상기 대형물선별부(120)는 상기 폐기물에서 대형 플라스틱, 대형 비닐, 대형 종이 및 기타 대형물을 선별할 수 있다. 상기 대형물선별부(120)는 상기 엣지서버(170)에 악취 발생시 농도 및 발생 유모 데이터를 전송해 연산하고 결과 값을 기준으로 악취 원인 저감운전을 할 수 있으며 선별원에게 도달하는 악취물질을 사전에 제거 할 수 있게 한다. The large-size item sorting unit 120 may sort large-size items from the supplied waste. The large-size item sorting unit 120 may sort large-size plastic, large-size vinyl, large-size paper, and other large-size items from the waste. The large object sorting unit 120 transmits and calculates the concentration and generated hair data when odor occurs to the edge server 170, and based on the result value, it is possible to operate to reduce the cause of odor, and to detect odor substances reaching the sorting source in advance. to be able to remove

상기 재활용 가능 폐기물 선별 시스템(100)는 상기 폐기물을 선별하는 과정에서 로봇팔을 이용해 상기 폐기물을 선별할 수 있다. 상기 로봇팔은 산업용 델타 로봇, 산업용 다관절로봇 및 협동로봇을 포함할 수 있다. 상기 로봇팔은 상기 폐기물을 이동시킬 수 있다. 상기 로봇팔은 상기 폐기물을 이동시켜 선별할 수 있다. 상기 로봇팔은 핸드 그리퍼(11) 및 썩션 그리퍼(12)를 포함할 수 있다. 상기 핸드 그리퍼(11)는 고비중 물질, 돌, 나무를 집어서 이동시킬 수 있다. 상기 핸드 그리퍼(11)는 긴끈이나 전선이 있는 전자제품을 한손으로 잡아 길게 당긴 후 두손으로 협력하여 말아서 선별할 수 있다. 전선이 있는 전자제품, 긴끈, 긴비닐의 선별에 적합하고 두 로봇의 공조가 필요, 필요에 따라서 가위로 잘라 낼 수 있다. 상기 썩션 그리퍼(12)는 큰 종이, 큰 비닐 등 선별할 수 있다. The recyclable waste sorting system 100 may sort the waste using a robot arm in the process of sorting the waste. The robot arm may include an industrial delta robot, an industrial articulated robot, and a cooperative robot. The robot arm may move the waste. The robot arm may sort the waste by moving it. The robot arm may include a hand gripper 11 and a suction gripper 12 . The hand gripper 11 can pick up and move materials with high specific gravity, stones, and trees. The hand gripper 11 can select an electronic product having a long string or wire by grabbing it with one hand and pulling it long, and then rolling it with both hands. It is suitable for sorting electronic products with wires, long strings, and long vinyl, and the cooperation of two robots is necessary. It can be cut with scissors if necessary. The suction gripper 12 can select large paper or large vinyl.

상기 로봇팔은 상기 로봇검수부(150)의 상부 또는 천장에 설치함으로 중량물 선별 시 관절에 오는 부하를 최소화 하고, 바닥에서 끌어 올릴 수 있는 높이를 최대화할 수 있다. 본 발명의 일 실시 예에 따르면, 최대 높이 1.5m까지 가능할 수 있고, 필요에 따라 돌려서 말 수 있다. 본 발명의 일 실시 예에 따르면, 상기 로봇팔을 폭과 길이로 배치함으로 기존 Delta 로봇의 최대 컨베이어의 선별 폭인 1600mm를 2,000mm까지 넓혀 선별이 가능할 수 있다.The robot arm is installed on the top or ceiling of the robot inspection unit 150, thereby minimizing the load on the joints when sorting heavy objects and maximizing the height that can be pulled up from the floor. According to one embodiment of the present invention, it can be up to 1.5 m in height, and can be rolled as needed. According to one embodiment of the present invention, by arranging the robot arm in width and length, it is possible to expand the sorting width of 1600mm, which is the maximum conveyor width of the existing Delta robot, to 2,000mm.

본 발명의 일 실시 예에 따르면, 장치 앞단의 선별용 로봇팔들이 선별한 것과 후단의 선별로봇들이 선별하는 것을 구분함으로, 다양한 재질을 선별해야 하는 1차 대형선별대, 고비중선별대 및 혼합배출물 선별대 등에 투입 적용할 수 있다.According to an embodiment of the present invention, by distinguishing between sorting robot arms at the front of the device and sorting by sorting robots at the rear, the first large sorting table, the high specific gravity sorting table, and mixed discharges that need to sort various materials It can be applied to sorting tables, etc.

상기 대형물선별부(120)는 악취감지센서(121)를 포함할 수 있다. 상기 악취감지센서(121)는 상기 대형물선별부(120) 내부에서 발생하는 가스 성분을 감지할 수 있다. 상기 악취감지센서(121)는 상기 대형물선별부(120) 내부에서 발생하는 화학적 위험물의 발생을 감지할 수 있다. 상기 악취감지센서(121)는 상기 대형물선별부(120) 내부에 발생한 가스 성분 또는 화학적 위험물을 감지하면 상기 대형물선별부(120) 내부에 사람이 투입되는 것을 막거나, 노동자가 상기 대형물선별부(120)을 벗어나도록 안내할 수 있다. 상기 악취감지센서(121)는 농약, 솔벤트, TVOC, NH3 등 중독성 및 발화성 물질 감지하고 감지 시 작업을 중지할 수 있다. 상기 악취감지센서(121)는 상기 대형물선별부(120) 내부에 발생한 가스 성분 또는 화학적 위험물을 감지한 데이터를 상기 엣지서버(170)로 전송할 수 있고, 상기 엣지서버(170)는 위험성을 판단하여 대피 경보를 내릴 수 있다.The large object sorting unit 120 may include an odor detection sensor 121 . The odor detection sensor 121 may detect a gas component generated inside the large object sorting unit 120 . The odor detection sensor 121 may detect the occurrence of chemical hazardous substances generated inside the large object sorting unit 120 . When the odor detection sensor 121 detects a gas component or a chemical hazard generated inside the large-size item sorting unit 120, it prevents a person from being put into the large-size item sorting unit 120, or a worker It can be guided to get out of the sorting unit 120. The odor detection sensor 121 may detect toxic and ignitable substances such as pesticides, solvents, TVOC, and NH3, and stop operation upon detection. The odor detection sensor 121 may transmit data detected by gas components or chemical hazardous substances generated inside the large object sorting unit 120 to the edge server 170, and the edge server 170 determines the danger. to issue an evacuation warning.

상기 제1 다종선별부(130)는 대형물이 선별된 상기 폐기물을 비중에 따라 선별할 수 있다. 상기 제1 다종선별부(130)는 비중발리스틱선별기를 포함할 수 있다. 상기 제1 다종선별부(130)는 분진선별부(131), 차압센서(132), 덕트센서(133) 및 블로어(134)를 포함할 수 있다.The first multi-type sorting unit 130 may sort the wastes from which large items are sorted according to specific gravity. The first multi-type sorter 130 may include a non-ballistic sorter. The first multi-type sorting unit 130 may include a dust sorting unit 131, a differential pressure sensor 132, a duct sensor 133, and a blower 134.

상기 제1 다종선별부(130)는 비중선별기, 발리스틱 및 센서를 이용한 하이브리드 조합으로 비중에 따른 병렬선별을 하는 시스템일 수 있다. 상기 제1 다종선별부(130)는 투입량 자동조절, 덕트막힘감지, 압력차압, 자동감지 및 분진을 수거할 수 있다. 상기 제1 다종선별부(130)는 상기 폐기물을 고비중, 중비중, 경비중, 협잡물, 분진으로 선별할 수 있다. 상기 제1 다종선별부(130)이 선별하는 고비중 폐기물은 유리(Glass), 세라믹(Ceramic) 및 금속(Metal)을 포함할 수 있고, 중비중 폐기물은 플라스틱 병(Plastics Bottles)을 포함할 수 있고, 경비중 폐기물은 필름(Film) 및 종이(Paper)를 포함할 수 있고, 협잡물은 음식물(Food), 깨진 유리조각(Broken Glass) 및 모래(Sands)를 포함할 수 있다. 상기 제1 다종선별부(130)는 분진은 싸이클론(Cyclone) 또는 백필터(Bag Filter)로 선별할 수 있다.The first multi-type sorting unit 130 may be a system that performs parallel sorting according to specific gravity using a hybrid combination using a specific gravity sorter, a ballistic, and a sensor. The first multi-type sorting unit 130 may automatically adjust input amount, detect duct clogging, detect pressure differential, automatically detect dust, and collect dust. The first multi-type sorting unit 130 may sort the waste into high specific gravity, medium specific gravity, light heavy, impurities, and dust. The high specific gravity waste sorted by the first multi-species sorting unit 130 may include glass, ceramic, and metal, and the heavy specific gravity waste may include plastic bottles. In addition, waste on guard may include film and paper, and impurities may include food, broken glass, and sand. The first multi-type sorting unit 130 may sort dust with a cyclone or a bag filter.

상기 제1 다종선별부(130)는 투입 및 배출 컨베이어 벨트를 포함할 수 있다. 상기 투입 및 배출 컨베이어 벨트는 복수로 포함될 수 있다. 본 발명의 일 실시 예에 따르면, 상기 투입 및 배출 컨베이어 벨트는 4개가 포함될 수 있다. 상기 제1 다종선별부(130)는 상기 카메라로 정적사진을 그래픽으로 캡쳐 후 상기 엣지서버(170)에 송부하여 투입되는 폐기물의 종류 와 부피를 면적만으로 분석해 투입량을 파악할 수 있다. 상기 제1 다종선별부(130)는 투입구와 배출구에 적용된 연질 커튼의 움직임을 상기 카메라로 감지하여 내부차압 운전을 확인할 수 있다.The first multi-type sorting unit 130 may include input and output conveyor belts. A plurality of input and output conveyor belts may be included. According to one embodiment of the present invention, the input and output conveyor belts may include four. The first multi-type sorting unit 130 may capture a static picture as a graphic with the camera, send it to the edge server 170, and analyze the type and volume of the input waste only by area to determine the input amount. The first multi-type sorting unit 130 can detect the movement of the soft curtain applied to the inlet and the outlet with the camera, thereby confirming the operation of the internal differential pressure.

