KR102578919B1 - 재활용 pet에 대한 자동 선별 분리 시스템 - Google Patents

재활용 pet에 대한 자동 선별 분리 시스템 Download PDF

Info

Publication number
KR102578919B1
KR102578919B1 KR1020210157498A KR20210157498A KR102578919B1 KR 102578919 B1 KR102578919 B1 KR 102578919B1 KR 1020210157498 A KR1020210157498 A KR 1020210157498A KR 20210157498 A KR20210157498 A KR 20210157498A KR 102578919 B1 KR102578919 B1 KR 102578919B1
Authority
KR
South Korea
Prior art keywords
pet
plastic waste
sorting
waste
conveyor
Prior art date
Application number
KR1020210157498A
Other languages
English (en)
Other versions
KR20230071375A (ko
Inventor
한봉석
Original Assignee
주식회사 앤에이치씨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 앤에이치씨 filed Critical 주식회사 앤에이치씨
Priority to KR1020210157498A priority Critical patent/KR102578919B1/ko
Publication of KR20230071375A publication Critical patent/KR20230071375A/ko
Application granted granted Critical
Publication of KR102578919B1 publication Critical patent/KR102578919B1/ko

Links

Images

Classifications

    • 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
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • 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
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/62—Plastics recycling; Rubber recycling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Sorting Of Articles (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

본 발명은 재활용 PET에 대한 자동 선별 분리 시스템에 관한 것이다.
본 발명에 따른 재활용 PET에 대한 자동 선별 분리 시스템은 컨베이어의 일측에 위치하며, 컨베이어에 투입되는 플라스틱 폐기물을 촬영하는 비전센서, 비전센서의 일측에 위치하며, 플라스틱 폐기물에 광을 조사하고, 플라스틱 폐기물로부터 반사되는 스펙트럼을 분석하는 분광센서, 비전센서로부터 수신된 폐기물 영상을 이용하여 컨베이어에 투입된 플라스틱 폐기물의 색상 및 위치 정보를 분석하고, 분광센서로부터 수신된 스펙트럼을 이용하여 플라스틱 폐기물의 재질을 분석한 다음, 복수의 플라스틱 폐기물 중에서 특정 색상의 PET만을 선별하는 PET 선별장치, 그리고 PET 선별장치로부터 특정 색상의 PET에 대한 위치 정보를 수신하고, 수신된 위치 값을 이용하여 특정 색상의 PET를 제외한 플라스틱 폐기물을 픽업(pick up)하는 선별 로봇을 포함한다.
이와 같이 본 발명에 따르면, 재활용 PET를 자동으로 선별 및 분리할 수 있는 토탈 플랫폼을 제공함으로써, 재활용 분야의 선별 공정을 자동화할 수 있고, 선별 정확성 및 선별 속도를 향상시킬 수 있다.

