KR20230088278A - Degradable bioplastic product recovery vending machine and system - Google Patents

Degradable bioplastic product recovery vending machine and system Download PDF

Info

Publication number
KR20230088278A
KR20230088278A KR1020220170801A KR20220170801A KR20230088278A KR 20230088278 A KR20230088278 A KR 20230088278A KR 1020220170801 A KR1020220170801 A KR 1020220170801A KR 20220170801 A KR20220170801 A KR 20220170801A KR 20230088278 A KR20230088278 A KR 20230088278A
Authority
KR
South Korea
Prior art keywords
artificial intelligence
nir
unit
plastic
learning
Prior art date
Application number
KR1020220170801A
Other languages
Korean (ko)
Inventor
김광수
장진혁
Original Assignee
(주)비지에프에코머티리얼즈
장진혁
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)비지에프에코머티리얼즈, 장진혁 filed Critical (주)비지에프에코머티리얼즈
Publication of KR20230088278A publication Critical patent/KR20230088278A/en

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
    • 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
    • B07C5/38—Collecting or arranging articles in groups
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
    • B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B3/00—Audible signalling systems; Audible personal calling systems
    • G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/20—Arrangements for obtaining desired frequency or directional characteristics
    • H04R1/32—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only
    • H04R1/323—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only for loudspeakers
    • 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
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0054—Sorting of waste or refuse
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
    • B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
    • B29B2017/0089—Recycling systems, wherein the flow of products between producers, sellers and consumers includes at least a recycling step, e.g. the products being fed back to the sellers or to the producers for recycling purposes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
    • B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
    • B29B17/02—Separating plastics from other materials
    • B29B2017/0213—Specific separating techniques
    • B29B2017/0279—Optical identification, e.g. cameras or spectroscopy
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
    • B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
    • B29B17/02—Separating plastics from other materials
    • B29B2017/0213—Specific separating techniques
    • B29B2017/0282—Specific separating techniques using information associated with the materials, e.g. labels on products
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/20—Waste processing or separation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/62—Plastics recycling; Rubber recycling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Otolaryngology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Electromagnetism (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

The present invention relates to a plastic identification system using an NIR scanner, a method thereof, and a biodegradable bioplastic product collection system using the same. More specifically, according to the present invention, NIR data obtained by scanning a plastic with the NIR scanner is analyzed through a learned artificial intelligence model to determine a type of the plastic. Additionally, among plastics, the biodegradable bioplastic product can be collected. The plastic identification system using the NIR scanner of the present invention comprises: the NIR scanner; a plastic identification apparatus; and a display apparatus.

Description

생분해성 바이오플라스틱 제품 수거장치 및 시스템{DEGRADABLE BIOPLASTIC PRODUCT RECOVERY VENDING MACHINE AND SYSTEM}Biodegradable bioplastic product collection device and system {DEGRADABLE BIOPLASTIC PRODUCT RECOVERY VENDING MACHINE AND SYSTEM}

본 발명은 NIR 스캐너를 이용한 플라스틱 판별 시스템 및 방법, 이를 이용한 생분해성 바이오플라스틱 제품 수거시스템에 관한 것으로, 더욱 상세하게는 NIR 스캐너로 플라스틱을 스캔하여 얻어지는 NIR 데이터를 학습된 인공지능 모델을 통해 분석하여 플라스틱의 종류를 판별하고, 플라스틱 중 생분해성 바이오플라스틱 제품은 수거할 수 있는 NIR 스캐너를 이용한 플라스틱 판별 시스템 및 방법, 이를 이용한 생분해성 바이오플라스틱 제품 수거시스템에 관한 것이다.The present invention relates to a plastic discrimination system and method using a NIR scanner, and a biodegradable bioplastic product collection system using the same, and more particularly, by analyzing NIR data obtained by scanning plastic with a NIR scanner through a learned artificial intelligence model A plastic discrimination system and method using a NIR scanner capable of determining the type of plastic and collecting biodegradable bioplastic products among plastics, and a biodegradable bioplastic product collection system using the same.

대부분의 석유화학 플라스틱 제품은 사용 후 폐기시 분리배출이 원활하게 되지 않기 때문에 실질적인 재활용 비율이 저조한 문제점이 지적되고 있다.Since most petrochemical plastic products are not smoothly separated and discharged when disposed of after use, the actual recycling rate is low.

또한, 일반 사용자 입장에서 플라스틱의 종류를 구분하고 그 종류별 분류를 기대하기 어려운 상황이다. In addition, it is difficult for general users to classify the types of plastics and expect classification by type.

다행히 최근에는 PET 단일소재로 이루어진 PET 제품을 대상으로 별도 분류하여 자원화하고 있는 실정이나, 여전히 기타 플라스틱 제품은 그대로 폐기되거나 매립되고 있다. Fortunately, in recent years, PET products made of a single PET material are separately classified and recycled, but other plastic products are still discarded or landfilled.

특히, 일반 석유화학 플라스틱 대비 고가의 생분해성 플라스틱으로 구성된 제품 회수로 인한 재활용 또는 재사용의 산업적 가치가 큼에도 불구하고 육안상 석유화학 플라스틱제품과 생분해성 바이오플라스틱 제품간 분간이 용이하지 않아 대부분의 생분해성 바이오플라스틱 제품은 사용 후 폐기되고 있다. In particular, despite the great industrial value of recycling or reuse due to the recovery of products composed of expensive biodegradable plastics compared to general petrochemical plastics, it is not easy to distinguish between petrochemical plastic products and biodegradable bioplastic products with the naked eye, so most of them are biodegradable. Sexual bioplastic products are discarded after use.

따라서 석유화학 플라스틱과 생분해 플라스틱간 활용처의 공존을 위한 일환으로서, 폐기시 석유화학 플라스틱제품과의 혼입을 방지하고 생분해성 바이오플라스틱 제품을 회수하여 원활히 재활용하거나, 생분해성 바이오플라스틱 제품의 매립을 통해 퇴비화에 일조하기 위해 생분해성 플라스틱을 분류하고 수거할 수 있는 시스템이 필요한 상황이다.Therefore, as part of the coexistence of utilization between petrochemical plastics and biodegradable plastics, mixing with petrochemical plastic products is prevented at the time of disposal, and biodegradable bioplastic products are recovered and recycled smoothly, or biodegradable bioplastic products are buried in landfills. There is a need for a system that can sort and collect biodegradable plastics to contribute to composting.

비특허문헌 1에는 생활계 폐플라스틱 중 6대 범용 플라스틱 (PE, PET, PP, PS, PVC, ABS)을 비접촉식의 근적외선 분광분석법을 이용하여 10,000ton/년 규모의 폐플라스틱 재질별 분리 선별 양산화 시스템 개발 및 폐플라스틱 중 선별된 PET플라스틱 병을 CCD 카메라를 이용하여 비접촉식의 Visioin 방법으로 색상별 분리 선별장치가 제시된 바 있으나, 상기 보고에는 생분해성 소재에 대한 분류언급이 없다. In Non-Patent Document 1, 6 general-purpose plastics (PE, PET, PP, PS, PVC, ABS) among living waste plastics are developed using a non-contact near-infrared ray spectroscopy method to separate and sort by waste plastic material at a scale of 10,000 tons/year. and a color-specific separation and sorting device using a non-contact Visioin method using a CCD camera for selected PET plastic bottles among waste plastics, but there is no mention of classification of biodegradable materials in the above report.

비특허문헌 2에는 종이 기록물의 상태 평가를 위한 이동 가능한 간이형 근적외선 시스템 개발에 대한 연구결과보고서로서 종이 기록물에 대한 상태 평가를 분석하기 위하여 기존의 파괴적인 방법으로는 측정 방법 및 절차가 까다로워 신속한 분석을 불가능 할 뿐만 아니라 대량의 종이 기록물을 신속하게 분석하기에는 어려운 점이 많았다. 이러한 어려운 점을 해결하고, 보다 신속하고 많은 양을 분석하여 업무 효율을 높일 수 있는 측정 방법 및 간편하게 사용할 수 있도록 하여 보다 많은 분야에서 적용이 가능하도록 한 보고이다.Non-Patent Document 2 is a research result report on the development of a portable and simple near-infrared ray system for evaluating the state of paper records. In addition, it was difficult to quickly analyze a large amount of paper records. It is a report that can be applied in more fields by solving these difficulties, analyzing more quickly and a large amount, and making it easy to use and measurement method that can increase work efficiency.

비특허문헌 3은 생활폐기물 데이터로 학습된 인공지능의 서비스 상용화를 위한 S/W와 H/W의 구현에 관한 보고서이다. Non-Patent Document 3 is a report on the implementation of S/W and H/W for the commercialization of artificial intelligence services learned from household waste data.

비특허문헌 1: 근적외선 분광법을 이용한 폐플라스틱 분리선별 기술개발Non-Patent Document 1: Development of waste plastic separation technology using near-infrared spectroscopy 비특허문헌 2: 이동 가능한 소형 근적외선 분광 분석기를 사용한 종이 기록물 내 산성도 및 함수율 분석에 대한 연구Non-Patent Document 2: A study on acidity and moisture content analysis in paper records using a portable and compact near-infrared spectrometer 비특허문헌 3: 생활폐기물 데이터로 학습된 인공지능의 서비스 상용화를 위한 S/W와 H/W의 구현Non-Patent Document 3: Implementation of S/W and H/W for Commercialization of Artificial Intelligence Service Learned from Domestic Waste Data

본 발명은 상기와 같은 필요에 의해 창출된 것으로, 본 발명의 목적은 NIR 스캐너로 플라스틱을 스캔하여 얻어지는 NIR 데이터를 학습된 인공지능 모델을 통해 분석하여 플라스틱의 종류를 판별할 수 있고, 플라스틱 중 생분해성 바이오플라스틱 제품은 수거할 수 있는 NIR 스캐너를 이용한 플라스틱 판별 시스템 및 방법, 이를 이용한 생분해성 바이오플라스틱 제품 수거시스템을 제공하는데 있다.The present invention was created by the above needs, and an object of the present invention is to analyze NIR data obtained by scanning plastic with a NIR scanner through a learned artificial intelligence model to determine the type of plastic, and to biodegrade among plastics. It is to provide a plastic discrimination system and method using a NIR scanner that can collect sexual bioplastic products, and a biodegradable bioplastic product collection system using the same.