상기 분진선별부(131)는 상기 제1 다종선별부(130) 내의 공기의 흐름에 따라 이동하는 분진을 선별할 수 있다. 상기 분진선별부(131)는 싸이클론(Cyclone) 또는 백필터(Bag Filter)을 포함할 수 있다.The dust sorting unit 131 may sort the dust moving according to the air flow in the first multi-type sorting unit 130 . The dust sorting unit 131 may include a cyclone or a bag filter.

상기 차압센서(132)는 상기 제1 다종선별부(130) 내의 차압 여부를 감지할 수 있다. 상기 차압센서(132)는 상기 제1 다종선별부(130) 내외부의 차압을 실시간 확인 후 상기 카메라가 읽어 들이는 투입물량과의 상관관계를 상기 엣지서버(170)가 계산하여, 투입 컨베이어의 속도, 분리롤러와의 거리 및 투입각도를 자동으로 조절하며 운전할 수 있다. PID 제어가 아닌 AI 딥러닝 제어로 요인(Factor) 분석에 의한 예측 설정이 가능할 수 있다. The differential pressure sensor 132 may detect whether or not there is a differential pressure in the first multi-type sorting unit 130 . The differential pressure sensor 132 checks the differential pressure inside and outside the first multi-type sorting unit 130 in real time, and then the edge server 170 calculates the correlation with the input amount read by the camera, and the speed of the input conveyor , It can operate while automatically adjusting the distance from the separation roller and the input angle. It may be possible to set predictions by factor analysis with AI deep learning control rather than PID control.

상기 분진선별부(131)에도 상기 차압센서(132)가 포함될 수 있다. 상기 차압센서(132)가 상기 분진선별부(131)의 차압을 일정하게 유지하여, 기존 일정시간 간격으로 압축공기를 펄싱하여 제진하는 방식에서 차압에 맞추어 운전하는 방식으로 운전할 수 있고, 이를 통해 운전 비용 절감 및 운영을 최적화할 수 있다. The differential pressure sensor 132 may also be included in the dust sorting unit 131 . The differential pressure sensor 132 keeps the differential pressure of the dust sorting unit 131 constant, so that it can be operated in accordance with the differential pressure in the conventional method of pulsing compressed air at regular time intervals to remove dust. Reduce costs and optimize operations.

상기 차압센서(132)는 상기 제1 다종선별부(130) 상부 외부 및 내부에 설치될 수 있다. 상기 차압센서(132)는 상기 제1 다종선별부(130) 내부와 외부의 공기압 차이로 외부 대기압 대비 80~90%에 설정 값을 가질 수 있다. 상기 차압센서(132)는 상기 제1 다종선별부(130) 내부에 양압이 발생할 경우 상기 엣지서버(170) 또는 별도의 제어장치를 통한 상기 블로어(134)의 풍량 조절을 위한 모터 속도 제어를 실시할 수 있다. 기 블로어(134)의 모터의 속도 제어는 상기 차압센서(132)가 내부에 공기압을 측정하여 설정된 양압을 감지하는 시점일 수 있다. 통한 상기 블로어(134)의 모터의 회전속도는 상기 제1 다종선별부(130) 내부에 양압이 발생할 경우 더 빨리 속도를 높이고, 과도한 음압이 발생할 경우 속도를 낮출 수 있다.The differential pressure sensor 132 may be installed outside and inside the first multi-type sorting unit 130 . The differential pressure sensor 132 may have a set value of 80 to 90% of the external atmospheric pressure due to a difference in air pressure between the inside and outside of the first multi-type sorting unit 130 . The differential pressure sensor 132 controls the motor speed for adjusting the air volume of the blower 134 through the edge server 170 or a separate control device when positive pressure is generated inside the first multi-type separator 130 can do. Speed control of the motor of the blower 134 may be a time point when the differential pressure sensor 132 detects a set positive pressure by measuring air pressure therein. The rotational speed of the motor of the blower 134 may increase faster when positive pressure is generated inside the first multi-type sorting unit 130 and decrease when excessive negative pressure occurs.

상기 덕트센서(133)는 분진에 의한 덕트의 막힘 여부를 감지할 수 있다. 상기 덕트센서(133)는 마이크로폰 센서를 포함할 수 있고, 상기 덕트의 외부에 설치될 수 있다. 선별공기 순환용 덕트의 외부에 상기 덕트센서(133)를 복수로 설치하여 상기 덕트 내부에서 발생하는 반향음을 감지하여 상기 엣지서버(170)에 지속적으로 송부하여 이를 CNN(Convolutional Neural Network) 방식의 딥러닝(deep learning) 기반 AI 알고리즘으로 분석함으로 상기 덕트 내부의 막힘 정도 감지하여, 정비 및 교환 주기 감지할 수 있고, 상기 블로어(134)의 속도를 조절하여 공기순환량을 일정하게 유지할 수 있도록 할 수 있다. The duct sensor 133 may detect whether or not the duct is blocked by dust. The duct sensor 133 may include a microphone sensor and may be installed outside the duct. A plurality of duct sensors 133 are installed outside the duct for sorted air circulation to detect the echo generated inside the duct and continuously send it to the edge server 170 so as to achieve CNN (Convolutional Neural Network) method. By analyzing with a deep learning-based AI algorithm, the degree of clogging inside the duct can be detected, the maintenance and replacement cycle can be detected, and the speed of the blower 134 can be adjusted to maintain a constant air circulation amount. there is.

상기 덕트센서(133)는 음향방출 신호를 감지해 상기 덕트의 막힘 여부를 감지할 수 있다. 상기 음향방출(Acoustic Emission: AE) 신호는 고체 내부에서 국부적으로 형성된 변형 에너지가 급격히 방출되면서 발생하는 탄성파이다. 상기 음향방출 신호는 주로 초음파 영역(수10kHz~수MHz)의 신호를 대상으로 할 수 있다. 상기 음향방출 신호에 의한 측정은 가소성에 의한 변형이나 미세한 파괴의 진행과정을 실시간으로 관측할 수 있으며, 복수 개의 상기 덕트센서(133)를 사용하여 결함 위치 파악 및 가동 중인 설비의 진단 등을 할 수 있는 등의 장점이 있다.The duct sensor 133 may detect whether or not the duct is blocked by detecting a sound emission signal. The Acoustic Emission (AE) signal is an elastic wave generated when strain energy locally formed inside a solid is rapidly released. The sound emission signal may mainly target signals in the ultrasonic region (several tens of kHz to several MHz). The measurement by the acoustic emission signal can observe the process of deformation due to plasticity or fine destruction in real time, and using a plurality of the duct sensors 133, it is possible to locate defects and diagnose equipment in operation, etc. There are advantages such as

상기 덕트센서(133)는 송풍관에 밀착된 감지기 내부에 음향수신기를 포함할 수 있다. 상기 음향수신기의 부착 수량은 송풍관의 크기에 따라 달라질 수 있다. 복수의 상기 음향수신기는 MUX(다중화장치)에 연결되어 하나의 송신기를 가질 수 있다. 각각의 음향수신기는 중앙제어장치에서 개별적으로 ID를 부여할 수 있다. 상기 덕트센서(133)는 데이터베이스를 수시로 상기 엣지서버(170)로 업로드할 수 있다. 상기 덕트센서(133)에서 신호의 교정은 최초 장비를 운전시 입력되는 음향신호를 기준 값으로 하고, 보유하고 있는 데이터베이스 값과 비교하여 송풍관 내부의 상태를 확인하는 방법을 취할 수 있다. 상기 덕트센서(133)는 입력 받은 음향신호에서 송풍관의 막힘 상태 값을 실시간으로 분석하여, 결과 값을 송출할 수 있다. 상기 덕트센서(133)는 송풍관 상태의 결과 값은 외부에서 볼 수 있게 WiFi, LTE등 무선 혹은 유선에 의한 원격 모니터링을 할 수 있다.The duct sensor 133 may include an acoustic receiver inside the sensor closely attached to the blast pipe. The number of attachments of the acoustic receiver may vary according to the size of the blast pipe. A plurality of the sound receivers may have one transmitter by being connected to a multiplexing device (MUX). Each sound receiver can be assigned an ID individually in the central control device. The duct sensor 133 can upload the database to the edge server 170 at any time. Calibration of the signal from the duct sensor 133 can take a method of confirming the state of the inside of the blower pipe by comparing the acoustic signal input when the equipment is operated as a reference value and comparing it with the held database value. The duct sensor 133 may analyze the blockage state value of the blower pipe in real time from the received sound signal and transmit the resultant value. The duct sensor 133 can perform remote monitoring by wireless or wired wire such as WiFi or LTE so that the resultant value of the air pipe state can be viewed from the outside.

상기 차압센서(132)는 설비 내부의 압력을 실시간으로 모니터링 하여 상기 덕트센서(133) 또는 상기 엣지서버(170)에 값을 줄 수 있다. 상기 엣지서버(170)는 상기 차압센서(132)에서 오는 신호 값을 모니터링하여 설정된 압력 값을 초과 혹은 이하가 되었을 경우 상기 블로어(134)의 속도를 제어할 수 있게 한다.The differential pressure sensor 132 may monitor the pressure inside the facility in real time and provide a value to the duct sensor 133 or the edge server 170 . The edge server 170 monitors the signal value coming from the differential pressure sensor 132 and controls the speed of the blower 134 when the pressure exceeds or falls below a set pressure value.

상기 제1 다종선별부(130)는 모터 전류 및 온도감지센서, 장비 진동감지센서, 노이즈 감지센서, 정비도어 열림 감지 센서 등을 더 포함할 수 있다. The first multi-type selection unit 130 may further include a motor current and temperature detection sensor, an equipment vibration detection sensor, a noise detection sensor, a maintenance door open detection sensor, and the like.

상기 제1 다종선별부(130)는 상기 블로어(134) 이후 분지관에 자동컨트롤 댐퍼를 설치하여 선별기의 내외부 차압조절을 위한 회수선별공기량과 배출선별공기량을 딥러닝(Deep Learning) 시스템의 상기 엣지서버(170)가 컨트롤 하여 순환공기로 인한 내부 양압을 방지할 수 있다.The first multi-type sorting unit 130 installs an automatic control damper in the branch pipe after the blower 134 to adjust the amount of air collected and sorted for discharge for adjusting the differential pressure between the inside and outside of the sorter at the edge of the Deep Learning system. The server 170 may control and prevent internal positive pressure due to circulating air.