Description

재활용 PET에 대한 자동 선별 분리 시스템{Automatic Sorting Separation System for Recycled PET}
본 발명은 재활용 PET에 대한 자동 선별 분리 시스템에 관한 것으로서, 더욱 상세하게 설명하면 인공지능 알고리즘을 이용하여 재활용하고자 하는 PET(polyethylene terephthalate)의 재질을 선별하고, 지정된 색상의 PET만을 수집하는 자동 선별 분리 시스템에 관한 것이다.
코로나19 사태의 장기화로 택배·음식배달 등 비대면 소비가 증가함에 따라 플라스틱 등 재활용이 가능한 쓰레기가 많이 발생하고 있다. 재활용품은 통상 반입량의 30~40%가 선별되지 않고 매립·소각되고 있는데, 플라스틱 폐기물이 매립될 경우 다양한 경로를 거쳐 미세플라스틱 형태로 인체에 축적되어 건강에 부정적인 영향을 미칠 수 있다.
따라서, 플라스틱 폐기물에 대한 선별 과정의 중요성이 대두되고 있다. 그러나, 플라스틱 폐기물은 용도 및 형태에 따라 다양한 재질로 사용하므로 수작업으로 진행하는 공정에서는 재질 구분이 어려워 선별되지 못하는 문제점이 있었다.
또한, 색이 첨가된 PET와 같은 경우에는 재생 원료의 품질을 저하시킬 수 있으므로 소비자가 분리하여 배출해야 하나 이를 정확하게 인지하지 못하는 경우가 대부분이다. 따라서, 플라스틱 폐기물에 대한 종류에 따라 또는 색상 유무에 따라 일일이 수작업을 통해 선별하므로, 대부분의 선별업체는 선별에 따른 시간 및 인건비가 증가되는 문제가 있고, 선별이 확실한 품목 위주로만 선별하므로 선별되지 못한 플라스틱 폐기물은 그대로 매립되어 환경 오염 문제를 개선할 수 없다.
본 발명의 배경이 되는 기술은 한국등록특허 제10-1270354호(2013.05.27. 공고)에 개시되어 있다.
이와 같이 본 발명에 따르면, 인공지능 알고리즘을 이용하여 재활용하고자 하는 PET(polyethylene terephthalate)의 재질을 선별하고, 지정된 색상의 PET만을 수집하는 자동 선별 분리 시스템을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따른 재활용 PET에 대한 자동 선별 분리 시스템에 있어서, 컨베이어의 일측에 위치하며, 상기 컨베이어에 투입되는 플라스틱 폐기물을 촬영하는 비전센서, 상기 비전센서의 일측에 위치하며, 상기 플라스틱 폐기물에 광을 조사하고, 상기 플라스틱 폐기물로부터 반사되는 스펙트럼을 분석하는 분광센서, 상기 비전센서로부터 수신된 폐기물 영상을 이용하여 상기 컨베이어에 투입된 플라스틱 폐기물의 색상 및 위치 정보를 분석하고, 상기 분광센서로부터 수신된 스펙트럼을 이용하여 상기 플라스틱 폐기물의 재질을 분석한 다음, 상기 복수의 플라스틱 폐기물 중에서 특정 색상의 PET만을 선별하는 PET 선별장치, 그리고 상기 PET 선별장치로부터 특정 색상의 PET에 대한 위치 정보를 수신하고, 상기 수신된 위치 값을 이용하여 상기 특정 색상의 PET를 제외한 플라스틱 폐기물을 픽업(pick up)하는 선별 로봇을 포함한다.
상기 비전 센서는, 하기의 수학식을 이용하여 산출된 프레임 속도에 따라 촬영을 수행할 수 있다.
여기서, Conveyer belt velocity는 컨베이어의 이동 속도를 나타내고, Field of view of camera는 비전센서의 관측 가능 영역을 나타낸다.
상기 PET 선별장치는, 플라스틱 폐기물을 촬영한 폐기물 영상에 포함된 플라스틱 폐기물의 색상을 선별하고, 비정형 플라스틱을 선별하도록 학습시키는 기 구축된 학습모델을 학습시키는 학습부, 상기 비전 센서로부터 컨베이어에 투입된 복수의 플라스틱 폐기물을 촬영한 폐기물 영상을 획득하는 영상 획득부, 상기 획득한 폐기물 영상을 학습이 완료된 학습 모델에 입력하여, 기 설정된 특정 색상의 플라스틱 폐기물에 대한 위치 정보를 추출하는 분석부, 상기 추출된 특정 색상의 플라스틱의 위치 정보를 이용하여 광 조사 영역을 설정하고, 상기 설정된 광 조사 영역을 상기 분광센서에 전달한 다음, 상기 분광센서로부터 상기 광 조사 영역에 위치하는 플라스틱 폐기물의 스펙트럼을 전달받는 스펙트럼 획득부, 상기 획득한 스펙트럼을 이용하여 상기 광 조사 영역에 위치하는 플라스틱 폐기물이 PET에 해당하는지 여부를 판단하는 판단부, 그리고 상기 PET로 판단된 플라스틱 폐기물에 대한 위치 정보를 최종 선별 좌표로 설정하여 픽업 로봇에 전달하는 제어부를 포함할 수 있다.
상기 학습부는, HSV Color 알고리즘과 Dection을 기반으로 하는 학습 모델을 구축하고, 폐기물 영상에 포함된 복수의 플라스틱 폐기물마다 측정된 각각의 HSV (Hue, Saturation, Value(색상, 채도 및 명도))값과 HSV값에 대응하는 위치값을 활용하여 기 구축된 학습 모델을 학습시킬 수 있다.
상기 분석부는, 상기 폐기물 영상을 학습이 완료된 학습모델에 입력하고, 학습 모델을 통해 특정 색상을 가진 플라스틱 폐기물에 대한 관심 영역과, 상기 관심 영역의 중심점에 대한 위치값을 추출할 수 있다.