상기와 같은 목적을 달성하기 위한, 본 발명에 따른 상세하게는 NIR 스캐너를 이용한 플라스틱 판별 시스템은 근적외선을 시료에 조사하여 NIR 데이터를 획득하는 NIR 스캐너; 학습용 NIR 데이터를 통해 인공지능 모델을 학습시키고, 상기 인공지능 모델을 통해 NIR 스캐너로부터 획득되는 NIR 데이터를 분석하여 플라스틱 종류의 판별결과가 포함된 분석결과 정보를 생성하는 플라스틱 판별장치; 및 상기 분석결과 정보를 디스플레이해주는 표시장치를 포함하는 것을 특징으로 한다.In order to achieve the above object, in detail, a plastic discrimination system using a NIR scanner according to the present invention includes a NIR scanner for obtaining NIR data by irradiating a sample with near-infrared rays; A plastic discriminator for learning an artificial intelligence model through learning NIR data and analyzing NIR data obtained from a NIR scanner through the artificial intelligence model to generate analysis result information including a plastic type discrimination result; and a display device displaying the analysis result information.

또한, 상기 NIR 스캐너는, 시료에 다양한 파장의 근적외선을 조사하는 적외선센서부; 상기 적외선센서부에서 시료에 조사된 적외선의 반사광을 수집하는 적외선수집부; 상기 적외선수집부가 수집한 광원을 분광 및 단색광 처리하여 전기적신호로 변환 출력하고, 변환 출력된 신호를 소정레벨 증폭 및 필터링함과 아울러 비선형적 신호를 선형적 신호로 변환시키고, 출력된 선형적 아날로그 신호를 디지털 신호로 변환하는 아날로그/디지털변환부; 및 상기 디지털 신호를 NIR 데이터로 가공하여 플라스틱 판별장치로 전송해주는 제어부를 포함하는 것을 특징으로 한다.In addition, the NIR scanner includes an infrared sensor unit for irradiating near infrared rays of various wavelengths to the sample; an infrared collecting unit for collecting reflected light of the infrared ray irradiated to the sample by the infrared sensor unit; The light source collected by the infrared collector is subjected to spectroscopic and monochromatic light processing, converted into an electrical signal and outputted, the converted output signal is amplified and filtered at a predetermined level, and the nonlinear signal is converted into a linear signal, and the outputted linear analog signal Analog / digital conversion unit for converting into a digital signal; and a control unit processing the digital signal into NIR data and transmitting the data to a plastic discrimination device.

또한, 상기 적외선센서부는, 855nm, 940nm, 1050nm, 1200nm, 1300nm, 1450nm, 1550nm 또는 1650nm 중 어느 하나 이상을 포함하는 근적외선을 시료에 조사하는 것을 특징으로 한다.In addition, the infrared sensor unit may irradiate the sample with near infrared rays including any one or more of 855 nm, 940 nm, 1050 nm, 1200 nm, 1300 nm, 1450 nm, 1550 nm, or 1650 nm.

또한, 상기 플라스틱 판별장치는, 학습용 NIR 데이터를 획득하는 학습데이터 수집부; 상기 학습데이터 수집부가 수집한 학습용 NIR 데이터를 통해 복수의 인공지능 알고리즘의 학습을 수행하고, 검증 및 테스트 데이터를 통해 복수의 인공지능 알고리즘 중 가장 성능이 높은 인공지능 알고리즘을 선정하여 저장하는 인공지능 알고리즘 학습부; NIR 스캐너로부터 NIR 데이터가 전송되면, 상기 인공지능 알고리즘학습부에 저장된 인공지능 알고리즘 중 어느 하나를 채택하는 인공지능 알고리즘 채택부; 상기 인공지능 알고리즘채택부가 채택한 알고리즘을 통해 상기 NIR 데이터를 분석하여 플라스틱 종류를 판별하여 분석결과 정보를 생성하는 인공지능 알고리즘 예측부; 및 상기 인공지능 알고리즘 예측부가 생성한 분석결과 정보를 저장 및 표시장치로 전송하고, 재학습 시 분석결과 정보를 상기 인공지능 알고리즘학습부로 전송해주는 인공지능 알고리즘 재학습부를 포함하는 특징으로 한다.In addition, the plastic discrimination device may include a learning data collection unit for acquiring NIR data for learning; An artificial intelligence algorithm that performs learning of a plurality of artificial intelligence algorithms through the learning NIR data collected by the learning data collection unit, and selects and stores the artificial intelligence algorithm with the highest performance among the plurality of artificial intelligence algorithms through verification and test data. learning department; When NIR data is transmitted from the NIR scanner, an artificial intelligence algorithm adoption unit for adopting one of the artificial intelligence algorithms stored in the artificial intelligence algorithm learning unit; an artificial intelligence algorithm prediction unit that analyzes the NIR data through an algorithm adopted by the artificial intelligence algorithm adoption unit to determine a type of plastic and generates analysis result information; and an artificial intelligence algorithm re-learning unit for transmitting the analysis result information generated by the artificial intelligence algorithm prediction unit to a storage and display device, and transmitting the analysis result information to the artificial intelligence algorithm learning unit during re-learning.

또한, 상기 인공지능 알고리즘 학습부는, 인공지능 알고리즘의 하이퍼 파라미터를 최적화시키는 Bayesian Optimizer기법을 사용하여, 복수의 인공지능 알고리즘의 민감도, 특이도, 정확도, PPV(positive predictive value), NPV(negative predictive value) 및 AUC (area under the ROC(receiver operating characteristic)) 점수 중 어느 하나 이상을 측정하여 가장 성능이 높은 인공지능 알고리즘을 선정 및 저장하는 것을 특징으로 한다.In addition, the artificial intelligence algorithm learning unit uses the Bayesian Optimizer technique to optimize the hyperparameters of the artificial intelligence algorithm, sensitivity, specificity, accuracy, PPV (positive predictive value), NPV (negative predictive value) of a plurality of artificial intelligence algorithms ) and AUC (area under the ROC (receiver operating characteristic)) score to select and store the AI algorithm with the highest performance.

또한, 상기 인공지능 알고리즘 예측부는, NIR 데이터를 분석하여, 시료를 PLA, PHA, PBAT, PBS, PP, PE, PS, PET 중 어느 하나로 판별하여 분석결과 정보를 생성하는 것을 특징으로 한다.In addition, the artificial intelligence algorithm prediction unit is characterized in that the analysis result information is generated by analyzing the NIR data, determining the sample as one of PLA, PHA, PBAT, PBS, PP, PE, PS, and PET.

한편, 상기와 같은 목적을 달성하기 위한 본 발명에 따른 NIR 스캐너를 이용한 플라스틱 판별 방법은 플라스틱 판별장치가 학습용 NIR 데이터를 통해 인공지능 모델을 학습시키는 A단계; NIR 스캐너가 근적외선을 시료에 조사하여 NIR 데이터를 획득하는 B단계; 및 플라스틱 판별장치가 NIR 스캐너로부터 획득되는 NIR 데이터를 분석하여 플라스틱 종류의 판별결과가 포함된 분석결과 정보를 생성하고, 표시장치가 이를 디스플레이하는 C단계를 포함하는 것을 특징으로 한다.On the other hand, the plastic discrimination method using the NIR scanner according to the present invention for achieving the above object includes A step of learning an artificial intelligence model through NIR data for learning by the plastic discrimination device; Step B of obtaining NIR data by irradiating the sample with near-infrared rays by the NIR scanner; and step C of generating analysis result information including a plastic type discrimination result by analyzing the NIR data obtained from the NIR scanner by the plastic discrimination device, and displaying the analysis result information on the display device.

또한, 상기 A단계는, 학습데이터 수집부가 학습용 NIR 데이터를 획득하는 단계; 및 인공지능 알고리즘 학습부가 상기 학습데이터 수집부가 수집한 학습용 NIR 데이터를 통해 복수의 인공지능 알고리즘의 학습을 수행하고, 검증 및 테스트 데이터를 통해 복수의 인공지능 알고리즘 중 가장 성능이 높은 인공지능 알고리즘을 선정하여 저장하는 단계를 포함하는 것을 특징으로 한다.In addition, the step A may include acquiring NIR data for learning by a learning data collection unit; And the artificial intelligence algorithm learning unit performs learning of a plurality of artificial intelligence algorithms through the learning NIR data collected by the learning data collection unit, and selects the artificial intelligence algorithm with the highest performance among the plurality of artificial intelligence algorithms through verification and test data. And characterized in that it comprises the step of storing.

또한, 상기 인공지능 알고리즘 학습부는, 인공지능 알고리즘의 하이퍼 파라미터를 최적화시키는 Bayesian Optimizer기법을 사용하여, 복수의 인공지능 알고리즘의 민감도, 특이도, 정확도, PPV(positive predictive value), NPV(negative predictive value) 및 AUC (area under the ROC(receiver operating characteristic)) 점수 중 어느 하나 이상을 측정하여 가장 성능이 높은 인공지능 알고리즘을 선정 및 저장하는 것을 특징으로 한다.In addition, the artificial intelligence algorithm learning unit uses the Bayesian Optimizer technique to optimize the hyperparameters of the artificial intelligence algorithm, sensitivity, specificity, accuracy, PPV (positive predictive value), NPV (negative predictive value) of a plurality of artificial intelligence algorithms ) and AUC (area under the ROC (receiver operating characteristic)) score to select and store the AI algorithm with the highest performance.