상기 블로어(134)는 상기 제1 다종선별부(130) 내에 선별을 위한 공기 흐름을 발생시킬 수 있다. 상기 블로어(134)는 상기 차압센서(132), 상기 덕트센서(133) 외의 다른 모든 센서의 정보를 분석하여 상기 엣지서버(170)에서 딥러닝(Deep Learning)으로 분석한 자료를 기반으로 속도가 조절할 수 있다.The blower 134 may generate an air flow for sorting within the first multi-type sorting unit 130 . The blower 134 analyzes information of all sensors other than the differential pressure sensor 132 and the duct sensor 133, and the speed is increased based on the data analyzed by deep learning in the edge server 170. can be adjusted

상기 제2 다종선별부(140)는 선별된 고비중 폐기물을 종류에 따라 선별하는 고비중선별부(141), 선별된 중비중 폐기물을 철 및 비철류로 선별하는 철-비철선별부(142) 및 선별된 저비중 폐기물을 종류에 따라 선별하는 저비중선별부(143)을 포함할 수 있다.The second multi-class sorting unit 140 includes a high specific gravity sorting unit 141 that sorts the sorted high specific gravity wastes according to types, and a ferrous-non-ferrous sorting unit 142 that sorts the sorted medium specific gravity wastes into ferrous and non-ferrous types. And it may include a low specific gravity sorting unit 143 for sorting the sorted low specific gravity waste according to the type.

상기 고비중선별부(141)은 상기 고비중 폐기물에서 철 및 비철을 선별하는 자력선별기(1411), 가스캔을 선별하고 파쇄하여 잔여 가스를 제거하는 가스캔파쇄기(1412), 및 선별된 상기 폐기물의 위치별 적재량을 감지해 최적만적을 위한 위치를 조정하는 암롤박스(1415)를 포함할 수 있다. The high specific gravity sorting unit 141 includes a magnetic separator 1411 for sorting iron and non-ferrous metals from the high specific gravity waste, a gas can crusher 1412 for sorting and crushing gas cans to remove residual gas, and the sorted waste. It may include an arm roll box 1415 that detects the load amount for each position of the load and adjusts the position for the optimal load.

상기 유리병 및 조각의 색상은 갈색, 녹색, 투명을 포함할 수 있다. 상기 유리조각의 크기는 20mm 이상일 수 있다. 상기 유리병은 500g 이하의 무게일 수 있다. The color of the glass bottle and pieces may include brown, green, and transparent. The glass pieces may have a size of 20 mm or more. The glass bottle may weigh less than 500 g.

상기 자력선별기(1411)는 가스캔, 철 및 비철을 선별할 수 있다. 상기 자력선별기(1411)는 가스캔 타공기를 포함할 수 있다. 상기 자력선별기(1411)는 상기 가스캔 타공기에서 상기 가스캔에 구멍을 내 여가스를 제거할 수 있다. 상기 가스캔은 연료용 가스캔, 헤어 스프레이, 살충제 캔을 포함할 수 있다. 상기 가스캔은 상기 썩션 그리퍼(12)로 선별하여 상기 가스캔 타공기에 투입할 수 있다.The magnetic separator 1411 can sort out gas cans, ferrous and non-ferrous. The magnetic separator 1411 may include a gas can puncher. The magnetic separator 1411 can remove gas by making a hole in the gas can with the gas can puncher. The gas can may include a fuel gas can, a hair spray can, and an insecticide can. The gas can may be sorted by the suction gripper 12 and put into the gas can perforator.

상기 고비중선별부(141)은 유리병을 먼저 선별하고 유리조각은 후단에 선별, 유리 조각은 상기 썩션 그리퍼(12)로 선별하고 유리병은 상기 핸드 그리퍼(11)를 이용하여 선별할 수 있다. 상기 고비중선별부(141)은 PET병 및 PE병 등 플라스틱 재질 중 액체류가 있는 제품은 구분하여 플라스틱타공기에 투입하여 액체 압축 배출 후 상기 제1 다종선별부(130)으로 투입할 수 있다. The high specific gravity sorting unit 141 sorts glass bottles first, sorts glass pieces at the rear, sorts glass pieces with the suction gripper 12, and sorts glass bottles using the hand gripper 11. . The high specific gravity sorting unit 141 separates products containing liquid among plastic materials such as PET bottles and PE bottles, puts them into a plastic puncher, compresses and discharges the liquid, and then puts them into the first multi-type sorting unit 130. .

상기 저비중선별부(143)은 상기 저비중 폐기물에서 종이 및 알캔을 종류에 따라 선별하고, 상기 종이는 카드보드, 코팅지, 신문지로 구분될 수 있다.The low specific gravity sorting unit 143 sorts paper and alcans from the low specific gravity waste according to types, and the paper can be classified into cardboard, coated paper, and newspaper.

상기 재활용 가능 폐기물 선별 시스템(100)는 상기 폐기물을 진동판에서 선별하는 진동선별공급부(144) 및 카메라로 영상을 획득해 재질, 색상 및 금속 여부를 감지해 선별하는 광학선별부(145)를 포함할 수 있다. 상기 광학선별부(145)와 상기 로봇검수부(150)를 이용하여 99.997% 선별률을 달성할 수 있다. The recyclable waste sorting system 100 may include a vibration sorting supply unit 144 that sorts the waste on a vibrating plate and an optical sorting unit 145 that acquires an image with a camera and detects and sorts the material, color, and metal. can A screening rate of 99.997% can be achieved by using the optical sorting unit 145 and the robot inspection unit 150.

상기 광학선별부(145)는 근적외선(NIR) + 색상(Color) + 금속감지센서 스캐너 적용하여 상기 폐기물을 재질 및 색상별로 선별할 수 있다. 예를 들어, 본 발명의 일 실시 예에 따른 상기 광학선별부(145)는 PET, PE, PP, PS, PLA, PETG, PC, ABS 등으로 구분할 수 있고, 새로운 재질이 발견되는 경우 새로운 클래스를 생성하여 구분할 수 있다. The optical sorting unit 145 may sort the waste by material and color by applying a near infrared ray (NIR) + color + metal sensor scanner. For example, the optical sorting unit 145 according to an embodiment of the present invention can be classified into PET, PE, PP, PS, PLA, PETG, PC, ABS, etc., and when a new material is found, a new class is selected. can be created and differentiated.

상기 로봇검수부(150)는 딥러닝 기반 AI 로봇을 이용하여 상기 폐기물을 형태별로 선별할 수 있다. 본 발명의 일 실시 예에 따르면, 상기 로봇검수부(150)는 PET 재질 중 PET Plate, PET Cup, PET필름 등은 선별해 기본적 재질(PET), 물성(PET IV 0.76-0.82의 음료수 포장병, IV 0.72 이하 판형 PET로 구분)별 선별 및 색상 별 선별할 수 있다. 여기서 IV는 고유점도의 단위이다. 상기 로봇검수부(150)는 PET병 중 사전학습결과에 따라 라벨 내부의 PET병 색상을 인식 또는 추정하고 PET병의 색상에 맞게 선별할 수 있다.The robot inspection unit 150 may sort the waste by type using a deep learning-based AI robot. According to an embodiment of the present invention, the robot inspection unit 150 sorts out PET plates, PET cups, PET films, etc. from PET materials, and selects basic materials (PET), physical properties (beverage packaging bottles with PET IV 0.76-0.82, It can be sorted by IV 0.72 or less plate-type PET) and sorted by color. where IV is the unit of intrinsic viscosity. The robot inspecting unit 150 may recognize or estimate the color of the PET bottle inside the label according to the result of prior learning among the PET bottles, and select them according to the color of the PET bottle.

상기 로봇검수부(150)는 카메라가 컨베이어를 통해 이동하는 상기 폐기물을 촬영한 영상을 CNN(Convolutional Neural Network)을 통과시켜 특징을 추출할 수 있다. 상기 로봇검수부(150)는 CNN을 통해 추출한 특징에 기반해 상기 폐기물의 형태를 구분할 수 있다. 상기 로봇검수부(150)는 상기 CNN을 통해 추출한 특징에 따른 상기 폐기물의 형태를 확률적으로 판단할 수 있다. 예를 들어, 추출된 특징이 기 학습된 폐기물의 형태에 따른 특징과 일치할 수도 있지만, 완벽히 일치하지 않는 경우 기 학습된 폐기물의 형태 중 일치 확률이 가장 높은 형태로 상기 폐기물의 형태를 추정할 수 있다.The robot inspection unit 150 may extract features by passing an image in which a camera captures the waste moving through a conveyor through a Convolutional Neural Network (CNN). The robot inspection unit 150 may classify the type of waste based on the features extracted through CNN. The robot inspection unit 150 may probabilistically determine the shape of the waste according to the characteristics extracted through the CNN. For example, the extracted feature may match the previously learned feature of the waste form, but if it does not match perfectly, the waste form can be estimated with the form having the highest matching probability among the previously learned waste forms. there is.

상기 로봇검수부(150)는 상기 폐기물의 물성, 형태, 색상을 고려하여 상기 폐기물의 재질을 판단하고 재질에 따라 선별할 수 있다. The robot inspection unit 150 may determine the material of the waste in consideration of the physical properties, shape, and color of the waste, and sort it according to the material.

상기 로봇검수부(150)는 하기 수학식 1의 함수를 연산해 선별 대상 폐기물 x로 결정된 상기 폐기물의 재질을 판단할 수 있다.The robot inspection unit 150 may calculate the function of Equation 1 below to determine the material of the waste determined as waste x to be sorted.

[수학식 1][Equation 1]

Figure 112022033812689-pat00018
Figure 112022033812689-pat00018

여기서,

Figure 112022033812689-pat00019
는 상기 폐기물 x의 물성 값,
Figure 112022033812689-pat00020
는 상기 폐기물 x의 영상에서 CNN으로 추출한 특징에 기반해 추정한 형태,
Figure 112022033812689-pat00021
는 상기 폐기물 x의 색상이고,
Figure 112022033812689-pat00022
는 물성, 형태, 색상에 따라 확률적으로 가장 유사성이 높은 재질을 결정하는 함수이다.here,
Figure 112022033812689-pat00019
is the physical property value of the waste x,
Figure 112022033812689-pat00020
Is the form estimated based on the features extracted by CNN from the image of the waste x,
Figure 112022033812689-pat00021
is the color of the waste x,
Figure 112022033812689-pat00022
is a function that determines the material with the highest similarity probabilistically according to physical properties, shape, and color.