상기 분석부는, 컨베이어의 시작점을 기준 좌표로 설정하고, 컨베이어 폭, 이동 속도 및 상기 기준 좌표값을 이용하여 상기 관심 영역의 중심점에 대한 위치값을 상대 좌표값으로 설정하고, 상기 설정된 상대 좌표값에 지오메트리 변환(geometry transformation)을 적용하여 컨베이어 상의 좌표값을 획득할 수 있다.
상기 판단부는, 상기 플라스틱 폐기물의 종류에 따라 각각의 스펙트럼 범위를 설정하고, 상기 컨베이어 상의 좌표값 내에 위치하는 플라스틱 폐기물에 대한 각각의 스펙트럼이 PET에 대응하는 스펙트럼 범위에 위치하면, 해당되는 플라스틱 폐기물을 PET로 판단할 수 있다.
상기 제어부는, 상기 컨베이어 상의 좌표값에 변환행렬을 적용하여 로봇 픽업 좌표값을 획득하고, 상기 획득한 로봇 픽업 좌표값을 최종 선별 좌표로 추출할 수 있다.
상기 제어부는, PET로 판단된 플라스틱 페기물의 최종 선별 좌표값을 이용하여 로봇으로 하여금 PET가 아닌 다른 재질의 플라스틱 폐기물을 픽업할 수 있다.
이와 같이 본 발명에 따르면, 재활용 PET를 자동으로 선별 및 분리할 수 있는 토탈 플랫폼을 제공함으로써, 재활용 분양의 선별 공정을 자동화할 수 있고, 선별 정확성 및 선별 속도를 향상시킬 수 있다.
또한 본 발명에 따르면, HSV Color 알고리즘과 Dection을 기반으로 하는 학습 모델을 이용하여 복수의 플라스틱 폐기물 중에서 특정 색상을 가진 플라스틱 폐기물만을 신속하게 선별할 수 있다.
도 1은 본 발명의 실시예에 따른 자동 선별 분리 시스템을 설명하기 위한 도면이다.
도 2는 도 1에 도시된 PET 선별장치를 설명하기 위한 구성도이다.
도 3은 본 발명의 실시예에 따른 재활용 PET에 대한 자동 선별 분리 시스템을 이용하여 PET를 선별하는 방법을 설명하기 위한 순서도이다
도 4는 플라스틱 폐기물을 촬영한 도면이다.
도 5는 도 2에 도시된 S340단계를 설명하기 위한 예시도이다.
이하 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하에서는 도 1 및 도 2를 이용하여 본 발명의 실시예에 따른 재활용 PET에 대한 자동 선별 분리 시스템에 대하여 더욱 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 자동 선별 분리 시스템을 설명하기 위한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 자동 선별 분리 시스템은 컨베이어(100), 비전센서(200), 분광센서(300), PET 선별장치(400) 및 선별 로봇(500)을 포함한다.
먼저, 컨베이어(100)는 투입된 플라스틱 폐기물을 한 지점에서 다른 지점으로 운반하는 역할을 수행한다.
비전센서(200)는 컨베이어(100)의 일측에 위치하여 이송되는 플라스틱 폐기물을 촬영한다. 그리고, 비전센서(200)는 촬영된 폐기물 영상을 후술되는 PET 선별장치(400)에 전달한다.
분광센서(300)는 설정된 광 조사 영역 내에 광을 조사하고, 광 조사 영역 내에 위치하는 플라스틱 폐기물로부터 반사되는 스펙트럼을 측정한다.
이를 다시 설명하면, 분광센서(300)는 PET 선별장치(400)로부터 광 조사 영역을 설정받는다. 그러면, 분광센서(300)는 설정된 광 조사 영역 내에 광을 조사한다. 예를 들어, 광 조사 영역이 대략 950nm 내지 1650nm라고 가정하면, 분광센서(300)는 대략 950nm 내지 1650nm 내에서 스펙트럼을 측정한다. 그리고, 측정된 스펙트럼은 PET 선별장치(400)에 전달된다.
PET 선별장치(400)는 비전센서(200)로부터 수신된 폐기물 영상을 학습이 완료된 학습 모델에 입력하여 특정 색상을 가지며, PET로 추정되는 플라스틱 폐기물에 대한 위치 정보를 획득한다. 그리고, PET 선별장치(400)는 획득한 위치 정보를 이용하여 광 조사 영역을 설정하고, 설정된 광 조사 영역에 대한 정보를 분광센서(300)에 전달한다.
그 다음, PET 선별장치(400)는 분광센서(300)로부터 광 조사 영역에 위치한 플라스틱 폐기물의 스펙트럼을 전달받고, 전달받은 스펙트럼을 이용하여 해당되는 플라스틱 폐기물이 PET인지 여부를 판단한다.
마지막으로 선별 로봇(500)은 컨베이어(100)의 일측에 위치하여 PET를 제외한 플라스틱 폐기물을 픽업한다. 부연하자면, 선별 로봇(500)은 PET 선별장치(400)로부터 PET에 대한 위치 정보를 전달받는다. 그러면, 선별 로봇(500)는 전달받은 위치 정보를 이용하여 PET를 제외한 다른 플라스틱 폐기물만을 픽업하여 분리한다.
도 2는 도 1에 도시된 PET 선별장치(400)를 설명하기 위한 구성도이다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 PET 선별장치(400)는 영상 획득부(410), 학습부(420), 분석부(430), 스펙트럼 획득부(440), 판단부(450) 및 제어부(460)를 포함한다.
영상 획득부(410)는 비전센서(200)로부터 플라스틱 폐기물을 촬영한 폐기물 영상을 획득한다.