또한, 상기 B단계는, 적외선센서부가 시료에 다양한 파장의 근적외선을 조사하는 단계; 적외선수집부가 상기 적외선센서부에서 시료에 조사된 적외선의 반사광을 수집하는 단계; 아날로그/디지털변환부가 상기 적외선수집부가 수집한 광원을 분광 및 단색광 처리하여 전기적신호로 변환 출력하고, 변환 출력된 신호를 소정레벨 증폭 및 필터링함과 아울러 비선형적 신호를 선형적 신호로 변환시키고, 출력된 선형적 아날로그 신호를 디지털 신호로 변환하는 단계; 및 제어부가 상기 디지털 신호를 NIR 데이터로 가공하여 플라스틱 판별장치로 전송해주는 단계를 포함하는 것을 특징으로 한다.In the step B, the infrared sensor unit irradiates the sample with near infrared rays of various wavelengths; Collecting, by an infrared collecting unit, reflected light of infrared rays irradiated to a sample from the infrared sensor unit; The analog/digital converter converts and outputs the light source collected by the infrared collector by spectroscopy and monochromatic light processing into an electrical signal, amplifies and filters the converted signal to a predetermined level, converts the nonlinear signal into a linear signal, and outputs the signal. converting the linear analog signal into a digital signal; and processing the digital signal into NIR data by a controller and transmitting the data to a plastic discriminating device.

또한, 상기 적외선센서부는, 855nm, 940nm, 1050nm, 1200nm, 1300nm, 1450nm, 1550nm 또는 1650nm 중 어느 하나 이상을 포함하는 근적외선을 시료에 조사하는 것을 특징으로 한다.In addition, the infrared sensor unit may irradiate the sample with near infrared rays including any one or more of 855 nm, 940 nm, 1050 nm, 1200 nm, 1300 nm, 1450 nm, 1550 nm, or 1650 nm.

또한, 상기 C단계는, 인공지능 알고리즘 채택부가 NIR 스캐너로부터 NIR 데이터가 전송되면, 인공지능 알고리즘학습부에 저장된 인공지능 알고리즘 중 어느 하나를 채택하는 단계; 인공지능 알고리즘 예측부가 상기 인공지능 알고리즘채택부가 채택한 알고리즘을 통해 상기 NIR 데이터를 분석하여 플라스틱 종류를 판별하여 분석결과 정보를 생성하는 단계; 및 인공지능 알고리즘 재학습부가 상기 인공지능 알고리즘 예측부가 생성한 분석결과 정보를 저장 및 표시장치로 전송하고, 재학습 시 분석결과 정보를 인공지능 알고리즘학습부로 전송해주는 단계를 포함하는 특징으로 한다.In addition, the step C may include adopting one of the artificial intelligence algorithms stored in the artificial intelligence algorithm learning unit when the NIR data is transmitted from the NIR scanner by the artificial intelligence algorithm adoption unit; an artificial intelligence algorithm prediction unit analyzing the NIR data through an algorithm adopted by the artificial intelligence algorithm adoption unit to determine a plastic type and generating analysis result information; and transmitting, by the artificial intelligence algorithm re-learning unit, the analysis result information generated by the artificial intelligence algorithm prediction unit to a storage and display device, and transmitting the analysis result information to the artificial intelligence algorithm learning unit during re-learning.

또한, 상기 인공지능 알고리즘 예측부는, NIR 데이터를 분석하여, 시료를 PLA, PHA, PBAT, PBS, PP, PE, PS, PET 중 어느 하나로 판별하여 분석결과 정보를 생성하는 것을 특징으로 한다.In addition, the artificial intelligence algorithm prediction unit is characterized in that the analysis result information is generated by analyzing the NIR data, determining the sample as one of PLA, PHA, PBAT, PBS, PP, PE, PS, and PET.

한편, 상기와 같은 목적을 달성하기 위한 본 발명에 따른 NIR 스캐너를 이용한 플라스틱 판별 시스템을 이용한 생분해성 바이오플라스틱 제품 수거시스템은, NIR 스캐너를 이용한 플라스틱 판별 시스템을 통과한 시료를 이동시키는 컨베이어 벨트부; 시료의 플라스틱 종류의 판별결과가 포함된 분석결과 정보를 전송받는 데이터 수신부; 플라스틱 시료를 압축시키는 플라스틱 압축부; 상기 압축부를 통해 압축된 플라스틱 시료를 종류에 따라 분리 저장하는 플라스틱 적재부; 및 플라스틱 압축 및 적재 시 이를 화면으로 디스플레이하고 음성정보를 제공하는 디스플레이&알림부를 포함하는 것을 특징으로 한다.On the other hand, a biodegradable bioplastic product collection system using a plastic discrimination system using a NIR scanner according to the present invention for achieving the above object is a conveyor belt unit for moving a sample that has passed through the plastic discrimination system using a NIR scanner; a data receiving unit for receiving analysis result information including a result of determining the plastic type of the sample; A plastic compression unit for compressing the plastic sample; a plastic loading unit that separates and stores the plastic samples compressed through the compression unit according to types; and a display & notification unit for displaying the plastic on a screen and providing audio information when compressing and loading the plastic.

본 발명에 따른 NIR 스캐너를 이용한 플라스틱 판별 시스템 및 방법, 이를 이용한 생분해성 바이오플라스틱 제품 수거시스템은 NIR 스캐너로 플라스틱을 스캔하여 얻어지는 NIR 데이터를 학습된 인공지능 모델을 통해 분석하여 많은 종류의 플라스틱을 신속하고 정확하게 판별할 수 있는 효과가 있다.A plastic discrimination system and method using a NIR scanner according to the present invention, and a biodegradable bioplastic product collection system using the same, analyze NIR data obtained by scanning plastics with a NIR scanner through a learned artificial intelligence model to rapidly detect many types of plastics. and has the effect of being able to accurately discriminate.

또한, 판별된 플라스틱 중 생분해성 바이오플라스틱 제품을 용이하게 수거할 수 있는 효과가 있다.In addition, there is an effect of easily collecting biodegradable bioplastic products among the identified plastics.

도 1은 본 발명의 일실시예에 따른 플라스틱 판별 시스템의 블록구성도
도 2는 본 발명의 일실시예에 따른 플라스틱 판별 방법의 순서도
도 3은 본 발명의 일실시예에 따른 플라스틱 판별장치의 인공지능 모델 생성 순서도
도 4는 본 발명의 일실시예에 따른 NIR 스캐너의 NIR 데이터 획득 순서도
도 5는 본 발명의 일실시예에 따른 플라스틱 판별장치의 분석결과 정보 생성 순서도
도 6은 본 발명의 일실시예에 따른 적외선센서부 구성 예시도
도 7은 본 발명의 일실시예에 따른 NIR 스캐너의 NIR 데이터 생성 예시도
도 8은 본 발명의 일실시예에 따른 플라스틱 판별장치의 분석결과 정보 생성 예시도
도 9는 본 발명의 일실시예에 따른 생분해성 바이오플라스틱 제품 수거시스템의 블록구성도 1 is a block diagram of a plastic discrimination system according to an embodiment of the present invention;
2 is a flow chart of a plastic discrimination method according to an embodiment of the present invention;
3 is an artificial intelligence model generation flow chart of a plastic discrimination device according to an embodiment of the present invention
4 is a NIR data acquisition flow chart of a NIR scanner according to an embodiment of the present invention.
5 is a flow chart of analysis result information generation of a plastic discrimination device according to an embodiment of the present invention
6 is an exemplary configuration of an infrared sensor unit according to an embodiment of the present invention;
7 is an exemplary diagram of NIR data generation by a NIR scanner according to an embodiment of the present invention;
8 is an exemplary view of generating analysis result information of a plastic discrimination device according to an embodiment of the present invention;
9 is a block diagram of a biodegradable bioplastic product collection system according to an embodiment of the present invention.

이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시 예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.The above objects, other objects, features and advantages of the present invention will be easily understood through the following preferred embodiments in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments described herein and may be embodied in other forms. Rather, the embodiments introduced herein are provided so that the disclosed content will be thorough and complete and the spirit of the present invention will be sufficiently conveyed to those skilled in the art.

어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는 데 있어 별 이유 없이 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.In some cases, it is mentioned in advance that parts that are commonly known in describing the invention and are not greatly related to the invention are not described in order to prevent confusion for no particular reason in explaining the present invention.

본 명세서에서 제1구성요소가 제2구성요소 상(ON)에서 동작 또는 실행된다고 언급될 때, 제1구성요소는 제2구성요소가 동작 또는 실행되는 환경에서 동작 또는 실행되거나 또는 제2구성요소와 직접 또는 간접적으로 상호 작용을 통해서 동작 또는 실행되는 것으로 이해되어야 할 것이다.In this specification, when a first component is referred to as being operated or executed on a second component (ON), the first component is operated or executed in an environment in which the second component operates or is executed, or the second component is operated or executed. It should be understood that it is operated or executed through direct or indirect interaction with.

어떤 구성요소, 장치, 또는 시스템이 프로그램 또는 소프트웨어로 이루어진 구성요소를 포함한다고 언급되는 경우, 명시적인 언급이 없더라도, 그 구성요소, 장치, 또는 시스템은 그 프로그램 또는 소프트웨어가 실행 또는 동작하는데 필요한 하드웨어(예를 들면, 메모리, CPU 등)나 다른 프로그램 또는 소프트웨어(예를 들면 운영체제나 하드웨어를 구동하는데 필요한 드라이버 등)를 포함하는 것으로 이해되어야 할 것이다.When a component, device, or system is referred to as comprising a component consisting of a program or software, even if not explicitly stated otherwise, the component, device, or system refers to hardware (necessary for the program or software to execute or operate). For example, memory, CPU, etc.) or other programs or software (eg, operating system or driver required to drive hardware) should be understood as including.