상기 함수

Figure 112022033812689-pat00023
는 인풋 값들의 조합에 따라 상기 폐기물 x의 재질이 PET, PE, PP, PS, PLA, PETG, PC, ABS, PET Plate, PET Cup, PET필름 각각에 해당할 확률을 결정할 수 있다. 상기 함수
Figure 112022033812689-pat00024
는 인풋 값들의 조합에 따라 계산된 각 재질에 해당할 확률 중 가장 확률이 높은 재질을 상기 폐기물 x의 재질로 출력할 수 있다. said function
Figure 112022033812689-pat00023
can determine the probability that the material of the waste x corresponds to each of PET, PE, PP, PS, PLA, PETG, PC, ABS, PET Plate, PET Cup, and PET film according to a combination of input values. said function
Figure 112022033812689-pat00024
can output the material with the highest probability among the probabilities corresponding to each material calculated according to the combination of input values as the material of the waste x.

상기 로봇검수부(150)는 상기 폐기물의 재질을 판단한 결과의 정확도에 대한 피드백을 받아 학습하여 상기 함수

Figure 112022033812689-pat00025
를 수정 또는 갱신할 수 있다. 상기 판단 결과의 정확도에 대한 피드백은 사용자가 검출한 오류들의 비율, 오류가 발생한 폐기물의 선별 시 촬영된 영상 및 오류가 발생한 폐기물의 실제 재질을 포함할 수 있다. 상기 로봇검수부(150)는 상기 판단 결과의 정확도에 대한 피드백을 재학습하여 상기 함수
Figure 112022033812689-pat00026
를 수정 또는 갱신할 수 있다.The robot inspection unit 150 receives feedback on the accuracy of the result of determining the material of the waste and learns the function
Figure 112022033812689-pat00025
may be modified or updated. The feedback on the accuracy of the determination result may include a ratio of errors detected by the user, an image taken when erroneous waste is sorted, and an actual material of the erroneous waste. The robot inspection unit 150 re-learns the feedback on the accuracy of the determination result and the function
Figure 112022033812689-pat00026
may be modified or updated.

상기 광학선별부(145)는 상기 폐기물을 재질, 색상, 금속에 따른 1차 선별하고, 상기 로봇검수부(150)는 상기 폐기물을 형태에 따라 2차 선별할 수 있다. The optical sorting unit 145 may first sort the waste according to material, color, and metal, and the robot inspection unit 150 may secondarily sort the waste according to the shape.

상기 로봇검수부(150)는 최종 배출되는 폐기물을 재질 및 특성에 따라 99.997% 선별할 수 있다. 상기 로봇검수부(150)는 페트병의 뚜껑 및 라벨의 재질 상이한 부분은 계산에서 제외할 수 있다. 상기 로봇검수부(150)는 신물질+신제품 학습하고, 선택품목을 전환할 수 있다. The robot inspection unit 150 can select 99.997% of the wastes finally discharged according to the material and characteristics. The robot inspection unit 150 may exclude parts of different materials of the lid and label of the PET bottle from the calculation. The robot inspection unit 150 may learn new material + new product and switch selected items.

상기 로봇검수부(150)는 혹은 저장압축부(160) 전단에 설치되는 AI QC 카메라(163)가 캡쳐하여 전송하는 순도데이터를 기반으로 상기 엣지서버(170)가 판단으로 상기 진동선별공급부(144)의 루프 벙커에서 배출되는 컨베이어의 속도를 조절하여 상기 로봇검수부(150)가 선별할 수 있는 최적의 투입상태로 자동조절하여 최적의 상태로 운영하는 시스템 구축할 수 있다. 또한 루프 벙커의 수량 증가 속도 확인 후 시스템 후단의 선별부가 감당하기 어렵다고 판단하는 경우 전단에 설치된 파봉정량공급부(110)의 운전속도 조절 등으로 AI 카메라를 적용하여 전체 운영시스템 최적화 운전 자동 조절을 수행할 수 있다. The robot inspection unit 150 or the AI QC camera 163 installed in front of the storage compression unit 160 determines based on the purity data captured and transmitted by the edge server 170, and the vibration sorting supply unit 144 ) By adjusting the speed of the conveyor discharged from the loop bunker, it is possible to build a system that operates in an optimal state by automatically adjusting to the optimal input state that the robot inspection unit 150 can select. In addition, after checking the rate of increase in the quantity of the loop bunker, if it is determined that the sorting unit at the rear of the system is difficult to handle, an AI camera is applied to adjust the operation speed of the sachet metering supply unit 110 installed at the front, etc. to perform automatic operation adjustment to optimize the entire operating system can

상기 로봇검수부(150)는 각 재질별로 광학선별된 선별물질을 종류별(PET병, PET컵, PET판 등)로 인식하여 상기 썩션 그리퍼(12)로 2차 선별할 수 있다 그리퍼는 플라스틱 용으로 상기 썩션 그리퍼(12)를 사용하여 썩션 인 앤 아웃(Suction In and Out) 운동으로 재질별 투입 슈터에 선별할 수 있다. 상기 로봇검수부(150) 전단에 설치된 카메라에서 얻은 정보에 기반하여 움직임 및 정보 전달 및 다량투입으로 인한 미선별 품의 개수를 상기 엣지서버(170)에 통지하고 이를 기반으로 투입량을 자동 조절할 수 있다.The robot inspection unit 150 recognizes the sorted materials optically sorted for each material as types (PET bottles, PET cups, PET plates, etc.) and can perform secondary sorting with the suction gripper 12. The gripper is for plastic By using the suction gripper 12, input shooters for each material can be sorted through a suction in and out movement. Based on the information obtained from the camera installed in the front end of the robot inspection unit 150, the edge server 170 is notified of the number of unsorted products due to motion and information transmission and large amount input, and the input amount can be automatically adjusted based on this.

새로운 제품은 상기 엣지서버(170)에서 1차 딥러닝 알고리즘으로 판단 후 2차 서버에 통지하며, 필요에 따라 자동 주석 프로세스를 통해, 혹은 운영자 개입으로 선별제품 판단하여 라벨링할 수 있다. 판단된 결과는 모든 상기 엣지서버(170)에 OTA로 업데이트 하여 지역내 전체 로봇의 성능을 향상시킬 수 있다.New products are judged by the first deep learning algorithm in the edge server 170 and notified to the second server, and if necessary, the selected product can be judged and labeled through an automatic annotation process or operator intervention. The determined result can be updated to all the edge servers 170 through OTA to improve the performance of all robots in the region.

상기 로봇검수부(150)는 종이+비닐+알캔 혼입물에서 종이 및 알캔을 선별할 수 있다. 상기 로봇검수부(150)는 종이의 종류별 선별할 수 있고, 상기 종이의 종류는 카드보드, 코팅지, 신문지로 구분될 수 있다. 클라우스 서버로 데이터베이스 분석 및 OTA 업데이트를 수행할 수 있다. The robot inspection unit 150 may sort out paper and alcan from paper + vinyl + alcan mixture. The robot inspection unit 150 can sort by type of paper, and the type of paper can be divided into cardboard, coated paper, and newspaper. Database analysis and OTA updates can be performed with the cloud server.

상기 로봇검수부(150)의 AI카메라 및 AI QC 카메라(163)는 촬영한 영상에서 폐기물의 종류, 위치(x, y 좌표) 및 정렬 방향(Orientation)을 포함하는 정보를 상기 엣지서버(170)로 전송할 수 있다. The AI camera and AI QC camera 163 of the robot inspection unit 150 transmit information including the type, location (x, y coordinates) and alignment direction of the waste in the captured image to the edge server 170 can be sent to

상기 저장압축부(160)는 선별 및 검수된 상기 폐기물을 저장 및 압축할 수 있다. 상기 저장압축부(160)는 적어도 하나 이상의 선별된 상기 폐기물을 선별된 재질에 따라 저장하는 선별품별저장소(161), 상기 선별품별저장소에서 선별된 상기 폐기물을 동일 재질로 모아 압축하는 복합압축기(162), 상기 선별품별저장소에서 배출되어 상기 복합압축기로 투입되는 상기 폐기물 중 불순물을 감지하는 AI QC 카메라(163)을 포함할 수 있다. The storage and compression unit 160 may store and compress the sorted and inspected waste. The storage and compression unit 160 includes a sorted product storage unit 161 for storing at least one or more sorted wastes according to the sorted materials, and a composite compressor 162 for collecting and compressing the wastes sorted in the sorted product storage storage into the same material. ), and an AI QC camera 163 for detecting impurities in the waste discharged from the sorting storage and introduced into the composite compressor.

상기 저장압축부(160)는 저장물질의 무게 및 면적 파악 후 저장과 배출을 자동으로 조절할 수 있다. 상기 저장압축부(160)는 저장조 감시 센서 및 기타 제어 센서와 자동 압축기 시스템을 이용해 자동선별기와 로봇에 의해 선별된 재활용 가능 폐기물을 자동으로 압축하여 저장과 이송을 용이하게 할 수 있다. The storage compression unit 160 can automatically control storage and discharge after determining the weight and area of the storage material. The storage compression unit 160 may facilitate storage and transportation by automatically compressing recyclable wastes sorted by an automatic sorter and a robot using a storage tank monitoring sensor, other control sensors, and an automatic compressor system.

상기 저장압축부(160)는 일정 물량 이상의 목표 저장물량에 이른 후 컨베이어를 이용하여 복합압축기(162)로 자동 이동 후 압축량 데이터를 상기 엣지서버(170)에 전송할 수 있다.The storage compression unit 160 may transmit compression amount data to the edge server 170 after automatically moving to the multi-compressor 162 using a conveyor after reaching a target storage amount of a certain amount or more.

상기 저장압축부(160)는 광학선별부(145) 및 로봇검수부(150)를 통하여 선별된 99.997%의 순도의 선별물들을 저장벙커에 재질별 선별게이트 및 공기 블로어를 이용하여 선택적으로 투입할 수 있다. The storage compression unit 160 selectively puts the sorted materials of 99.997% purity sorted through the optical sorting unit 145 and the robot inspection unit 150 into the storage bunker using a sorting gate for each material and an air blower. can

상기 저장압축부(160)에 포함되는 PET 병 타공기는 자동선별기가 PET선별 시만 자동으로 작동하며 투입되는 PET병을 타공 후 상기 선별품별저장소(161)에 투입할 수 있다. The PET bottle puncher included in the storage compression unit 160 automatically operates only when the automatic sorting machine sorts out PET, and the injected PET bottle can be punched and then put into the sorted product storage unit 161.