학습부(420)는 HSV Color 알고리즘을 기반으로 하는 학습 모델을 구축한다. 그리고, 학습부(420)는 구축된 학습 모델에 폐기물 영상을 입력하여 학습 모델로 하여금 특정 색상을 가진 플라스틱 폐기물에 대한 영역을 추출하고, 추출된 영역에 대한 위치값을 출력하도록 학습시킨다.
여기서 학습모델은 CNN(Convolutional Neural Network) 알고리즘, SSD(Single Shot Detector) 알고리즘, YOLO(You Only Look Once) 알고리즘 중에서 적어도 하나의 알고리즘으로 구성된다.
그 다음, 분석부(430)는 선별 대상이 포함된 폐기물 영상을 학습이 완료된 학습 모델에 입력한다. 그러면, 학습 모델은 폐기물 영상으로부터 기 설정된 색상을 가지는 플라스틱 폐기물을 선별하고, 선별된 플라스틱 폐기물의 위치 정보를 출력한다. 여기서 위치 정보는 영상내의 픽셀 좌표값을 나타낸다.
분석부(430)는 출력된 플라스틱 폐기물의 위치 정보를 컨베이어(100) 상의 2차원 좌표값으로 변환한다.
스펙트럼 획득부(440)는 컨베이어(100) 상의 2차원 좌표값을 이용하여 광 조사 영역을 설정한다. 그리고 설정된 광 조사 영역은 분광센서(300)에 전달된다. 그러면, 분광센서(300)는 전달받은 광 조사 영역 내에 광을 조사하고, 광 조사 영역내에 위치하고 있는 플라스틱 폐기물로부터 반사된 광의 스펙트럼을 측정한다. 스펙트럼 측정이 완료되면, 스펙트럼 획득부(440)는 분광센서(300)로부터 측정된 스펙트럼을 전달받는다.
판단부(450)는 전달받은 스펙트럼을 이용하여 플라스틱 폐기물의 재질을 분석하고, 분석 결과에 따라 광 조사 영역에 위치하는 플라스틱 폐기물이 PET에 해당하는지 여부를 판단한다.
마지막으로 제어부(460)는 PET로 판단되지 않은 플라스틱 폐기물에 대한 위치 정보를 추출하고, 추출된 위치 정보를 선별 로봇(500)에 전달한다.
이하에서는 도 3 내지 도 5를 이용하여 본 발명의 실시예에 따른 재활용 PET에 대한 자동 선별 분리 시스템을 이용하여 PET를 선별하는 방법에 대해 더욱 상세하게 설명한다.
도 3은 본 발명의 실시예에 따른 재활용 PET에 대한 자동 선별 분리 시스템을 이용하여 PET를 선별하는 방법을 설명하기 위한 순서도이다.
도 3에 도시된 바와 같이, 본 발명의 실시예에 따른 자동 선별 분리 시스템을 이용한 PET 선별 방법은 학습 모델을 학습시키는 단계와, 학습이 완료된 학습 모델을 이용하여 PET를 선별하는 단계로 나뉘어진다.
학습 모델을 학습시키는 단계에 있어서, 먼저, PET 선별장치(400)는 폐기물 영상을 수집한다(S310).
도 4는 플라스틱 폐기물을 촬영한 도면이다.
도 4에 도시된 바와 같이, 플라스틱 폐기물은 재질 및 용도에 따라 형상, 색상 및 크기가 다양하게 형성되며, 컨베이어(100)에 투입되는 플라스틱 폐기물은 압축된 정도에 따라 비정형된 형태로 형성된다. 또한, 선별작업장에 처음 입고되는 상태의 플라스틱 폐기물과 세정을 진행한 후의 플라스틱 폐기물의 색상을 살펴보면, 플라스틱 폐기물은 세정 시 사용되는 화학 약품에 의해 변색된다.
따라서, 사용자는 선별 작업장에 투입된 상태의 플라스틱 폐기물 또는 화학 약품을 이용하여 세정된 상태의 플라스틱 폐기물 또는 압축된 상태의 플라스틱 폐기물에 대해 촬영을 수행하고, 촬영된 폐기물 영상을 PET 선별장치(400)에 입력한다.
그 다음, 학습부(420)는 학습 모델에 폐기물 영상을 입력하여 특정 색상을 가지는 플라스틱 폐기물을 선별하도록 학습시킨다(S320).
이를 다시 설명하면, 학습모델은 HSV Color 알고리즘과 Dection을 기반으로 하여 컨베이어(100)의 배경색과, 플라스틱 폐기물의 색상을 구분한다.
따라서, 학습부(420)는 폐기물 영상에 포함된 복수의 플라스틱 폐기물마다 측정된 각각의 HSV (Hue, Saturation, Value(색상, 채도 및 명도))값을 통해 선택된 후보 영역에 대응하는 위치값을 학습 모델에 입력하여 지도 학습시킨다.
그러면, 학습 모델은 입력된 폐기물 영상으로부터 추출된 객체의 위치값을 출력한다.
S310 단계 및 S320단계를 통해 학습 모델에 대한 학습이 완료되면, 본 발명의 실시예에 따른 PET 선별장치(400)는 학습된 학습 모델을 이용하여 특정 색상의 PET를 선별한다.
먼저, PET 선별장치(400)는 비전센서(200)로부터 선별하고자 하는 플라스틱 폐기물을 촬영한 폐기물 영상을 입력받는다(S330).
선별하고자 하는 플라스틱 폐기물이 컨베이어(100)에 투입되면, 비전센서(200)는 기 설정된 프레임 속도에 따라 촬영을 수행한다.
이때, 비젼센서(200)는 컨베이어(100)와 동기화된 영상을 획득하기 위하여 하기의 수학식 1을 통해 산출된 프레임 속도를 설정받는다.
여기서, Conveyer belt velocity는 컨베이어(100)의 이동 속도를 나타내고, Field of view of camera는 비전센서(200)의 관측 가능 영역을 나타낸다.
예를 들면, 컨베이어(100)의 최대 속도가 1,000mm/sec이고, 비전센서의 관측 가능 영역이 520x370mm라고 가정한다. 그리고, 컨베이어(100)의 이동 속도 및 관측 가능 영역을 수학식 1에 대입하면, 4.8[frames / sec]가 산출된다.