또한, 어떤 구성요소가 구현됨에 있어서 특별한 언급이 없다면, 그 구성요소는 소프트웨어, 하드웨어, 또는 소프트웨어 및 하드웨어 어떤 형태로도 구현될 수 있는 것으로 이해되어야 할 것이다.In addition, it should be understood that, unless otherwise specified, the component may be implemented in any form of software, hardware, or both software and hardware.

또한, 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.In addition, terms used in this specification are for describing embodiments and are not intended to limit the present invention. In this specification, singular forms also include plural forms unless specifically stated otherwise in a phrase. The terms 'comprises' and/or 'comprising' used in the specification do not exclude the presence or addition of one or more other elements.

또한, 본 명세서에서 '부', '장치' 등의 용어는 하드웨어 및 해당 하드웨어에 의해 구동되거나 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 지칭하는 것으로 의도될 수 있다. 예를 들어, 여기서 하드웨어는 CPU 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 하드웨어에 의해 구동되는 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다.Also, in this specification, terms such as 'unit' and 'device' may be intended to refer to functional and structural combinations of hardware and software driven by the corresponding hardware or for driving the hardware. For example, the hardware herein may be a data processing device including a CPU or other processor. Also, software driven by hardware may refer to a running process, an object, an executable file, a thread of execution, a program, and the like.

또한, 상기 용어들은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것이 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있다.In addition, the terms may mean a predetermined code and a logical unit of hardware resources for executing the predetermined code, and do not necessarily mean physically connected codes or one type of hardware in the present invention. can be easily deduced to the average expert in the art.

이하, 본 발명에서 실시하고자 하는 구체적인 기술내용에 대해 첨부도면을 참조하여 상세하게 설명하기로 한다.Hereinafter, with reference to the accompanying drawings for the specific technical content to be carried out in the present invention will be described in detail.

도 1은 본 발명의 일실시예에 따른 플라스틱 판별 시스템의 블록구성도이다. 도 1에 도시된 바와 같이, 본 발명에 따른 NIR 스캐너를 이용한 플라스틱 판별 시스템은 근적외선을 시료에 조사하여 NIR 데이터를 획득하는 NIR 스캐너(100)와 학습용 NIR 데이터를 통해 인공지능 모델을 학습시키고, 상기 인공지능 모델을 통해 NIR 스캐너(100)로부터 획득되는 NIR 데이터를 분석하여 플라스틱 종류의 판별결과가 포함된 분석결과 정보를 생성하는 플라스틱 판별장치(200) 및 상기 분석결과 정보를 디스플레이해주는 표시장치(300)를 포함하여서 구성된다. 1 is a block diagram of a plastic discrimination system according to an embodiment of the present invention. As shown in FIG. 1, the plastic discrimination system using the NIR scanner according to the present invention learns an artificial intelligence model through the NIR scanner 100 that acquires NIR data by irradiating near-infrared rays on a sample and the NIR data for learning. A plastic discriminating device (200) that analyzes NIR data obtained from the NIR scanner (100) through an artificial intelligence model to generate analysis result information including a plastic type discrimination result, and a display device (300) that displays the analysis result information. ) is composed of.

또한, 상기 NIR 스캐너(100)는, 시료에 다양한 파장의 근적외선을 조사하는 적외선센서부(110)와 상기 적외선센서부(110)에서 시료에 조사된 적외선의 반사광을 수집하는 적외선수집부(120)와 상기 적외선수집부(120)가 수집한 광원을 분광 및 단색광 처리하여 전기적신호로 변환 출력하고, 변환 출력된 신호를 소정레벨 증폭 및 필터링함과 아울러 비선형적 신호를 선형적 신호로 변환시키고, 출력된 선형적 아날로그 신호를 디지털 신호로 변환하는 아날로그/디지털변환부(130) 및 상기 디지털 신호를 NIR 데이터로 가공하여 플라스틱 판별장치로 전송해주는 제어부(140)를 더 포함하여 구성된다.In addition, the NIR scanner 100 includes an infrared sensor unit 110 that irradiates near-infrared rays of various wavelengths to a sample and an infrared collection unit 120 that collects reflected light of infrared rays irradiated to the sample from the infrared sensor unit 110. And the light source collected by the infrared collector 120 is subjected to spectroscopic and monochromatic light processing, converted into an electrical signal and outputted, the converted output signal is amplified and filtered at a predetermined level, and the nonlinear signal is converted into a linear signal, and the output It is configured to further include an analog/digital conversion unit 130 that converts the linear analog signal into a digital signal and a controller 140 that processes the digital signal into NIR data and transmits it to the plastic discrimination device.

또한, 상기 플라스틱 판별장치(200)는, 학습용 NIR 데이터를 획득하는 학습데이터 수집부(210)와 상기 학습데이터 수집부(210)가 수집한 학습용 NIR 데이터를 통해 복수의 인공지능 알고리즘의 학습을 수행하고, 검증 및 테스트 데이터를 통해 복수의 인공지능 알고리즘 중 가장 성능이 높은 인공지능 알고리즘을 선정하여 저장하는 인공지능 알고리즘 학습부(220)와 NIR 스캐너(100)로부터 NIR 데이터가 전송되면, 상기 인공지능 알고리즘학습부(220)에 저장된 인공지능 알고리즘 중 어느 하나를 채택하는 인공지능 알고리즘 채택부(230)와 상기 인공지능 알고리즘채택부(230)가 채택한 알고리즘을 통해 상기 NIR 데이터를 분석하여 플라스틱 종류를 판별하여 분석결과 정보를 생성하는 인공지능 알고리즘 예측부(240) 및 상기 인공지능 알고리즘 예측부(240)가 생성한 분석결과 정보를 저장 및 표시장치(300)로 전송하고, 재학습 시 분석결과 정보를 상기 인공지능 알고리즘학습부(220)로 전송해주는 인공지능 알고리즘 재학습부(250)를 더 포함하여 구성된다.In addition, the plastic discrimination device 200 performs learning of a plurality of artificial intelligence algorithms through the learning data collection unit 210 that acquires NIR data for learning and the NIR data for learning collected by the learning data collection unit 210. When the NIR data is transmitted from the artificial intelligence algorithm learning unit 220 and the NIR scanner 100, which selects and stores the artificial intelligence algorithm with the highest performance among a plurality of artificial intelligence algorithms through verification and test data, the artificial intelligence algorithm The artificial intelligence algorithm adoption unit 230 adopting one of the artificial intelligence algorithms stored in the algorithm learning unit 220 and the NIR data are analyzed through the algorithm adopted by the artificial intelligence algorithm adoption unit 230 to determine the type of plastic. The artificial intelligence algorithm prediction unit 240 for generating analysis result information and the analysis result information generated by the artificial intelligence algorithm prediction unit 240 are transmitted to the storage and display device 300, and the analysis result information during relearning It is configured to further include an artificial intelligence algorithm re-learning unit 250 for transmitting to the artificial intelligence algorithm learning unit 220.

이하에서는 상기와 같이 구성되는 본 발명에 따른 NIR 스캐너를 이용한 플라스틱 판별 시스템을 통한 플라스틱 판별 방법에 대해서, 도 2 내지 도 7을 통해서 상세하게 설명하도록 한다.Hereinafter, a plastic discrimination method through a plastic discrimination system using a NIR scanner according to the present invention configured as described above will be described in detail with reference to FIGS. 2 to 7 .

도 2는 본 발명의 일실시예에 따른 플라스틱 판별 방법의 순서도이다. 도 2에 도시된 바와 같이, 본 발명에 따른 플라스틱 판별 방법은 플라스틱 판별장치(200)가 학습용 NIR 데이터를 통해 인공지능 모델을 학습시키는 단계(S100)와 NIR 스캐너(100)가 근적외선을 시료에 조사하여 NIR 데이터를 획득하는 단계(S200)와 플라스틱 판별장치(200)가 NIR 스캐너(100)로부터 획득되는 NIR 데이터를 분석하여 플라스틱 종류의 판별결과가 포함된 분석결과 정보를 생성하고, 표시장치(300)가 이를 디스플레이하는 단계(S300)로 이루어진다.2 is a flow chart of a plastic discrimination method according to an embodiment of the present invention. As shown in FIG. 2, in the plastic discrimination method according to the present invention, the plastic discrimination device 200 learns an artificial intelligence model through NIR data for learning (S100), and the NIR scanner 100 irradiates near-infrared rays to the sample. to obtain NIR data (S200), and the plastic discrimination device 200 analyzes the NIR data obtained from the NIR scanner 100 to generate analysis result information including the plastic type discrimination result, and the display device 300 ) consists of a step (S300) of displaying it.

먼저, 상기 단계(S100)에 대해서 좀 더 상세히 살펴보면, 도 3과 같다. 도 3은 본 발명의 일실시예에 따른 플라스틱 판별장치의 인공지능 모델 생성 순서도이다. 도 3에 도시된 바와 같이, 상기 단계(S100)는 학습데이터 수집부(210)가 학습용 NIR 데이터를 획득하는 단계(S110)와 인공지능 알고리즘 학습부(220)가 상기 학습데이터 수집부(210)가 수집한 학습용 NIR 데이터를 통해 복수의 인공지능 알고리즘의 학습을 수행하고, 검증 및 테스트 데이터를 통해 복수의 인공지능 알고리즘 중 가장 성능이 높은 인공지능 알고리즘을 선정하여 저장하는 단계(S120)로 이루어진다.First, looking at the step (S100) in more detail, as shown in FIG. 3 is an artificial intelligence model generation flow chart of a plastic discrimination device according to an embodiment of the present invention. As shown in FIG. 3, the step (S100) is the learning data collection unit 210 acquiring NIR data for learning (S110) and the artificial intelligence algorithm learning unit 220 the learning data collection unit 210 Performs learning of a plurality of artificial intelligence algorithms through the collected NIR data for learning, and selects and stores the artificial intelligence algorithm with the highest performance among the plurality of artificial intelligence algorithms through verification and test data (S120).