상기 저장압축부(160)는 상기 선별품별저장소(161)의 상단에 AI 카메라, 초음파 센서, 혹은 벙커의 하단에 저울센서를 설치하여, 벙커에 투입되는 물량 확인 후 1개 베일(Bale)의 물량이 되면, 상기 엣지서버(170)와 교신을 통해 자동으로 상기 복합압축기(162)에 투입 후 압축할 수 있다. The storage compression unit 160 installs an AI camera, an ultrasonic sensor, or a scale sensor at the bottom of the bunker at the top of the sorting storage unit 161 to check the quantity of goods put into the bunker, and then the quantity of one bale When this happens, it can be compressed after being automatically put into the composite compressor 162 through communication with the edge server 170 .

상기 저장압축부(160)는 상기 선별품별저장소(161)에 투입 물질량의 합계 무게 및 합계 면적 파악 후 저장량과 배출량 자동으로 조절할 수 있다. 저장량 감지 센서 및 상기 복합압축기(162)의 운영상태를 인터록으로 교신하여 운영판단을 할 수 있다. The storage and compression unit 160 can automatically adjust the storage amount and discharge amount after determining the total weight and total area of the input material amount in the sorted product storage unit 161. Operation determination can be made by communicating the storage amount detection sensor and the operating state of the composite compressor 162 through interlock.

상기 저장압축부(160)는 일정 물량 이상의 목표 저장물량에 이른 후 배출 컨베이어를 이용하여 상기 복합압축기(162)로 자동 이동 후 압축량 및 압축물의 순도(투입된 물질의 숫자 (예, PET병의 개수), 불순물의 종류 및 숫자와 전체순도 (무게 및 숫자 기준)를 상기 AI QC 카메라(163)가 찍어 상기 엣지서버(170)에 송출하여 판단하고 각 베일별 품질보증용 순도와 조성표를 프린트(베일별 lot 관리 가능하고 품질 보증 판매 가능) 후 베일 별 구분 관리 및 자동 관리할 수 있다.The storage compression unit 160 automatically moves to the multi-compressor 162 using a discharge conveyor after reaching a target storage amount of a certain amount or more, and then the compression amount and purity of the compressed material (the number of input materials (eg, the number of PET bottles) ), the type and number of impurities and total purity (based on weight and number) are taken by the AI QC camera 163 and sent to the edge server 170 to determine, and print the purity and composition table for quality assurance for each bale (veil Possible to manage by lot and sell with quality assurance), then separate management and automatic management by bale.

상기 저장압축부(160)는 압축 후 배출된 물질의 순도 및 종류를 관리하고 보관 후 배출할 수 있도록 하여 최소의 비용으로 선별, 저장하고 최고가로 판매할 수 있다. The storage and compression unit 160 manages the purity and type of materials discharged after compression, stores them and discharges them, so that they can be sorted, stored, and sold at the highest price.

폐기물 선별 시설에서 재활용 불가능한 재질은 선별, 분쇄 및 건조된 플라스틱류는 SRF로, 종이는 폐지로 압축품으로 생산하여, 품질 관리 후 발전소 및 기타 수요처에 공급하여 화학적 재활용 및 물질 재활용 및 에너지화 재활용(가스화 및 석유화학 물질 생산 - MEOH 등)을 구축할 수 있다. In the waste sorting facility, non-recyclable materials are sorted, crushed, and dried, plastics are produced as SRF, and paper is produced as compressed products, and after quality control, they are supplied to power plants and other consumers for chemical recycling, material recycling, and energy recycling ( Gasification and petrochemical production - MEOH, etc.) can be established.

상기 엣지서버(170)는 상기 파봉정량공급부, 상기 대형물선별부, 상기 제1 다종선별부, 상기 제2 다종선별부 및 상기 로봇검수부에서 폐기물 선별을 위한 AI학습 및 폐기물 종류 감지 연산을 수행하고, 센서 데이터를 획득하여 감시 및 제어하며, 사고 예방 정보를 관리자에 전송할 수 있다.The edge server 170 performs AI learning and waste type detection calculations for waste sorting in the package quantity supply unit, the large-size item sorting unit, the first multi-type sorting unit, the second multi-type sorting unit, and the robot inspection unit. It acquires sensor data, monitors and controls it, and transmits accident prevention information to the manager.

상기 엣지서버(170)는 상기 재활용 가능 폐기물 선별 시스템(100)을 자동화할 수 잇다. 상기 엣지서버(170)는 데이터를 중앙 서버 BD로 연동하여 빅데이터 분석을 할 수 있다. 상기 엣지서버(170)는 운전원 안전운전을 감시할 수 있다. 상기 엣지서버(170)는 외부 방문자의 안전을 감시할 수 있다. 상기 엣지서버(170)는 농약, 솔벤트, 밧데리 등의 위험물 반입을 감시할 수 있다. 상기 엣지서버(170)는 미선별물 성상조사 및 대책을 수립할 수 있다. 상기 엣지서버(170)는 반입물성상조사, 향후정책 반영 및 운영 및 반영할 수 있다. 상기 엣지서버(170)는 서버데이터 분석을 통한 선별장간 교차운영을 할 수 있다. 상기 엣지서버(170)는 최대처리용량을 확인할 수 있다. 상기 엣지서버(170)는 상기 재활용 가능 폐기물 선별 시스템(100)의 구성요소의 고장 예상 시점을 예측할 수 있고, 예지정비를 통한 수명연장을 도모할 수 있다. The edge server 170 can automate the recyclable waste sorting system 100 . The edge server 170 can perform big data analysis by linking data to the central server BD. The edge server 170 may monitor the driver's safe driving. The edge server 170 may monitor the safety of external visitors. The edge server 170 can monitor dangerous materials such as pesticides, solvents, and batteries. The edge server 170 may investigate properties of unsorted substances and establish countermeasures. The edge server 170 can investigate incoming material properties, reflect, operate, and reflect future policies. The edge server 170 can cross-operate between sorting fields through server data analysis. The edge server 170 may check the maximum processing capacity. The edge server 170 can predict the expected time of failure of the components of the recyclable waste sorting system 100, and can promote life extension through predictive maintenance.

상기 엣지서버(170)는 전체 단말을 모두 연결할 수 있다. 상기 엣지서버(170)는 그래픽 데이터 처리 내용 DB 저장 및 빅데이터 분석을 할 수 있다. 상기 엣지서버(170)는 신호 데이터를 수거하고, 판단 알고리즘 운영할 수 있다. 상기 엣지서버(170)는 미판단 데이터 라벨링할 수 있다. 상기 엣지서버(170)는 모터, 컨베이어, 유압장치의 운영시간 및 정비시간 일정 자동 계측 및 통지할 수 있다. 상기 엣지서버(170)는 상기 로봇검수부(150) 및 로봇팔에서 그래픽 캡쳐와 선별기능 및 현장 운영자 안전 기능 카메라 운영 자동화를 구현할 수 있다. 상기 엣지서버(170)는 운전자 및 방문자 안전 보장 운영을 할 수 있다. 상기 엣지서버(170)는 수거 폐기물의 발생 및 년차별 조성비 관련 데이터를 축적하고, 상관성 분석 및 미래예측을 수행할 수 있다. 상기 엣지서버(170)는 선별 물질의 조성비 및 선별 순도 변화, 시간별, 일별, 계절별, 년도별로 데이터 분석을 통해 예측 자료를 생성할 수 있다. 상기 엣지서버(170)는 향후 폐기물 처리시설 설계 시 기본 데이터로 활용하여 미래 예측곡선 추정 알고리즘으로 활용할 수 있다. 상기 엣지서버(170)는 AI 카메라 및 센서 시스템을 이용한 안전 운전 능력 확보하여 운전원 안전운전 감시, 외부방문자 안전감시, 위험물 반입감시를 할 수 있다. The edge server 170 may connect all terminals. The edge server 170 can store graphic data processing content DB and analyze big data. The edge server 170 may collect signal data and operate a judgment algorithm. The edge server 170 may label non-judgmental data. The edge server 170 can automatically measure and notify operating hours and maintenance schedules of motors, conveyors, and hydraulic devices. The edge server 170 can implement graphic capture and sorting functions and field operator safety function camera operation automation in the robot inspection unit 150 and the robot arm. The edge server 170 can ensure the safety of drivers and visitors. The edge server 170 may accumulate data related to the generation of collected waste and the composition ratio by year, and perform correlation analysis and future prediction. The edge server 170 may generate prediction data through data analysis by composition ratio and purity of the selected material, by time, by day, by season, and by year. The edge server 170 can be used as basic data when designing a waste treatment facility in the future and used as a future prediction curve estimation algorithm. The edge server 170 secures safe driving capabilities using an AI camera and sensor system, and can monitor safe driving of drivers, safety of external visitors, and monitoring of dangerous goods.

상기 엣지서버(170)는 지역별 발생 데이터를 서버 빅데이터 분석을 통한 선별장간 교차운영 및 운영정보 및 노하우 교류할 수 있다. 상기 엣지서버(170)는 최대처리용량 확인하여 수거시스템과 선별 운영시스템을 연계 운영하여 지역별, 요일별, 계절별 최적 운영조건 확보 및 지역별 연계 운전으로 처리시설의 다자간 운전으로 전국 폐기물 처리시설의 100% 활용 운전할 수 있다. 상기 엣지서버(170)는 예지정비를 통한 전체 시스템의 수명연장 및 운영인원 중 전문인력의 최대 활용 및 위험지역 운영인원 최소화할 수 있다. The edge server 170 can cross-operate and exchange operating information and know-how between sorting sites through server big data analysis of data generated by region. The edge server 170 confirms the maximum processing capacity and operates the collection system and sorting operation system in conjunction to secure optimal operating conditions by region, day of the week, and season, and utilizes 100% of waste treatment facilities nationwide through multilateral operation of treatment facilities through linked operation by region. can drive The edge server 170 can extend the lifespan of the entire system through predictive maintenance, maximize the use of professional personnel among operating personnel, and minimize the number of operating personnel in dangerous areas.