그러면, 비전센서는 대략 5 [frames / sec]마다 컨베이어(100)에 투입된 플라스틱 폐기물을 촬영하고, 촬영된 폐기물 영상을 PET 선별장치(400)에 전달한다.
그러면, 분석부(430)는 전달받은 폐기물 영상을 학습이 완료된 학습 모델에 입력하여 폐기물 영상 내에 플라스틱 폐기물이 존재하는지 여부를 판단한다(S340)
부연하자면, 학습 모델은 컨베이어(100)의 색상과 플라스틱 폐기물의 색상을 구분하여 폐기물 영상 내에 플라스틱 폐기물이 존재하는지 여부를 판단한다.
도 5는 도 2에 도시된 S340단계를 설명하기 위한 예시도이다.
도 5에 도시된 바와 같이, 플라스틱 폐기물이 존재하는 것으로 판단되면, 학습 모델은 플라스틱 폐기물에 대응하는 영역을 관심 영역으로 추출한다.
그 다음, 분석부(430)는 학습 모델로부터 특정 색상을 가지는 플라스틱 폐기물의 위치 정보를 획득한다(S350).
학습 모델은 추출된 관심 영역에 포함된 플라스틱 폐기물이 특정 색상에 해당하는지 여부를 판단한다. 이를 다시 설명하면, 학습 모델은 관심 영역의 HSV값이 특정 HSV값에 해당하는지 여부를 판단하다. 그리고, 학습모델은 특정 HSV값에 해당되는 관심영역을 추출하고, 추출된 관심 영역의 좌표값을 출력한다.
예를 들어, 세정후의 투명 PET의 HSV값이 44(H), 29(S), 98(V)이라고 가정하면, 분석부(430)는 44(H), 29(S), 98(V)의 값을 가지는 관심 영역을 추출하고, 추출된 관심 영역의 좌표값을 추출한다.
S350단계가 완료되면, 스펙트럼 획득부(440)는 분광센서(300)로부터 특정 색상을 가지는 플라스틱 폐기물에 대한 스펙트럼을 획득한다(S360).
자세히는, 분석부(440)는 컨베이어(100)의 시작점을 기준 좌표로 설정하고, 컨베이어 폭, 이동 속도 및 기준 좌표값을 이용하여 관심 영역의 중심점에 대한 상대 좌표값을 획득한다. 여기서 관심 영역의 중심점은 S350단계에서 획득한 관심 영역의 좌표값을 나타낸다.
그 다음, 분석부(440)는 상대 좌표값에 지오메트리 변환(geometry transformation)을 적용하여 컨베이어 상의 좌표값을 획득한다.
스펙트럼 획득부(440)는 획득한 컨베이어 상의 좌표값을 이용하여 광 조사 영역을 설정한다. 그리고, 스펙트럼 획득부(440)는 설정된 광 조사 영역을 분광센서(300)에 전달한다.
그러면, 분광센서(300)는 전달받은 광 조사 영역 내에 광을 조사하고, 플라스틱 폐기물에 대응하는 스펙트럼을 획득한다.
S360단계를 통해 획득한 스펙트럼은 판단부(450)에 전달되면, 판단부(450)는 전달받은 스펙트럼과 기 설정된 스펙트럼 범위를 비교하여 해당되는 플라스틱 폐기물이 PET에 해당하는지 여부를 판단한다(S370).
먼저, 판단부(450)는 플라스틱 폐기물의 종류에 따른 각각의 스펙트럼 범위를 수집한다.
그리고, 판단부(450)는 스펙트럼 획득부(440)로부터 전달받은 스펙트럼과 기 저장된 스펙트럼 범위를 비교한다. 예를 들어, PET 선별장치(400)가 투명의 PET를 선별하고자 할 경우, 판단부(450)는 전달받은 스펙트럼과 투명의 PET에 해당하는 스펙트럼 범위를 상호 비교한다. 그리고, 전달받은 스펙트럼이 스펙트럼 범위에 해당하면, 판단부(450)는 해당되는 플라스틱 폐기물을 PET로 판단한다.
그 다음, 제어부(460)는 PET로 판단되지 않은 플라스틱 폐기물에 대한 좌표값을 선별 로봇(500)에 전달하여, 선별 로봇(500)으로 하여금 특정 색상의 PET를 제외한 나머지 플라스틱 폐기물을 픽업하도록 한다(S380).
부연하자면, 제어부(460)는 PET로 판단된 플라스틱 폐기물이 위치하는 컨베이어상의 좌표값을 픽업 좌표값으로 변환한다.
그리고, 제어부(460)변환된 픽업 좌표값을 최종 선별 좌표값으로 설정하고, 설정된 최종 선별 좌표값을 선별 로봇(500)에 전달한다. 그러면, 선별 로봇(500)은 전달받은 최종 선별 좌표값을 이용하여 특정 색상을 가진 PET가 아닌 다른 재질의 플라스틱 폐기물을 픽업한다. 즉, 컨베이어(100) 상에는 투명의 PET만 남겨져 특정된 장소로 이송될 수 있도록 한다.
이와 같이 본 발명에 따른 자동 선별 분리 시스템은 재활용 PET를 자동으로 선별 및 분리할 수 있는 토탈 플랫폼을 제공함으로써, 재활용 분야의 선별 공정을 자동화할 수 있고, 선별 정확성 및 선별 속도를 향상시킬 수 있다.
또한 본 발명에 따른 자동 선별 분리 시스템은 HSV Color 알고리즘과 Dection을 기반으로 하는 학습 모델을 이용하여 복수의 플라스틱 폐기물 중에서 특정 색상을 가진 플라스틱 폐기물만을 신속하게 선별할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 컨베이어
200 : 비전센서
300 : 분광센서
400 : PET 선별장치
410 : 영상 획득부
420 : 학습부
430 : 분석부
440 : 스펙트럼 획득부
450 : 판단부
460 : 제어부
500 : 픽업 로봇