상기 단계(S110)에서, 상기 학습데이터 수집부(210)는 학습용 NIR 데이터를 수집하는데, 상기 학습용 NIR 데이터는 바람직하게 PLA(Poly Lactic Acid), PHA(Poly Hydroxy Alkanoate), PBAT(Poly Buthylene co-adipate co-terephthalate), PBS(Poly Butylene succinate), PP(polypropylene), PE(polyethylene), PS(polystyrene), PET(polyethylene terephthalate) 등 다양한 플라스틱에 다양한 파장의 근적외선을 조사하여 수집되어 전처리 된 NIR 데이터일 수 있다.In the step S110, the learning data collection unit 210 collects NIR data for learning. The NIR data for learning is preferably PLA (Poly Lactic Acid), PHA (Poly Hydroxy Alkanoate), PBAT (Poly Buthylene co- Adipate co-terephthalate), PBS (Poly Butylene succinate), PP (polypropylene), PE (polyethylene), PS (polystyrene), PET (polyethylene terephthalate), etc. NIR data collected and preprocessed by irradiating various wavelengths of near-infrared rays can be

상기 단계(S120)에서, 상기 인공지능 알고리즘 학습부(220)는 인공지능 알고리즘의 하이퍼 파라미터를 최적화시키는 Bayesian Optimizer기법을 사용하여, 복수의 인공지능 알고리즘의 민감도, 특이도, 정확도, PPV(positive predictive value), NPV(negative predictive value) 및 AUC (area under the ROC(receiver operating characteristic)) 점수 중 어느 하나 이상을 측정하여 가장 성능이 높은 인공지능 알고리즘을 선정 및 저장한다.In the step S120, the artificial intelligence algorithm learning unit 220 uses the Bayesian Optimizer technique for optimizing the hyperparameters of the artificial intelligence algorithm, the sensitivity, specificity, accuracy, PPV (positive predictive value), NPV (negative predictive value), and AUC (area under the ROC (receiver operating characteristic)) scores are measured to select and store the AI algorithm with the highest performance.

다음으로, 상기 단계(S200)에 대해서 좀 더 상세히 살펴보면, 도 4와 같다. 도 4는 본 발명의 일실시예에 따른 NIR 스캐너의 NIR 데이터 획득 순서도이다. 도 4에 도시된 바와 같이, 상기 단계(S200)는 적외선센서부(110)가 시료에 다양한 파장의 근적외선을 조사하는 단계(S210)와 적외선수집부(120)가 상기 적외선센서부(110)에서 시료에 조사된 적외선의 반사광을 수집하는 단계(S220)와 아날로그/디지털변환부(130)가 상기 적외선수집부(120)가 수집한 광원을 분광 및 단색광 처리하여 전기적신호로 변환 출력하고, 변환 출력된 신호를 소정레벨 증폭 및 필터링함과 아울러 비선형적 신호를 선형적 신호로 변환시키고, 출력된 선형적 아날로그 신호를 디지털 신호로 변환하는 단계(S230) 및 제어부(140)가 상기 디지털 신호를 NIR 데이터로 가공하여 플라스틱 판별장치(200)로 전송해주는 단계(S240)로 이루어진다.Next, looking at the step (S200) in more detail, as shown in FIG. 4 is a NIR data acquisition sequence diagram of a NIR scanner according to an embodiment of the present invention. As shown in FIG. 4, the step (S200) is the step (S210) of the infrared sensor unit 110 radiating near-infrared rays of various wavelengths to the sample and the infrared collecting unit 120 in the infrared sensor unit 110. Collecting reflected light of the infrared rays irradiated on the sample (S220) and the analog/digital converter 130 converts and outputs the light source collected by the infrared collector 120 into an electrical signal by spectral and monochromatic light processing, and outputs the conversion Amplifying and filtering the signal at a predetermined level, converting the non-linear signal into a linear signal, and converting the output linear analog signal into a digital signal (S230), and the controller 140 converts the digital signal into NIR data It consists of a step (S240) of processing and transmitting to the plastic discrimination device 200.

상기 단계(S210)에서, 상기 적외선센서부(110)는 855nm, 940nm, 1050nm, 1200nm, 1300nm, 1450nm, 1550nm 또는 1650nm 중 어느 하나 이상을 포함하는 근적외선을 시료에 조사한다. 이때, 상기 적외선센서부(110)는 다양한 파장의 근적외선 조사를 위하여, 다양한 모듈로 이루어질 수 있는데, 도 6과 같이 OSA Opt사의 제품이나 Marktech Optoelectronics사의 제품들로 이뤄질 수 있으나, 이에 한정하지는 않는다.In step S210, the infrared sensor unit 110 irradiates the sample with near infrared rays including at least one of 855 nm, 940 nm, 1050 nm, 1200 nm, 1300 nm, 1450 nm, 1550 nm, and 1650 nm. At this time, the infrared sensor unit 110 may be composed of various modules for irradiation of near infrared rays of various wavelengths, and may be composed of products of OSA Opt or Marktech Optoelectronics, as shown in FIG. 6, but is not limited thereto.

상기 단계(S220)에서, 상기 적외선수집부(120)는 바람직하게 적외선의 반사광을 수집하기 위한 InGaAs 센서일 수 있으나, 이에 한정하지는 않는다.In the step S220, the infrared collecting unit 120 may preferably be an InGaAs sensor for collecting infrared reflected light, but is not limited thereto.

상기 단계(S230)에서, 상기 아날로그/디지털변환부(130)는 도면에는 도시되어 있지 않지만, 상기 적외선수집부(120)로부터 수집된 적외선 광원을 반사시키는 미러와 상기 미러에 반사된 적외선 광원을 광대역 스펙트럼으로 분광시키는 분광기와 상기 분광기에서 조사된 광대역 스펙트럼 광원을 평형화하는 평형화 렌즈와 상기 평형화렌즈를 통해 조사된 광원을 각 화소단위로 감광시킴과 아울러 전기적신호롤 변환하는 광대역스펙트럼 검출부와 상기 광대역스펙트럼 검출부의 암전류를 감소시키는 열전자 냉각기와 상기 광대역스펙트럼 검출부에서 출력된 전기신호를 전치증폭하는 전치증폭기와 상기 전치증폭기에서 출력된 신호를 필터링하여 노이즈를 제거함과 아울러 비선형적 신호값을 선형적 신호로 변환시키는 대수증폭기를 더 포함할 수 있다.In the step S230, although not shown in the figure, the analog/digital converter 130 converts a mirror for reflecting the infrared light source collected from the infrared collector 120 and an infrared light source reflected by the mirror into a broadband A spectrometer that splits light into a spectrum, an equalization lens that equilibrates the broadband spectrum light source irradiated from the spectrometer, a wideband spectrum detector that dims the light source irradiated through the equilibration lens in units of pixels and converts the light source into an electrical signal, and the broadband spectrum detector A pre-amplifier for pre-amplifying the electric signal output from the thermoelectric cooler reducing the dark current of the broadband spectrum detector and filtering the signal output from the pre-amplifier to remove noise and converting the non-linear signal value into a linear signal A logarithmic amplifier may be further included.

상기 단계(S240)에서, 상기 제어부(140)는 상기 아날로그/디지털변환부(130)에 의해 생성된 디지털 신호를 NIR 데이터로 가공하는데, 이는 도 7과 같다. 도 7에 도시된 바와 같이, 플라스틱 판별장치(200)의 인공지능 모델의 분석이 용이하도록 디지털 신호를 NIR 데이터로 가공한다.In the step S240, the control unit 140 processes the digital signal generated by the analog/digital conversion unit 130 into NIR data, as shown in FIG. As shown in FIG. 7, the digital signal is processed into NIR data to facilitate analysis of the artificial intelligence model of the plastic discrimination device 200.

마지막으로 상기 단계(S300)에 대해서 좀 더 상세히 살펴보면, 도 5와 같다. 도 5는 본 발명의 일실시예에 다른 플라스틱 판별장치의 분석결과 정보 생성 순서도이다. 도 5에 도시된 바와 같이, 상기 단계(S300)는 인공지능 알고리즘 채택부(230)가 NIR 스캐너(100)로부터 NIR 데이터가 전송되면, 인공지능 알고리즘학습부(220)에 저장된 인공지능 알고리즘 중 어느 하나를 채택하는 단계(S310)와 인공지능 알고리즘 예측부(240)가 상기 인공지능 알고리즘채택부(230)가 채택한 알고리즘을 통해 상기 NIR 데이터를 분석하여 플라스틱 종류를 판별하여 분석결과 정보를 생성하는 단계(S320) 및 인공지능 알고리즘 재학습부(250)가 상기 인공지능 알고리즘 예측부(240)가 생성한 분석결과 정보를 저장 및 표시장치(300)로 전송하고, 재학습 시 분석결과 정보를 인공지능 알고리즘학습부(220)로 전송해주는 단계(S330)로 이루어진다.Finally, looking at the step (S300) in more detail, as shown in FIG. 5 is a flow chart for generating analysis result information of a plastic discrimination device according to an embodiment of the present invention. As shown in FIG. 5, in the step (S300), when the NIR data is transmitted from the NIR scanner 100 by the artificial intelligence algorithm adoption unit 230, any of the artificial intelligence algorithms stored in the artificial intelligence algorithm learning unit 220 A step of adopting one (S310) and an artificial intelligence algorithm predictor 240 analyzing the NIR data through the algorithm adopted by the artificial intelligence algorithm adopter 230 to determine the type of plastic and generating analysis result information. (S320) and the artificial intelligence algorithm re-learning unit 250 transmits the analysis result information generated by the artificial intelligence algorithm prediction unit 240 to the storage and display device 300, and the artificial intelligence algorithm re-learning unit 250 transmits the analysis result information during re-learning. It consists of a step (S330) of transmitting to the algorithm learning unit 220.