상기 엣지서버(170)는 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템(100)의 안전성 유지를 위해 사고 발생 가능성을 감시할 수 있다. 는 본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 시스템(100)의 파봉정량공급부(110), 대형물선별부(120), 제1 다종선별부(130), 제2 다종선별부(140), 로봇검수부(150), 저장압축부(160)는 전류센서, 음파센서, 습도센서, 온도센서, 진동센서, 전압센서, 레벨센서 중 적어도 어느 하나 이상의 센서를 포함할 수 있다. 상기 엣지서버(170)는 상기 파봉정량공급부(110), 대형물선별부(120), 제1 다종선별부(130), 제2 다종선별부(140), 로봇검수부(150), 저장압축부(160)의 전류센서, 음파센서, 습도센서, 온도센서, 진동센서, 전압센서, 레벨센서에서 각각 측정 또는 감지 데이터를 수신하고 처리할 수 있다. 상기 엣지서버(170)는 수신한 상기 측정 또는 감지 데이터에 기반해 상기 재활용 가능 폐기물 선별 시스템(100)의 파봉정량공급부(110), 대형물선별부(120), 제1 다종선별부(130), 제2 다종선별부(140), 로봇검수부(150), 저장압축부(160)의 고장 발생 확률을 판단하고 사용자에게 고장 발생 가능성에 대한 알림을 발생시키거나 상기 재활용 가능 폐기물 선별 시스템(100)의 적어도 일부분 이상을 운행 정지할 수 있다. The edge server 170 may monitor the possibility of an accident to maintain the safety of the recyclable waste sorting system 100 according to an embodiment of the present invention. In accordance with an embodiment of the present invention, the packaging bag quantitative supply unit 110, the large item sorting unit 120, the first multi-type sorting unit 130, and the second multi-type sorting unit 140 of the recyclable waste sorting system 100 according to an embodiment of the present invention , The robot inspection unit 150, the storage compression unit 160 may include at least one sensor of a current sensor, a sound wave sensor, a humidity sensor, a temperature sensor, a vibration sensor, a voltage sensor, and a level sensor. The edge server 170 includes the shredded bag quantitative supply unit 110, the large product sorting unit 120, the first multi-class sorting unit 130, the second multi-class sorting unit 140, the robot inspection unit 150, and the storage compression The current sensor, sound wave sensor, humidity sensor, temperature sensor, vibration sensor, voltage sensor, and level sensor of the unit 160 may receive and process measurement or sensing data, respectively. The edge server 170, based on the received measurement or detection data, the package quantity supply unit 110, the large-size item sorting unit 120, and the first multi-type sorting unit 130 of the recyclable waste sorting system 100 , Determines the failure probability of the second multi-type sorting unit 140, the robot inspection unit 150, and the storage compression unit 160 and generates a notification about the possibility of failure to the user or the recyclable waste sorting system 100 ) At least a portion of the operation may be stopped.

상기 엣지서버(170)는 상기 측정 또는 감지 데이터를 분석하여 고장 발생 가능성을 판단할 수 있다. 상기 측정 또는 감지 데이터는 상기 파봉정량공급부(110), 대형물선별부(120), 제1 다종선별부(130), 제2 다종선별부(140), 로봇검수부(150), 저장압축부(160) 중 어느 하나의 전류, 온도, 진동, 전압, 폐기물의 높이 중 적어도 어느 하나 이상을 포함할 수 있다. The edge server 170 may analyze the measurement or sensing data to determine the possibility of failure. The measurement or detection data is supplied by the packaged bar quantity supply unit 110, the large product sorting unit 120, the first multi-class sorting unit 130, the second multi-class sorting unit 140, the robot inspection unit 150, and the storage compression unit. (160) of any one of current, temperature, vibration, voltage, may include at least one or more of the height of the waste.

상기 엣지서버(170)는 상기 전류, 온도, 진동, 전압, 폐기물의 높이에 따른 고장발생 확률을 연산할 수 있다. The edge server 170 may calculate a failure probability according to the current, temperature, vibration, voltage, and height of the waste.

상기 엣지서버(170)는 하기 수학식 2를 연산하여 상기 파봉정량공급부(110), 대형물선별부(120), 제1 다종선별부(130), 제2 다종선별부(140), 로봇검수부(150), 저장압축부(160)에서의 고장 발생 확률을 연산할 수 있다.The edge server 170 calculates the following Equation 2 to perform the wave bar quantitative supply unit 110, the large product sorting unit 120, the first multi-type sorting unit 130, the second multi-type sorting unit 140, and the robot inspection. Probabilities of occurrence of failures in the unit 150 and the storage compression unit 160 may be calculated.

[수학식 2] [Equation 2]

Figure 112022033812689-pat00027
Figure 112022033812689-pat00027

여기서, n은 대상부,

Figure 112022033812689-pat00028
은 n에서의 고장 발생 확률,
Figure 112022033812689-pat00029
각 요인에 따른 고장 발생 확률들의 복합적 작용에 따른 종합 고장 발생 확률을 연산하는 함수,
Figure 112022033812689-pat00030
은 n에서의 온도에 따른 고장 발생 확률,
Figure 112022033812689-pat00031
은 n에서의 전류 값 변화에 따른 사고 발생 확률,
Figure 112022033812689-pat00032
는 n에서의 전압 값 변화에 따른 사고 발생 확률,
Figure 112022033812689-pat00033
은 n에서 감지된 진동의 주파수와 진폭에 따른 사고 발생 확률이다 Here, n is the target part,
Figure 112022033812689-pat00028
is the failure probability at n,
Figure 112022033812689-pat00029
A function that calculates the overall failure probability according to the complex action of failure occurrence probabilities according to each factor;
Figure 112022033812689-pat00030
is the probability of failure occurrence as a function of temperature at n,
Figure 112022033812689-pat00031
is the probability of occurrence of an accident according to the change in current value at n,
Figure 112022033812689-pat00032
is the probability of occurrence of an accident according to the voltage value change at n,
Figure 112022033812689-pat00033
is the probability of occurrence of an accident according to the frequency and amplitude of the vibration detected at n

상기 대상부는 상기 파봉정량공급부(110), 대형물선별부(120), 제1 다종선별부(130), 제2 다종선별부(140), 로봇검수부(150), 저장압축부(160) 중 어느 하나일 수 있다.The target unit includes the packaged bag quantitative supply unit 110, the large product sorting unit 120, the first multi-class sorting unit 130, the second multi-class sorting unit 140, the robot inspection unit 150, the storage compression unit 160 can be any one of

상기 엣지서버(170)는 상기

Figure 112022033812689-pat00034
을 일정 주기마다 연산할 수 있다. 상기 엣지서버(170)는 상기
Figure 112022033812689-pat00035
은 센서에서 측정한 값이 변할 때마다 연산할 수 있다. 상기
Figure 112022033812689-pat00036
이 제1 임계 값 이상인 경우 상기 엣지서버(170)는 사용자에게 사고 발생 가능성에 대한 알림을 사용자의 단말에 출력할 수 있다. 상기
Figure 112022033812689-pat00037
이 제1 임계값 이상인 경우 상기 엣지서버(170)는 상기 사용자에게 점검을 위한 알람을 사용자의 단말에 출력할 수 있다. 상기
Figure 112022033812689-pat00038
이 제2 임계 값 이상인 경우 상기 엣지서버(170)는 상기 대상부 n의 구동을 중단할 수 있다. 상기
Figure 112022033812689-pat00039
이 제2 임계 값 이상인 경우, 상기 엣지서버(170)는 사용자에게 긴급 점검 또는 대처를 위한 알림을 사용자의 단말에 출력할 수 있다. 상기
Figure 112022033812689-pat00040
이 제2 임계 값 이상인 경우 상기 엣지서버(170)는 상기 대상부 n의 중단에 대한 알림을 사용자의 단말에 출력할 수 있다.The edge server 170 is
Figure 112022033812689-pat00034
can be calculated at regular intervals. The edge server 170 is
Figure 112022033812689-pat00035
can be calculated whenever the value measured by the sensor changes. remind
Figure 112022033812689-pat00036
If the threshold is greater than or equal to the first threshold, the edge server 170 may output a notification to the user about the possibility of an accident to the user's terminal. remind
Figure 112022033812689-pat00037
If the value is equal to or greater than the first threshold value, the edge server 170 may output an alarm to the user's terminal for inspection. remind
Figure 112022033812689-pat00038
If it is equal to or greater than the second threshold, the edge server 170 may stop driving the target unit n. remind
Figure 112022033812689-pat00039
If the value is greater than or equal to the second threshold, the edge server 170 may output a notification to the user for emergency inspection or response to the user's terminal. remind
Figure 112022033812689-pat00040
If the value is equal to or greater than the second threshold, the edge server 170 may output a notification about the suspension of the target unit n to the user's terminal.

상기 제2 임계 값은 상기 제1 임계 값보다 큰 값일 수 있다. 상기 제1 임계 값 및 상기 제2 임계 값은 0~1사이의 값일 수 있다. 상기 제1 임계 값 및 상기 제2 임계 값은 사용자에 의해 지정되는 값일 수 있다. 본 발명의 일 실시 예에 따르면, 상기 제1 임계 값은 0.35~0.5의 값이 바람직하다. 상기 제2 임계 값은 0.65~0.9의 값이 바람직하다.The second threshold value may be greater than the first threshold value. The first threshold value and the second threshold value may be values between 0 and 1. The first threshold value and the second threshold value may be values specified by a user. According to one embodiment of the present invention, the first threshold value is preferably a value of 0.35 to 0.5. The second threshold value preferably has a value of 0.65 to 0.9.

상기 엣지서버(170)는 상기

Figure 112022033812689-pat00041
,
Figure 112022033812689-pat00042
,
Figure 112022033812689-pat00043
,
Figure 112022033812689-pat00044
중 값이 없는 인풋은 제외하고 상기 수학식 2를 연산하여 고장 발생 확률을 연산할 수 있다. The edge server 170 is
Figure 112022033812689-pat00041
,
Figure 112022033812689-pat00042
,
Figure 112022033812689-pat00043
,
Figure 112022033812689-pat00044
Excluding inputs with no middle value, the failure occurrence probability may be calculated by calculating Equation 2 above.