Claims (9)

  1. 재활용 PET에 대한 자동 선별 분리 시스템에 있어서,
    컨베이어의 일측에 위치하며, 상기 컨베이어에 투입되는 플라스틱 폐기물을 촬영하는 비전센서,
    상기 비전센서의 일측에 위치하며, 상기 플라스틱 폐기물에 광을 조사하고, 상기 플라스틱 폐기물로부터 반사되는 스펙트럼을 분석하는 분광센서,
    상기 비전센서로부터 수신된 폐기물 영상을 이용하여 상기 컨베이어에 투입된 플라스틱 폐기물의 색상 및 위치 정보를 분석하고, 상기 분광센서로부터 수신된 스펙트럼을 이용하여 상기 플라스틱 폐기물의 재질을 분석한 다음, 상기 플라스틱 폐기물 중에서 특정 색상의 PET만을 선별하는 PET 선별장치, 그리고
    상기 PET 선별장치로부터 특정 색상의 PET에 대한 위치 정보를 수신하고, 상기 수신된 위치 값을 이용하여 상기 특정 색상의 PET를 제외한 플라스틱 폐기물을 픽업(pick up)하는 선별 로봇을 포함하며,
    상기 PET 선별장치는,
    플라스틱 폐기물을 촬영한 폐기물 영상에 포함된 플라스틱 폐기물의 색상을 선별하고, 비정형 플라스틱을 선별하도록 학습시키는 기 구축된 학습모델을 학습시키는 학습부,
    상기 비전 센서로부터 컨베이어에 투입된 복수의 플라스틱 폐기물을 촬영한 폐기물 영상을 획득하는 영상 획득부,
    상기 획득한 폐기물 영상을 학습이 완료된 학습 모델에 입력하여, 기 설정된 특정 색상의 플라스틱 폐기물에 대한 위치 정보를 추출하는 분석부,
    상기 추출된 특정 색상의 플라스틱의 위치 정보를 이용하여 광 조사 영역을 설정하고, 상기 설정된 광 조사 영역을 상기 분광센서에 전달한 다음, 상기 분광센서로부터 상기 광 조사 영역에 위치하는 플라스틱 폐기물의 스펙트럼을 전달받는 스펙트럼 획득부,
    상기 획득한 스펙트럼을 이용하여 상기 광 조사 영역에 위치하는 플라스틱 폐기물이 PET에 해당하는지 여부를 판단하는 판단부, 그리고
    상기 PET로 판단된 플라스틱 폐기물에 대한 위치 정보를 최종 선별 좌표로 설정하여 픽업 로봇에 전달하는 제어부를 포함하며,
    상기 분석부는,
    상기 폐기물 영상을 학습이 완료된 학습모델에 입력하고, 학습 모델을 통해 특정 색상을 가진 플라스틱 폐기물에 대한 관심 영역과, 상기 관심 영역의 중심점에 대한 위치값을 추출하는 자동 선별 분리 시스템.
  2. 제1항에 있어서,
    상기 비전 센서는
    하기의 수학식을 이용하여 산출된 프레임 속도에 따라 촬영을 수행하는 자동 선별 분리 시스템:

    여기서, Conveyer belt velocity는 컨베이어의 이동 속도를 나타내고, Field of view of camera는 비전센서의 관측 가능 영역을 나타낸다.
  3. 삭제
  4. 제1항에 있어서,
    상기 학습부는,
    HSV Color 알고리즘과 Dection을 기반으로 하는 학습 모델을 구축하고,
    폐기물 영상에 포함된 복수의 플라스틱 폐기물마다 측정된 각각의 HSV (Hue, Saturation, Value(색상, 채도 및 명도))값과 HSV값에 대응하는 위치값을 활용하여 기 구축된 학습 모델을 학습시키는 자동 선별 분리 시스템.
  5. 삭제
  6. 제1항에 있어서,
    상기 분석부는,
    컨베이어의 시작점을 기준 좌표값으로 설정하고, 컨베이어 폭, 이동 속도 및 상기 기준 좌표값을 이용하여 상기 관심 영역의 중심점에 대한 위치값을 상대 좌표값으로 설정하고,
    상기 설정된 상대 좌표값에 지오메트리 변환(geometry transformation)을 적용하여 컨베이어 상의 좌표값을 획득하는 자동 선별 분리 시스템.
  7. 제6항에 있어서,
    상기 판단부는,
    상기 플라스틱 폐기물의 종류에 따라 각각의 스펙트럼 범위를 설정하고,
    상기 컨베이어 상의 좌표값 내에 위치하는 플라스틱 폐기물에 대한 각각의 스펙트럼이 PET에 대응하는 스펙트럼 범위에 위치하면, 해당되는 플라스틱 폐기물을 PET로 판단하는 자동 선별 분리 시스템.
  8. 제7항에 있어서,
    상기 제어부는,
    상기 컨베이어 상의 좌표값에 변환행렬을 적용하여 로봇 픽업 좌표값을 획득하고, 상기 획득한 로봇 픽업 좌표값을 최종 선별 좌표로 추출하는 자동 선별 분리 시스템.
  9. 제7항에 있어서,
    상기 제어부는,
    PET로 판단된 플라스틱 페기물의 최종 선별 좌표값을 이용하여 로봇으로 하여금 PET가 아닌 다른 재질의 플라스틱 폐기물을 픽업하도록 하는 자동 선별 분리 시스템.
KR1020210157498A 2021-11-16 2021-11-16 재활용 pet에 대한 자동 선별 분리 시스템 KR102578919B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210157498A KR102578919B1 (ko) 2021-11-16 2021-11-16 재활용 pet에 대한 자동 선별 분리 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210157498A KR102578919B1 (ko) 2021-11-16 2021-11-16 재활용 pet에 대한 자동 선별 분리 시스템

Publications (2)

Publication Number Publication Date
KR20230071375A KR20230071375A (ko) 2023-05-23
KR102578919B1 true KR102578919B1 (ko) 2023-09-15

Family

ID=86545036

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210157498A KR102578919B1 (ko) 2021-11-16 2021-11-16 재활용 pet에 대한 자동 선별 분리 시스템

Country Status (1)

Country Link
KR (1) KR102578919B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003166879A (ja) * 2001-12-03 2003-06-13 Miike Iron Works Co Ltd 使用済みボトルの色別・材質別選別装置
JP2016156777A (ja) * 2015-02-26 2016-09-01 住友電気工業株式会社 分光測定装置
JP2019188354A (ja) * 2018-04-26 2019-10-31 大王製紙株式会社 選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体
JP2021099691A (ja) * 2019-12-23 2021-07-01 株式会社タクマ 容器を含むごみから容器を選別する容器選別システム、容器選別方法および容器選別プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003166879A (ja) * 2001-12-03 2003-06-13 Miike Iron Works Co Ltd 使用済みボトルの色別・材質別選別装置
JP2016156777A (ja) * 2015-02-26 2016-09-01 住友電気工業株式会社 分光測定装置
JP2019188354A (ja) * 2018-04-26 2019-10-31 大王製紙株式会社 選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体
JP2021099691A (ja) * 2019-12-23 2021-07-01 株式会社タクマ 容器を含むごみから容器を選別する容器選別システム、容器選別方法および容器選別プログラム

Also Published As

Publication number Publication date
KR20230071375A (ko) 2023-05-23

Similar Documents

Publication Publication Date Title
US20210287357A1 (en) Systems and methods for optical material characterization of waste materials using machine learning
JP6679188B1 (ja) 廃棄物選別装置及び廃棄物選別方法
US7449655B2 (en) Apparatus for, and method of, classifying objects in a waste stream
JP6037125B2 (ja) 光学式粒状物選別機
US9064187B2 (en) Method and system for item identification
US9405992B2 (en) Method and system for identifying waste containers based on pattern
KR101656635B1 (ko) 어종 판별 장치 및 어종 판별 방법
Wahab et al. Development of a prototype automated sorting system for plastic recycling
CN111239142A (zh) 膏体外观缺陷检测设备及方法
JP2024016293A (ja) 廃棄物選別装置
KR102578919B1 (ko) 재활용 pet에 대한 자동 선별 분리 시스템
KR102578920B1 (ko) 인공지능을 기반으로 하는 pet 선별장치
Cunha et al. Computer vision and robotic manipulation for automated feeding of cork drillers
CN112069841B (zh) X光违禁品包裹跟踪方法及装置
CN111257339B (zh) 一种基于机器视觉的皮蛋裂纹在线检测方法及检测装置
Sinkevicius et al. Amber gemstones sorting by colour
CN115004016A (zh) 光学式粒状物判别装置
Liu et al. Intelligent bamboo part sorting system design via machine vision
KR102578921B1 (ko) 인공지능을 기반으로 하는 해양쓰레기 선별 시스템
JP7318907B2 (ja) 単板判定システムおよび単板の判定方法
CN212180649U (zh) 膏体外观缺陷检测设备
JP7097642B1 (ja) 食品検査システム、食品検査学習装置および食品検査方法
JP7089718B1 (ja) 皮むきされた原木の選別システム、情報処理装置、皮むきされた原木の選別方法およびプログラム
US20210100256A1 (en) Foreign Material Inspection System
WO2023143702A1 (en) Terahertz radiation based method and system for identification of objects and prediction of object class

Legal Events

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