상기 단계(S310)에서, 상기 인공지능 알고리즘 채택부(230)는 바람직하게 인공지능 알고리즘 학습부(220)에 저장된 복수의 인공지능 모델 중 플라스틱 판별 정확도가 가장 높은 모델을 선택할 수 있다.In the step S310, the artificial intelligence algorithm adoption unit 230 may preferably select a model having the highest plastic discrimination accuracy among a plurality of artificial intelligence models stored in the artificial intelligence algorithm learning unit 220.

상기 단계(S320)에서, 상기 인공지능 알고리즘 예측부(240)는 NIR 데이터를 분석하여 플라스틱 종류를 판별하여 분석결과 정보를 생성하는데, 상기 분석결과 정보는 도 8과 같다. 도 8에 도시된 바와 같이, 플라스틱 종류를 A,B,C,D,E,F,G,H의 8가지 종류로 판별할 수 있고, 바람직하게 여기서 A는 PLA, B는 PHA, C는 PBAT, D는 PBS, E는 PP, F는 PE, G는 PS, H는 PET일 수 있다.In the step S320, the artificial intelligence algorithm prediction unit 240 analyzes the NIR data to determine the type of plastic to generate analysis result information, which is shown in FIG. 8. As shown in FIG. 8, the plastic type can be classified into eight types of A, B, C, D, E, F, G, and H, preferably where A is PLA, B is PHA, and C is PBAT. , D may be PBS, E may be PP, F may be PE, G may be PS, and H may be PET.

상기 단계(S330)에서, 상기 알고리즘 재학습부(250)는 분석결과 정보를 상기 인공지능 알고리즘 학습부(220)가 인공지능 알고리즘을 재학습시키는 용도로 활용되어 인공지능 알고리즘의 성능을 향상시킬 수 있도록 하며, 바람직하게 인공지능 알고리즘 재학습부(250)는 분석결과 정보를 표시장치(300)로 전송하여 플라스틱 판별결과를 육안으로 확인할 수 있도록 해준다.In the step (S330), the algorithm re-learning unit 250 uses the analysis result information for the purpose of re-learning the artificial intelligence algorithm by the artificial intelligence algorithm learning unit 220, thereby improving the performance of the artificial intelligence algorithm. Preferably, the artificial intelligence algorithm relearning unit 250 transmits the analysis result information to the display device 300 so that the plastic discrimination result can be visually confirmed.

따라서, 상기한 바와 같이 본 발명에 따른 NIR 스캐너를 이용한 플라스틱 판별 시스템 및 방법은 NIR 스캐너로 플라스틱을 스캔하여 얻어지는 NIR 데이터를 학습된 인공지능 모델을 통해 분석하여 다양한 종류의 플라스틱을 신속하고 정확하게 판별할 수 있는 효과가 있다.Therefore, as described above, the plastic discrimination system and method using the NIR scanner according to the present invention can quickly and accurately discriminate various types of plastic by analyzing the NIR data obtained by scanning the plastic with the NIR scanner through the learned artificial intelligence model. There are possible effects.

한편, 본 발명은 도 9와 같이 상기한 NIR 스캐너를 이용한 플라스틱 판별 시스템을 이용하여 생분해성 바이오플라스틱 제품을 수거할 수 있는 수거시스템을 더 포함할 수 있다. 도 9는 본 발명의 일실시예에 따른 생분해성 바이오플라스틱 제품 수거시스템의 블록구성도이다.On the other hand, the present invention may further include a collection system capable of collecting biodegradable bioplastic products using the plastic discrimination system using the NIR scanner as shown in FIG. 9 . 9 is a block diagram of a biodegradable bioplastic product collection system according to an embodiment of the present invention.

도 9에 도시된 바와 같이, 본 발명에 따른 NIR 스캐너를 이용한 플라스틱 판별 시스템을 이용한 생분해성 바이오플라스틱 제품 수거시스템은 NIR 스캐너를 이용한 플라스틱 판별 시스템을 통과한 시료를 이동시키는 컨베이어 벨트부(410)와 시료의 플라스틱 종류의 판별결과가 포함된 분석결과 정보를 전송받는 데이터 수신부(420)와 플라스틱 시료를 압축시키는 플라스틱 압축부(430)와 상기 플라스틱 압축부(430)를 통해 압축된 플라스틱 시료를 종류에 따라 분리 저장하는 플라스틱 적재부(400) 및 플라스틱 압축 및 적재 시 이를 화면으로 디스플레이하고 음성정보를 제공하는 디스플레이&알림부(450)로 이루어진다.As shown in FIG. 9, the biodegradable bioplastic product collection system using the plastic discrimination system using the NIR scanner according to the present invention includes a conveyor belt unit 410 for moving a sample that has passed through the plastic discrimination system using the NIR scanner The data receiving unit 420 that receives analysis result information including the determination result of the plastic type of the sample, the plastic compression unit 430 that compresses the plastic sample, and the plastic sample compressed through the plastic compression unit 430 are divided into types. It consists of a plastic loading unit 400 that separates and stores according to the plastic loading unit 400 and a display & notification unit 450 that displays it on the screen and provides audio information when the plastic is compressed and loaded.

따라서, 상기한 바와 같은 생분해성 바이오플라스틱 제품 수거시스템을 통해 사용자는 여러 종류의 플라스틱 중 생분해성 바이오플라스틱 제품을 용이하게 수거할 수 있는 효과가 있다.Therefore, the user can easily collect biodegradable bioplastic products among various types of plastics through the biodegradable bioplastic product collection system as described above.

본 발명에 따른 상기 각 구성요소(100, 200, 300 또는 400)는 적어도 하나의 프로세서를 포함할 수 있다. 적어도 하나의 프로세서는 ASIC(Application Specific Integrated Circuit), DSP(Digital Signal Processor), PLD(Programmable Logic Device), FPGA(Field Programmable Gate Array), CPU(Central Processing unit), GPU(Graphic Processing Unit), 마이크로컨트롤러(microcontroller) 및/또는 마이크로프로세서(microprocessor) 등으로 구현될 수 있다. 각 구성요소(100, 200 또는 300)는 메모리를 더 포함할 수 있다. 메모리는 플래시 메모리(flash memory), 하드디스크(hard disk), SSD(Solid State Disk), RAM(Random Access Memory), SRAM(Static Random Access Memory), ROM(Read Only Memory), PROM(Programmable Read Only Memory), EEPROM(Electrically Erasable and Programmable ROM), EPROM(Erasable and Programmable ROM) 및/또는 eMMC(embedded multimedia card) 등과 같은 저장매체를 포함할 수 있다.Each of the components 100, 200, 300 or 400 according to the present invention may include at least one processor. At least one processor may include an Application Specific Integrated Circuit (ASIC), a Digital Signal Processor (DSP), a Programmable Logic Device (PLD), a Field Programmable Gate Array (FPGA), a Central Processing Unit (CPU), a Graphic Processing Unit (GPU), a microprocessor It may be implemented as a microcontroller and/or a microprocessor. Each component 100, 200 or 300 may further include a memory. Memory includes flash memory, hard disk, solid state disk (SSD), random access memory (RAM), static random access memory (SRAM), read only memory (ROM), and programmable read only (PROM) memory. memory), electrically erasable and programmable ROM (EEPROM), erasable and programmable ROM (EPROM), and/or embedded multimedia card (eMMC).

본 발명에 따른 각 구성요소(100, 200, 300 또는 400)는 네트워크를 통해 연결될 수 있는데, 여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.Each component (100, 200, 300 or 400) according to the present invention may be connected through a network, where the network means a connection structure capable of exchanging information between nodes such as a plurality of terminals and servers. To do, one example of such a network includes a local area network (LAN), a wide area network (WAN), a world wide web (WWW), a wired and wireless data communication network, a telephone network, a wired and wireless television communication network, and the like. do. Examples of wireless data communication networks include 3G, 4G, 5G, 3rd Generation Partnership Project (3GPP), 5th Generation Partnership Project (5GPP), Long Term Evolution (LTE), World Interoperability for Microwave Access (WIMAX), Wi-Fi , Internet (Internet), LAN (Local Area Network), Wireless LAN (Wireless Local Area Network), WAN (Wide Area Network), PAN (Personal Area Network), RF (Radio Frequency), Bluetooth (Bluetooth) network, NFC ( A Near-Field Communication (Near-Field Communication) network, a satellite broadcasting network, an analog broadcasting network, a Digital Multimedia Broadcasting (DMB) network, etc. are included, but not limited thereto.

이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽어지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다.In the above, even though all the components constituting the embodiment of the present invention have been described as being combined or operated as one, the present invention is not necessarily limited to these embodiments. That is, within the scope of the object of the present invention, all of the components may be selectively combined with one or more to operate. In addition, although all of the components may be implemented as a single independent piece of hardware, some or all of the components are selectively combined to perform some or all of the combined functions in one or a plurality of pieces of hardware. It may be implemented as a computer program having. Codes and code segments constituting the computer program may be easily inferred by a person skilled in the art. Such a computer program may implement an embodiment of the present invention by being stored in a computer readable storage medium, read and executed by a computer.

한편, 이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시 예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주하여야 할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.On the other hand, although the above has been described and illustrated in relation to preferred embodiments for illustrating the technical idea of the present invention, the present invention is not limited to the configuration and operation as shown and described in this way, and departs from the scope of the technical idea. It will be apparent to those skilled in the art that many changes and modifications can be made to the present invention without modification. Accordingly, all such appropriate alterations and modifications and equivalents are to be regarded as falling within the scope of the present invention. Therefore, the true technical protection scope of the present invention should be determined by the technical spirit of the attached claims.

100 : NIR 스캐너
110 : 적외선센서부
120 : 적외선수집부
130 : 아날로그/디지털변환부
140 : 제어부
200 : 플라스틱 판별장치
210 : 학습데이터 수집부
220 : 인공지능 알고리즘 학습부
230 : 인공지능 알고리즘 채택부
240 : 인공지능 알고리즘 예측부
250 : 인공지능 알고리즘 재학습부
300 : 표시장치
400 : 생분해성 바이오플라스틱 제품 수거 시스템
410 : 컨베이어 벨트부
420 : 데이터 수신부
430 : 플라스틱 압축부
440 : 플라스틱 적재부
450 : 디스플레이&알림부100: NIR scanner
110: infrared sensor unit
120: Infrared collection unit
130: analog/digital conversion unit
140: control unit
200: plastic discrimination device
210: learning data collection unit
220: artificial intelligence algorithm learning unit
230: artificial intelligence algorithm adoption unit
240: artificial intelligence algorithm prediction unit
250: artificial intelligence algorithm re-learning unit
300: display device
400: Biodegradable bioplastic product collection system
410: conveyor belt part
420: data receiving unit
430: plastic compression unit
440: plastic loading part
450: display & notification unit

Claims (14)

근적외선을 시료에 조사하여 NIR 데이터를 획득하는 NIR 스캐너;
학습용 NIR 데이터를 통해 인공지능 모델을 학습시키고, 상기 인공지능 모델을 통해 NIR 스캐너로부터 획득되는 NIR 데이터를 분석하여 플라스틱 종류의 판별결과가 포함된 분석결과 정보를 생성하는 플라스틱 판별장치; 및
상기 분석결과 정보를 디스플레이해주는 표시장치;
를 포함하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 시스템.
A NIR scanner for obtaining NIR data by radiating near-infrared rays to a sample;
A plastic discriminator for learning an artificial intelligence model through learning NIR data and analyzing NIR data obtained from a NIR scanner through the artificial intelligence model to generate analysis result information including a plastic type discrimination result; and
a display device displaying the analysis result information;
Plastic discrimination system using a NIR scanner, characterized in that it comprises a.
 제1항에 있어서,
상기 NIR 스캐너는,
시료에 다양한 파장의 근적외선을 조사하는 적외선센서부;
상기 적외선센서부에서 시료에 조사된 적외선의 반사광을 수집하는 적외선수집부;
상기 적외선수집부가 수집한 광원을 분광 및 단색광 처리하여 전기적신호로 변환 출력하고, 변환 출력된 신호를 소정레벨 증폭 및 필터링함과 아울러 비선형적 신호를 선형적 신호로 변환시키고, 출력된 선형적 아날로그 신호를 디지털 신호로 변환하는 아날로그/디지털변환부; 및
상기 디지털 신호를 NIR 데이터로 가공하여 플라스틱 판별장치로 전송해주는 제어부;를 포함하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 시스템.
According to claim 1,
The NIR scanner,
An infrared sensor unit irradiating near infrared rays of various wavelengths to the sample;
an infrared collecting unit for collecting reflected light of the infrared ray irradiated to the sample by the infrared sensor unit;
The light source collected by the infrared collector is subjected to spectroscopic and monochromatic light processing, converted into an electrical signal and outputted, the converted output signal is amplified and filtered at a predetermined level, and the nonlinear signal is converted into a linear signal, and the outputted linear analog signal Analog / digital conversion unit for converting into a digital signal; and
A plastic discrimination system using a NIR scanner, characterized in that it comprises a; control unit for processing the digital signal into NIR data and transmitting the data to a plastic discrimination device.
 제2항에 있어서,
상기 적외선센서부는,
855nm, 940nm, 1050nm, 1200nm, 1300nm, 1450nm, 1550nm 또는 1650nm 중 어느 하나 이상을 포함하는 근적외선을 시료에 조사하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 시스템.
According to claim 2,
The infrared sensor unit,
855nm, 940nm, 1050nm, 1200nm, 1300nm, 1450nm, 1550nm, or a plastic discrimination system using a NIR scanner, characterized in that for irradiating a near-infrared ray containing one or more of 1650nm to the sample.
 제1항에 있어서,
상기 플라스틱 판별장치는,
학습용 NIR 데이터를 획득하는 학습데이터 수집부;
상기 학습데이터 수집부가 수집한 학습용 NIR 데이터를 통해 복수의 인공지능 알고리즘의 학습을 수행하고, 검증 및 테스트 데이터를 통해 복수의 인공지능 알고리즘 중 가장 성능이 높은 인공지능 알고리즘을 선정하여 저장하는 인공지능 알고리즘 학습부;
NIR 스캐너로부터 NIR 데이터가 전송되면, 상기 인공지능 알고리즘학습부에 저장된 인공지능 알고리즘 중 어느 하나를 채택하는 인공지능 알고리즘 채택부;
상기 인공지능 알고리즘채택부가 채택한 알고리즘을 통해 상기 NIR 데이터를 분석하여 플라스틱 종류를 판별하여 분석결과 정보를 생성하는 인공지능 알고리즘 예측부; 및
상기 인공지능 알고리즘 예측부가 생성한 분석결과 정보를 저장 및 표시장치로 전송하고, 재학습 시 분석결과 정보를 상기 인공지능 알고리즘학습부로 전송해주는 인공지능 알고리즘 재학습부;를 포함하는 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 시스템.
According to claim 1,
The plastic discrimination device,
a learning data collection unit that acquires NIR data for learning;
An artificial intelligence algorithm that performs learning of a plurality of artificial intelligence algorithms through the learning NIR data collected by the learning data collection unit, and selects and stores the artificial intelligence algorithm with the highest performance among the plurality of artificial intelligence algorithms through verification and test data. learning department;
When NIR data is transmitted from the NIR scanner, an artificial intelligence algorithm adoption unit for adopting one of the artificial intelligence algorithms stored in the artificial intelligence algorithm learning unit;
an artificial intelligence algorithm prediction unit that analyzes the NIR data through an algorithm adopted by the artificial intelligence algorithm adoption unit to determine a type of plastic and generates analysis result information; and
An artificial intelligence algorithm re-learning unit that transmits the analysis result information generated by the artificial intelligence algorithm prediction unit to a storage and display device, and transmits the analysis result information to the artificial intelligence algorithm learning unit during re-learning. Plastic discrimination system using .
 제4항에 있어서,
상기 인공지능 알고리즘 학습부는,
인공지능 알고리즘의 하이퍼 파라미터를 최적화시키는 Bayesian Optimizer기법을 사용하여, 복수의 인공지능 알고리즘의 민감도, 특이도, 정확도, PPV(positive predictive value), NPV(negative predictive value) 및 AUC (area under the ROC(receiver operating characteristic)) 점수 중 어느 하나 이상을 측정하여 가장 성능이 높은 인공지능 알고리즘을 선정 및 저장하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 시스템.
According to claim 4,
The artificial intelligence algorithm learning unit,
By using the Bayesian Optimizer technique that optimizes the hyperparameters of artificial intelligence algorithms, the sensitivity, specificity, accuracy, PPV (positive predictive value), NPV (negative predictive value) and AUC (area under the ROC( A plastic discrimination system using a NIR scanner, which measures one or more of the receiver operating characteristic) scores to select and store the artificial intelligence algorithm with the highest performance.
 제4항에 있어서,
상기 인공지능 알고리즘 예측부는,
NIR 데이터를 분석하여, 시료를 PLA, PHA, PBAT, PBS, PP, PE, PS, PET 중 어느 하나로 판별하여 분석결과 정보를 생성하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 시스템.
According to claim 4,
The artificial intelligence algorithm prediction unit,
A plastic discrimination system using a NIR scanner, characterized in that by analyzing NIR data, the sample is discriminated as one of PLA, PHA, PBAT, PBS, PP, PE, PS, and PET to generate analysis result information.
 플라스틱 판별장치가 학습용 NIR 데이터를 통해 인공지능 모델을 학습시키는 A단계;
NIR 스캐너가 근적외선을 시료에 조사하여 NIR 데이터를 획득하는 B단계; 및
플라스틱 판별장치가 NIR 스캐너로부터 획득되는 NIR 데이터를 분석하여 플라스틱 종류의 판별결과가 포함된 분석결과 정보를 생성하고, 표시장치가 이를 디스플레이하는 C단계;를 포함하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 방법.
A step in which the plastic discrimination device learns an artificial intelligence model through NIR data for learning;
Step B of obtaining NIR data by irradiating the sample with near-infrared rays by the NIR scanner; and
Plastics using a NIR scanner, characterized in that it includes; plastic using a NIR scanner, characterized in that it includes; How to determine.
 제7항에 있어서,
상기 A단계는,
학습데이터 수집부가 학습용 NIR 데이터를 획득하는 단계; 및
인공지능 알고리즘 학습부가 상기 학습데이터 수집부가 수집한 학습용 NIR 데이터를 통해 복수의 인공지능 알고리즘의 학습을 수행하고, 검증 및 테스트 데이터를 통해 복수의 인공지능 알고리즘 중 가장 성능이 높은 인공지능 알고리즘을 선정하여 저장하는 단계;를 포함하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 방법.
According to claim 7,
In step A,
Acquiring NIR data for learning by a learning data collection unit; and
The artificial intelligence algorithm learning unit performs learning of a plurality of artificial intelligence algorithms through the learning NIR data collected by the learning data collection unit, and selects the artificial intelligence algorithm with the highest performance among the plurality of artificial intelligence algorithms through verification and test data. A plastic discrimination method using a NIR scanner, comprising the step of storing.
 제8항에 있어서,
상기 인공지능 알고리즘 학습부는,
인공지능 알고리즘의 하이퍼 파라미터를 최적화시키는 Bayesian Optimizer기법을 사용하여, 복수의 인공지능 알고리즘의 민감도, 특이도, 정확도, PPV(positive predictive value), NPV(negative predictive value) 및 AUC (area under the ROC(receiver operating characteristic)) 점수 중 어느 하나 이상을 측정하여 가장 성능이 높은 인공지능 알고리즘을 선정 및 저장하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 방법.
According to claim 8,
The artificial intelligence algorithm learning unit,
By using the Bayesian Optimizer technique that optimizes the hyperparameters of artificial intelligence algorithms, the sensitivity, specificity, accuracy, PPV (positive predictive value), NPV (negative predictive value) and AUC (area under the ROC( A plastic discrimination method using a NIR scanner characterized by measuring one or more of receiver operating characteristic) scores to select and store the artificial intelligence algorithm with the highest performance.
 제7항에 있어서,
상기 B단계는,
적외선센서부가 시료에 다양한 파장의 근적외선을 조사하는 단계;
적외선수집부가 상기 적외선센서부에서 시료에 조사된 적외선의 반사광을 수집하는 단계;
아날로그/디지털변환부가 상기 적외선수집부가 수집한 광원을 분광 및 단색광 처리하여 전기적신호로 변환 출력하고, 변환 출력된 신호를 소정레벨 증폭 및 필터링함과 아울러 비선형적 신호를 선형적 신호로 변환시키고, 출력된 선형적 아날로그 신호를 디지털 신호로 변환하는 단계; 및
제어부가 상기 디지털 신호를 NIR 데이터로 가공하여 플라스틱 판별장치로 전송해주는 단계;
를 포함하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 방법.
According to claim 7,
In step B,
irradiating, by an infrared sensor unit, near infrared rays of various wavelengths to the sample;
Collecting, by an infrared collecting unit, reflected light of infrared rays irradiated to a sample from the infrared sensor unit;
The analog/digital converter converts and outputs the light source collected by the infrared collector by spectroscopy and monochromatic light processing into an electrical signal, amplifies and filters the converted signal to a predetermined level, converts the nonlinear signal into a linear signal, and outputs the signal. converting the linear analog signal into a digital signal; and
processing the digital signal into NIR data by a controller and transmitting the data to a plastic discrimination device;
Plastic discrimination method using a NIR scanner, characterized in that it comprises a.
 제10항에 있어서,
상기 적외선센서부는,
855nm, 940nm, 1050nm, 1200nm, 1300nm, 1450nm, 1550nm 또는 1650nm 중 어느 하나 이상을 포함하는 근적외선을 시료에 조사하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 방법.
According to claim 10,
The infrared sensor unit,
855nm, 940nm, 1050nm, 1200nm, 1300nm, 1450nm, 1550nm, or 1650nm plastic identification method using a NIR scanner, characterized in that for irradiating the near-infrared rays containing any one or more of the sample to the sample.
 제7항에 있어서,
상기 C단계는,
인공지능 알고리즘 채택부가 NIR 스캐너로부터 NIR 데이터가 전송되면, 인공지능 알고리즘학습부에 저장된 인공지능 알고리즘 중 어느 하나를 채택하는 단계;
인공지능 알고리즘 예측부가 상기 인공지능 알고리즘채택부가 채택한 알고리즘을 통해 상기 NIR 데이터를 분석하여 플라스틱 종류를 판별하여 분석결과 정보를 생성하는 단계; 및
인공지능 알고리즘 재학습부가 상기 인공지능 알고리즘 예측부가 생성한 분석결과 정보를 저장 및 표시장치로 전송하고, 재학습 시 분석결과 정보를 인공지능 알고리즘학습부로 전송해주는 단계;
를 포함하는 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 방법.
According to claim 7,
In step C,
When the NIR data is transmitted from the NIR scanner by the artificial intelligence algorithm adoption unit, adopting any one of the artificial intelligence algorithms stored in the artificial intelligence algorithm learning unit;
an artificial intelligence algorithm prediction unit analyzing the NIR data through an algorithm adopted by the artificial intelligence algorithm adoption unit to determine a plastic type and generating analysis result information; and
Transmitting the analysis result information generated by the artificial intelligence algorithm prediction unit by the artificial intelligence algorithm re-learning unit to a storage and display device, and transmitting the analysis result information to the artificial intelligence algorithm learning unit during re-learning;
Plastic discrimination method using a NIR scanner, characterized in that it comprises a.
 제12항에 있어서,
상기 인공지능 알고리즘 예측부는,
NIR 데이터를 분석하여, 시료를 PLA, PHA, PBAT, PBS, PP, PE, PS, PET 중 어느 하나로 판별하여 분석결과 정보를 생성하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 방법.
According to claim 12,
The artificial intelligence algorithm prediction unit,
A plastic identification method using a NIR scanner, characterized in that by analyzing the NIR data, the sample is determined as one of PLA, PHA, PBAT, PBS, PP, PE, PS, and PET to generate analysis result information.
 NIR 스캐너를 이용한 플라스틱 판별 시스템을 이용한 생분해성 바이오플라스틱 제품 수거시스템에 있어서,
NIR 스캐너를 이용한 플라스틱 판별 시스템을 통과한 시료를 이동시키는 컨베이어 벨트부;
시료의 플라스틱 종류의 판별결과가 포함된 분석결과 정보를 전송받는 데이터 수신부;
플라스틱 시료를 압축시키는 플라스틱 압축부;
상기 압축부를 통해 압축된 플라스틱 시료를 종류에 따라 분리 저장하는 플라스틱 적재부; 및
플라스틱 압축 및 적재 시 이를 화면으로 디스플레이하고 음성정보를 제공하는 디스플레이&알림부;
를 포함하는 것을 특징으로 하는 NIR 스캐너를 이용한 플라스틱 판별 시스템을 이용한 생분해성 바이오플라스틱 제품 수거시스템.In the biodegradable bioplastic product collection system using a plastic discrimination system using a NIR scanner,
A conveyor belt unit for moving a sample that has passed through a plastic discrimination system using a NIR scanner;
a data receiving unit for receiving analysis result information including a result of determining the plastic type of the sample;
A plastic compression unit for compressing the plastic sample;
a plastic loading unit that separates and stores the plastic samples compressed through the compression unit according to types; and
Display & notification unit that displays on the screen and provides audio information when plastic is compressed and loaded;
Biodegradable bioplastic product collection system using a plastic discrimination system using a NIR scanner, characterized in that it comprises a.
KR1020220170801A 2021-12-09 2022-12-08 Degradable bioplastic product recovery vending machine and system KR20230088278A (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210176083 2021-12-09
KR20210176083 2021-12-09

Publications (1)

Publication Number Publication Date
KR20230088278A true KR20230088278A (en) 2023-06-19

Family

ID=86988532

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220170801A KR20230088278A (en) 2021-12-09 2022-12-08 Degradable bioplastic product recovery vending machine and system

Country Status (1)

Country Link
KR (1) KR20230088278A (en)

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
비특허문헌 1: 근적외선 분광법을 이용한 폐플라스틱 분리선별 기술개발
비특허문헌 2: 이동 가능한 소형 근적외선 분광 분석기를 사용한 종이 기록물 내 산성도 및 함수율 분석에 대한 연구
비특허문헌 3: 생활폐기물 데이터로 학습된 인공지능의 서비스 상용화를 위한 S/W와 H/W의 구현

Similar Documents

Publication Publication Date Title
Bonifazi et al. A hierarchical classification approach for recognition of low-density (LDPE) and high-density polyethylene (HDPE) in mixed plastic waste based on short-wave infrared (SWIR) hyperspectral imaging
Küppers et al. Influence of surface roughness and surface moisture of plastics on sensor-based sorting in the near infrared range
JP7257009B2 (en) Systems and methods for real-time Raman spectroscopy for cancer detection
KR101885437B1 (en) Apparatus and method for trash separating
Karaca et al. Automatic waste sorting using shortwave infrared hyperspectral imaging system
Serranti et al. Hyperspectral imaging for process and quality control in recycling plants of polyolefin flakes
JP4203916B2 (en) Plastic identification method and identification device
KR20220156603A (en) Method and electronic device for automated waste management
WO2012074372A2 (en) A system for fruit grading and quality determination
CN108204954A (en) Resin determination method and resin decision maker
Chakraborty et al. Rapid estimation of compost enzymatic activity by spectral analysis method combined with machine learning
US20170254741A1 (en) Quality evaluation method and quality evaluation device
US20230023641A1 (en) Automated detection of chemical component of moving object
US20230062938A1 (en) Sensor fusion approach for plastics identification
Jull et al. Classification of recyclables using laser-induced breakdown spectroscopy for waste management
AbuHassan et al. Automatic diagnosis of tuberculosis disease based on Plasmonic ELISA and color-based image classification
EP4194107A1 (en) Apparatus and method for classifying material objects
KR20230088278A (en) Degradable bioplastic product recovery vending machine and system
CN111007026A (en) Food freshness detection system and detection method based on spectrum chip
Cesetti et al. Waste processing: new near infrared technologies for material identification and selection
EP3477282B1 (en) Method and apparatus determining resin color
O'connell et al. Classification of a target analyte in solid mixtures using principal component analysis, support vector machines, and Raman spectroscopy
Li et al. Terahertz spectroscopic material identification using approximate entropy and deep neural network
Singh et al. Hyperspectral imaging-based classification of post-consumer thermoplastics for plastics recycling using artificial neural network
JP4291951B2 (en) Method and apparatus for identifying the type of material of an object and use thereof