본 발명의 일 실시 예에 따른 재활용 가능 폐기물 선별 방법은 수거된 폐기물봉투를 파봉하고, 상기 폐기물 봉투에서 배출된 폐기물을 일정량씩 일정 간격으로 공급하는 단계(S110), 공급되는 상기 폐기물에서 대형물을 선별하는 단계(S120), 대형물이 선별된 상기 폐기물을 비중에 따라 선별하는 단계(S130), 비중에 따라 선별된 상기 폐기물을 종류에 따라 선별하는 단계(S140), 선별된 상기 폐기물을 검수하는 단계(S150), 선별 및 검수된 상기 폐기물을 저장 및 압축하는 단계(S160) 및 폐기물 선별을 위한 AI학습을 수행하고, 센서 데이터를 획득하여 감시 및 제어하며, 사고 예방 정보를 관리자에 전송하는 단계(S170)를 포함할 수 있다.A recyclable waste sorting method according to an embodiment of the present invention includes the steps of breaking the collected waste bags and supplying the waste discharged from the waste bags at regular intervals by a certain amount (S110), and removing large objects from the supplied waste. Sorting step (S120), sorting the wastes from which large objects are sorted according to specific gravity (S130), sorting the wastes sorted according to specific gravity according to types (S140), inspecting the sorted wastes Step (S150), storing and compressing the selected and inspected waste (S160), performing AI learning for waste sorting, acquiring sensor data, monitoring and controlling, and transmitting accident prevention information to a manager. (S170) may be included.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통 상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.So far, the present invention has been looked at with respect to its preferred embodiments. Those skilled in the art to which the present invention pertains will understand that the present invention can be implemented in a modified form without departing from the essential characteristics of the present invention. Therefore, the disclosed embodiments should be considered from an illustrative rather than a limiting point of view. The scope of the present invention is shown in the claims rather than the foregoing description, and all differences within the equivalent scope will be construed as being included in the present invention.

Claims (10)

수거된 폐기물봉투를 파봉하고, 상기 폐기물 봉투에서 배출된 폐기물을 일정량씩 일정 간격으로 공급하는 파봉정량공급부;
공급되는 상기 폐기물에서 대형물을 선별하는 대형물선별부;
대형물이 선별된 상기 폐기물을 비중에 따라 선별하는 제1 다종선별부;
비중에 따라 선별된 상기 폐기물을 종류에 따라 선별하는 제2 다종선별부;
상기 제2 다종선별부에서 선별된 상기 폐기물 중 적어도 일부를 검수하는 로봇검수부;
상기 제2다종선별부 및 상기 로봇검수부에서 선별 및 검수된 상기 폐기물을 저장 및 압축하는 저장압축부; 및
상기 파봉정량공급부, 상기 대형물선별부, 상기 제1 다종선별부, 상기 제2 다종선별부 및 상기 로봇검수부에서 폐기물 선별을 위한 폐기물 종류 감지 연산을 수행하고, 센서 데이터를 획득하여 감시 및 제어하며, 사고 예방 정보를 관리자에 전송하는 엣지서버;를 포함하고,
상기 제2 다종선별부는,
선별된 고비중 폐기물을 종류에 따라 선별하는 고비중선별부;를 포함하고,
상기 고비중선별부는,
상기 고비중 폐기물에서 철 및 비철을 선별하는 자력선별기;
상기 자력선별기에서 선별된 폐기물 중 가스캔을 파쇄하여 잔여 가스를 제거하는 가스캔파쇄기; 및
상기 자력선별기 및 상기 가스캔파쇄기를 통과하여 선별된 상기 폐기물의 위치별 적재량을 감지해 최적만적을 위한 위치를 조정하는 암롤박스;를 포함하고,
상기 파봉정량공급부는,
회전나이프로 수거된 폐기물 봉투를 개봉해 폐기물을 배출시키는 파봉부;
상기 파봉부로 상기 폐기물 봉투를 투입하는 투입호퍼;
상기 파봉부 전 후의 폐기물의 높이를 감지하는 레벨감지센서; 및
상기 파봉정량공급부 내에서 발생한 악취를 감지하는 악취감지센서;를 포함하고,
상기 로봇검수부는 하기 수학식 1을 연산해 PET를 재질별 선별하하는 재활용 가능 폐기물 선별 시스템.
[수학식 1]
Figure 112022127185192-pat00045

(여기서,
Figure 112022127185192-pat00046
는 상기 폐기물 x의 물성 값,
Figure 112022127185192-pat00047
는 상기 폐기물 x의 영상에서 CNN으로 추출한 특징에 기반해 추정한 형태,
Figure 112022127185192-pat00048
는 상기 폐기물 x의 색상이고,
Figure 112022127185192-pat00049
는 물성, 형태, 색상에 따라 확률적으로 가장 유사성이 높은 재질을 결정하는 함수이다.)
Breaking the collected waste bag and supplying the waste discharged from the waste bag by a predetermined amount at regular intervals;
Large-size item sorting unit for sorting large-size items from the supplied waste;
a first multi-type sorting unit for sorting the wastes from which large-sized wastes have been sorted according to their specific gravity;
a second multi-type sorting unit that sorts the wastes sorted according to specific gravity according to types;
a robot inspection unit inspecting at least a part of the wastes sorted by the second multi-type sorting unit;
a storage compression unit for storing and compressing the wastes sorted and inspected by the second multi-type sorting unit and the robot inspection unit; and
The package quantity supply unit, the large-size item sorting unit, the first multi-type sorting unit, the second multi-type sorting unit, and the robot inspection unit perform waste type detection calculations for waste sorting, and monitor and control by acquiring sensor data. and an edge server that transmits accident prevention information to the administrator.
The second multi-type selection unit,
Including; high specific gravity sorting unit for sorting the selected high specific gravity waste according to the type,
The high specific gravity sorting unit,
a magnetic separator for sorting iron and nonferrous metals from the high specific gravity waste;
a gas can crusher for removing residual gas by crushing gas cans among wastes sorted by the magnetic separator; and
An arm roll box for adjusting the position for optimum loading by detecting the loading amount of the waste sorted by position through the magnetic separator and the gas can crusher; includes,
The rupture quantity supply unit,
Opening the waste bag collected with a rotary knife to release the waste;
an input hopper for injecting the waste bag into the rupture part;
A level detection sensor for detecting the height of the waste before and after the ruptured part; and
It includes; an odor sensor for detecting an odor generated in the package quantity supply unit,
The robot inspection unit calculates Equation 1 below to sort PET by material. Recyclable waste sorting system.
[Equation 1]
Figure 112022127185192-pat00045

(here,
Figure 112022127185192-pat00046
is the physical property value of the waste x,
Figure 112022127185192-pat00047
Is the form estimated based on the features extracted by CNN from the image of the waste x,
Figure 112022127185192-pat00048
is the color of the waste x,
Figure 112022127185192-pat00049
is a function that determines the material with the highest similarity probabilistically according to physical properties, shape, and color.)
 삭제delete 제1항에 있어서,
상기 대형물선별부는,
상기 폐기물에서 대형 플라스틱, 대형 비닐, 대형 종이 및 기타 대형물을 선별하는 것을 특징으로 하는 재활용 가능 폐기물 선별 시스템.
According to claim 1,
The large item sorting unit,
Recyclable waste sorting system, characterized in that for sorting large plastic, large vinyl, large paper and other large objects from the waste.
 제1항에 있어서,
상기 제1 다종선별부는,
상기 제1 다종선별부 내의 공기의 흐름에 따라 이동하는 분진을 선별하는 분진선별부;
상기 제1 다종선별부 내의 차압 여부를 감지하는 차압센서;
분진에 의한 덕트의 막힘 여부를 감지하는 덕트센서; 및
상기 제1 다종선별부 내에 선별을 위한 공기 흐름을 발생시키는 블로어;를 포함하고,
상기 덕트센서는 복수의 위치에 적어도 2개 이상 포함하는 것을 특징으로 하는 재활용 가능 폐기물 선별 시스템.
According to claim 1,
The first multi-type selection unit,
a dust sorting unit for sorting the dust moving according to the air flow in the first multi-type sorting unit;
a differential pressure sensor for detecting whether or not there is a differential pressure in the first multi-type selection unit;
Duct sensor for detecting whether the duct is clogged by dust; and
A blower generating an air flow for sorting in the first multi-type sorting unit,
The duct sensor is a recyclable waste sorting system, characterized in that it comprises at least two or more in a plurality of positions.
 제1항에 있어서,
상기 제2 다종선별부는,
선별된 고비중 폐기물을 종류에 따라 선별하는 고비중선별부;
선별된 중비중 폐기물을 철 및 비철류로 선별하는 철-비철선별부; 및
선별된 저비중 폐기물을 종류에 따라 선별하는 저비중선별부;을 포함하는 재활용 가능 폐기물 선별 시스템.
According to claim 1,
The second multi-type selection unit,
A high specific gravity sorting unit that sorts the sorted high specific gravity waste according to the type;
a ferrous-non-ferrous sorting unit that sorts the sorted heavy-duty waste into iron and non-ferrous materials; and
Recyclable waste sorting system comprising a; low specific gravity sorting unit for sorting the sorted low specific gravity waste according to the type.
 제1항에 있어서,
상기 엣지서버는,
하기 수학식 2를 연산해 상기 파봉정량공급부, 대형물선별부, 제1 다종선별부, 제2 다종선별부, 로봇검수부, 저장압축부에서의 고장 발생 확률을 연산하는 재활용 가능 폐기물 선별 시스템.
[수학식 2]
Figure 112022033812689-pat00050

(여기서, n은 대상부,
Figure 112022033812689-pat00051
은 n에서의 고장 발생 확률,
Figure 112022033812689-pat00052
각 요인에 따른 고장 발생 확률들의 복합적 작용에 따른 종합 고장 발생 확률을 연산하는 함수,
Figure 112022033812689-pat00053
은 n에서의 온도에 따른 고장 발생 확률,
Figure 112022033812689-pat00054
은 n에서의 전류 값 변화에 따른 사고 발생 확률,
Figure 112022033812689-pat00055
는 n에서의 전압 값 변화에 따른 사고 발생 확률,
Figure 112022033812689-pat00056
은 n에서 감지된 진동의 주파수와 진폭에 따른 사고 발생 확률이다.)
According to claim 1,
The edge server,
A recyclable waste sorting system that calculates the probability of failure in the bundle quantitative supply unit, the large-size item sorting unit, the first multi-type sorting unit, the second multi-type sorting unit, the robot inspection unit, and the storage compression unit by calculating Equation 2 below.
[Equation 2]
Figure 112022033812689-pat00050

(Where n is the target part,
Figure 112022033812689-pat00051
is the failure probability at n,
Figure 112022033812689-pat00052
A function that calculates the overall failure probability according to the complex action of failure occurrence probabilities according to each factor;
Figure 112022033812689-pat00053
is the probability of failure occurrence as a function of temperature at n,
Figure 112022033812689-pat00054
is the probability of occurrence of an accident according to the change in current value at n,
Figure 112022033812689-pat00055
is the probability of occurrence of an accident according to the voltage value change at n,
Figure 112022033812689-pat00056
is the probability of occurrence of an accident according to the frequency and amplitude of the vibration detected at n.)
 제5항에 있어서,
상기 저비중선별부는,
상기 저비중 폐기물에서 종이 및 알캔을 종류에 따라 선별하고,
상기 종이는,
카드보드, 코팅지, 신문지로 구분되는 것을 특징으로 하는 재활용 가능 폐기물 선별 시스템.
According to claim 5,
The low specific gravity sorting unit,
Paper and alcans are sorted according to types from the low specific gravity waste,
the paper,
Recyclable waste sorting system, characterized in that divided into cardboard, coated paper, newspaper.
 제7항에 있어서,
선별된 상기 폐기물을 재질 및 색상으로 선별는 광학선별부;를 더 포함하고,
상기 로봇검수부는,
상기 폐기물의 재질을 분석하는 AI카메라;
상기 폐기물에서 선별 대상 재질 및 성상에 해당하는 폐기물만 남기고 나머지를 모두 선별하는 로봇팔;을 포함하는 것을 특징으로 하는 재활용 가능 폐기물 선별 시스템.
According to claim 7,
Further comprising: an optical sorting unit for sorting the sorted waste into materials and colors;
The robot inspection unit,
AI camera for analyzing the material of the waste;
Recyclable waste sorting system, characterized in that it comprises a; robot arm for sorting all the rest except for the waste corresponding to the material and properties to be sorted from the waste.
 제1항에 있어서,
상기 저장압축부는,
적어도 하나 이상의 선별된 상기 폐기물을 선별된 재질에 따라 저장하는 선별품별저장소; 및
상기 선별품별저장소에서 선별된 상기 폐기물을 동일 재질로 모아 압축하는 복합압축기;를 포함하는 것을 특징으로 하는 재활용 가능 폐기물 선별 시스템.
According to claim 1,
The storage compression unit,
a sorted product storage for storing at least one or more of the sorted wastes according to the sorted materials; and
A recyclable waste sorting system comprising a; composite compressor for collecting and compressing the wastes sorted in the sorted product storage unit into the same material.
 수거된 폐기물봉투를 파봉하고, 상기 폐기물 봉투에서 배출된 폐기물을 일정량씩 일정 간격으로 공급하는 단계;
공급되는 상기 폐기물에서 대형물을 선별하는 단계;
대형물이 선별된 상기 폐기물을 비중에 따라 선별하는 단계;
비중에 따라 선별된 상기 폐기물을 종류에 따라 선별하는 단계;
종류에 따라 선별된 상기 폐기물을 검수하는 단계;
선별 및 검수된 상기 폐기물을 저장 및 압축하는 단계; 및
폐기물 선별을 위한 센서 데이터를 획득하여 감시 및 제어하며, 사고 예방 정보를 관리자에 전송하는 단계;를 포함하고,
상기 폐기물을 종류에 따라 선별하는 단계는,
제2 다종선별부에서 수행되고,
상기 제2 다종선별부는,
선별된 고비중 폐기물을 종류에 따라 선별하는 고비중선별부;를 포함하고,
상기 고비중선별부는,
상기 고비중 폐기물에서 철 및 비철을 선별하는 자력선별기;
상기 자력선별기에서 선별된 폐기물 중 가스캔을 파쇄하여 잔여 가스를 제거하는 가스캔파쇄기; 및
상기 자력선별기 및 상기 가스캔파쇄기를 통과하여 선별된 상기 폐기물의 위치별 적재량을 감지해 최적만적을 위한 위치를 조정하는 암롤박스;를 포함하고,
상기 폐기물 검수 단계는,
로봇검수부에서 수행되고,
상기 로봇검수부는 하기 수학식 1을 연산해 PET를 재질별 선별하는 것을 특징으로 하는 재활용 가능 폐기물 선별 방법.
[수학식 1]
Figure 112023500671828-pat00057

(여기서,
Figure 112023500671828-pat00058
는 상기 폐기물 x의 물성 값,
Figure 112023500671828-pat00059
는 상기 폐기물 x의 영상에서 CNN으로 추출한 특징에 기반해 추정한 형태,
Figure 112023500671828-pat00060
는 상기 폐기물 x의 색상이고,
Figure 112023500671828-pat00061
는 물성, 형태, 색상에 따라 확률적으로 가장 유사성이 높은 재질을 결정하는 함수이다.)

Opening the collected waste bag and supplying waste discharged from the waste bag at regular intervals by a predetermined amount;
Selecting large objects from the supplied waste;
Sorting the waste from which large objects are sorted according to specific gravity;
sorting the wastes sorted according to specific gravity according to types;
Inspecting the wastes sorted according to types;
storing and compressing the sorted and inspected waste; and
Obtaining, monitoring and controlling sensor data for waste sorting, and transmitting accident prevention information to a manager; includes,
The step of sorting the waste according to the type is,
It is performed in the second multi-species selection unit,
The second multi-type selection unit,
Including; high specific gravity sorting unit for sorting the selected high specific gravity waste according to the type,
The high specific gravity sorting unit,
a magnetic separator for sorting iron and nonferrous metals from the high specific gravity waste;
a gas can crusher for removing residual gas by crushing gas cans among wastes sorted by the magnetic separator; and
An arm roll box for adjusting the position for optimum loading by detecting the loading amount of the waste sorted by position through the magnetic separator and the gas can crusher; includes,
The waste inspection step,
It is performed in the robot inspection department,
The method of sorting recyclable waste, characterized in that the robot inspection unit sorts PET by material by calculating Equation 1 below.
[Equation 1]
Figure 112023500671828-pat00057

(here,
Figure 112023500671828-pat00058
is the physical property value of the waste x,
Figure 112023500671828-pat00059
Is the form estimated based on the features extracted by CNN from the image of the waste x,
Figure 112023500671828-pat00060
is the color of the waste x,
Figure 112023500671828-pat00061
is a function that determines the material with the highest similarity probabilistically according to physical properties, shape, and color.)
KR1020220038874A 2022-03-29 2022-03-29 Recyclable waste sorting system and method KR102517566B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220038874A KR102517566B1 (en) 2022-03-29 2022-03-29 Recyclable waste sorting system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220038874A KR102517566B1 (en) 2022-03-29 2022-03-29 Recyclable waste sorting system and method

Publications (1)

Publication Number Publication Date
KR102517566B1 true KR102517566B1 (en) 2023-04-05

Family

ID=85884835

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220038874A KR102517566B1 (en) 2022-03-29 2022-03-29 Recyclable waste sorting system and method

Country Status (1)

Country Link
KR (1) KR102517566B1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102572455B1 (en) * 2023-04-19 2023-09-01 주식회사 예본스틸 Apparatus and method for predicting the weight of mixed scrap metal waste based on image analysis
KR102577303B1 (en) * 2023-04-26 2023-09-14 주식회사 예본스틸 Apparatus and method for classifying mixed scrap waste and calculating transaction costs based on image analysis
KR102680213B1 (en) 2023-12-21 2024-07-02 주식회사 한강이앰피 Ai-based crushing system for municipal waste and crushing method using the same
KR102680212B1 (en) 2023-12-21 2024-07-02 주식회사 한강이앰피 Ai-based crushing system for municipal waste

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100492696B1 (en) * 2004-10-19 2005-06-07 엠엔테크(주) System for selection recycling goods
KR100752243B1 (en) * 2007-01-05 2007-08-27 주식회사 아이엔텍 Method for recycling sorting
KR20200085448A (en) * 2019-01-07 2020-07-15 엠엔테크(주) Assorting apparatus for recycled product

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100492696B1 (en) * 2004-10-19 2005-06-07 엠엔테크(주) System for selection recycling goods
KR100752243B1 (en) * 2007-01-05 2007-08-27 주식회사 아이엔텍 Method for recycling sorting
KR20200085448A (en) * 2019-01-07 2020-07-15 엠엔테크(주) Assorting apparatus for recycled product

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102572455B1 (en) * 2023-04-19 2023-09-01 주식회사 예본스틸 Apparatus and method for predicting the weight of mixed scrap metal waste based on image analysis
KR102577303B1 (en) * 2023-04-26 2023-09-14 주식회사 예본스틸 Apparatus and method for classifying mixed scrap waste and calculating transaction costs based on image analysis
KR102680213B1 (en) 2023-12-21 2024-07-02 주식회사 한강이앰피 Ai-based crushing system for municipal waste and crushing method using the same
KR102680212B1 (en) 2023-12-21 2024-07-02 주식회사 한강이앰피 Ai-based crushing system for municipal waste

Similar Documents

Publication Publication Date Title
KR102517566B1 (en) Recyclable waste sorting system and method
KR102382947B1 (en) Recyclable waste sorting system and method
US20220080466A1 (en) Autonomous data collection and system control for material recovery facilities
KR102344688B1 (en) Recycling garbage collection method using QR code
CA2565614C (en) Apparatus, system, and method for condensing, separating and storing recyclable material
JP6731680B2 (en) Information processing apparatus, information processing program, and information processing method
CN109319350B (en) Garbage classification and recovery equipment
CN110329672B (en) Garbage classification device and classification method
MX2007000494A (en) Systems and methods for sorting, collecting data pertaining to and certifying recyclables at a material recovery facility.
US11786911B2 (en) Device, method, and control system for waste to energy generation and other output products
KR101410729B1 (en) System for subdividing recycle nonferrous metal waste with different kind materials seperation type
KR100492696B1 (en) System for selection recycling goods
CN115593817A (en) Internet of things-based integrated intelligent control system and method for garbage classification collection room
JP2023120262A (en) Fire detection system of waste disposal facility, and fire detection method
CN101267898B (en) Apparatus, system, and method for condensing, separating and storing recyclable material
US9163975B2 (en) System and method for monitoring the remaining capacity and operational state of multiple shred bins
JPH08318225A (en) Method and device for removing dangerous substance and material unsuitable for crushing in refuse disposal facility
EP3930930B1 (en) Mobile waste segregation system and method
KR20090041921A (en) Reusable plastic assortment system
TWI641543B (en) Garbage collection system and method thereof
CN113732016A (en) Renewable resource recovery system
TWM610318U (en) Smart waste sorting and collecting system
JP3677179B2 (en) Foreign plastic removal method for waste plastic
JP2001208704A (en) Method of detecting foreign matter of used plastic, method of removing foreign matter, and compression packing method
CA3037156A1 (en) Secondary separation system for processing and tracking recyclables and non-recyclables

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant