Värilajittelija

Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 2. heinäkuuta 2014 tarkistetusta versiosta . tarkastukset vaativat 43 muokkausta .

Valokuvalajittelija , optinen lajittelulaite  , joka mahdollistaa minkä tahansa irtomateriaalin lajittelun kehon fyysisen ominaisuuden kuten värin perusteella . Objektianalyysiin käytetään sekä yksivärisiä kameroita (CCD, CMOS) että värikameroita (esim. RGB). Yksiväristä kameraa käytettäessä on mahdotonta puhua oikeutetusti lajittelusta värin mukaan - pikemminkin sitä voidaan kutsua lajitteluksi sellaisen parametrin mukaan kuin sävy (intensiteetti).

Luontihistoria

Maana, joka valmisti ensimmäisenä värilajittelijan, pidetään Japania . Näitä erottimia käytettiin riisin lajitteluun. Toisen version mukaan ensimmäistä kertaa teollisessa mittakaavassa optisia lajittelijoita alettiin käyttää Yhdysvalloissa 50-luvulla. välipalatuotteiden (lastujen) tuotannossa. Neuvostoliiton aikana Leningradissa luotiin kokeellinen kopio , mutta se ei mennyt tuotantoon. Tähän mennessä lähes kaikissa maailman maissa valmistetaan eri merkkien ja kokoonpanojen värilajittelulaitteita.

Valoerotustekniikka

Värilajittelijan ominaisuudet rajoittuvat vieraan kappaleen väriltään poikkeavan tuotteen virtauksen määrittämiseen. Tässä tapauksessa ero hyvän ja sopimattoman tuotteen välillä voi olla minimaalinen. Tämä viittaa monokromaattiseen erotteluun ja yhden tuotteen värisävyn eroon toisen värisävyn välillä. Lisäksi on lajittelulaitteita, jotka valitsevat kahdella tai useammalla värillä (kaksikromaattinen, kolmivärinen, RGB - punainen-vihreä-sininen järjestelmät ja niiden muunnelmat). On myös mahdollista erottaa kevyt tuote, musta tuote, läpinäkyvä tuote (lasi, muovi, mineraalit), erotus IR-spektrissä (mukaan lukien samanväriset hiukkaset), röntgen- ja UV-luminesenssilajittelu (perustuu tuotteessa olevien epäpuhtauksien hehkuvaikutus, kun sitä säteilytetään näillä aallonpituuksilla) jne.

Kuinka se toimii

Tällä hetkellä värilajittelulaitteita on kahta päätyyppiä: antureissa ja CCD-kameroissa (tai CMOS-kameroissa). Anturi  on pohjimmiltaan piikiekko, joka voi tallentaa latauksia. Sensoreihin perustuvat valoerottimet käyttävät valovirta-analysaattorina sensoria - piivalovastaanotinta, kun taas raeanalyysi tapahtuu koko viljan alueella (yhteispisteessä). CCD-kameran päätyöelementti on valoherkkien elementtien piimatriisi. CCD-matriiseista saatu kuva saadaan pisteenä, toisin kuin anturista saatu kuva.

Analyysijärjestelmässä on myös mahdollista käyttää värikameroita. Värikuvan syöttämiseen käytetään erityisiä järjestelmiä, jotka analysoivat vuon intensiteetin eri spektreissä ja tekevät niistä sitten yhteenvedon. Tähän mennessä laitteet käyttävät matriiseja, joissa on 1024 pikseliä, 2048 tai 5120 pikseliä vaakasuunnassa. CCD-matriisi tutkii alustan koko leveyden, ei yhtä kanavaa.

CCD-kameroilla varustetut värilajittelijat ovat etusijalla sensorilaitteisiin nähden, koska CCD-kamerat tarkastavat rakeita pistesuunnassa. Heillä on mahdollisuus poistaa pieniä vikoja sisältäviä jyviä jätteeksi esimerkiksi siemenlajittelussa - halkeamat jyvät, riisiä lajitettaessa - läiskät ja sairaudet jne.

Sovellus

Värilajittelijaa voidaan käyttää useilla elintarviketeollisuuden aloilla, lääketieteessä, kemianteollisuudessa, mineraalien ja suolojen lajittelussa, jätteiden ( lasi , muovi ) kierrätyksessä jne.

Riisi , seesami , herneet , vehnä , kaura , tattari , auringonkukka , tee , pavut ja pavut , pinjansiemeniä , saksanpähkinät jne. voivat toimia jalostettuna materiaalina suhteessa elintarviketeollisuuteen . -laadukkaat siemenet ovat erityisen tärkeitä. Sen puhdistaminen on erittäin merkittävä ongelma, jonka ratkaiseminen on erittäin tärkeää. Tämä ongelma on erityisen akuutti valmistettaessa siemenmateriaalia pienisiemenisille viljelykasveille: vihanneksille, yrteille, lääke-, kukka- ja eräille teollisuuskasveille. Värilajittelijan käyttö mahdollistaa siementen tuottajien toimittamisen markkinoille tuotteilla, jotka täyttävät korkeimmat vaatimukset ja noudattavat voimassa olevia GOST- laatustandardeja .

Värierottimet ovat löytäneet laajimman sovelluksen elintarvike- ja jalostusteollisuudessa. Niille on kysyntää siellä, missä tarvitaan laadukkainta bulkkiraaka-ainevalikoimaa. Esimerkiksi värilajittelijat ottavat paikkansa tehdastuotannon valmisteluprosessin loppuosassa. Itse asiassa, kun vilja on kuljetettu koneen läpi, se lajitellaan jopa 99,9 % puhtauteen.

Valoerotuksella lajitellaan viljan lisäksi muiden elintarviketuotteiden massoja: palkokasveja ja öljykasveja, pähkinöitä, ruohonsiemeniä, kuivattuja hedelmiä ja marjoja.

Nyt tämä tekniikka lajittelee tuotteet kahden keskeisen ominaisuusryhmän mukaan. Ensimmäinen on geometrinen. Nämä ovat kohteen koko, muoto, pinta-ala, sirut, halkeamat, muut viat jne. Toinen ryhmä on väriominaisuudet. Eli se on itse väri, sävyt, tuotteen kirkkaus jne.

Aiemmin tuotteita, kuten raidallisia auringonkukkia ja rusinoita, ei ollut mahdollista käsitellä värilajittelijalla. Vuonna 2015 kiinalaiset tutkijat ratkaisivat tämän ongelman. Neuraalialgoritmin käyttöönoton myötä tuli mahdolliseksi erottaa laadullisesti raidallinen auringonkukka siemenistä, joissa on osittain tuhoutunut kuori tai muita vikoja ja vieraista epäpuhtauksista, laite selviää myös rusinoiden erottamisesta varrella ja "puhtaista" rusinat.

Vuonna 2016 kiinalaiset kehittäjät menivät pidemmälle ja kehittivät tekoälyn värilajittelijat, mikä yksinkertaistaa ja parantaa huomattavasti tuotteiden lajittelun laatua, toisin kuin vanhemmissa malleissa, värilajittelijaa ei tarvitse konfiguroida joka kerta uudelleen parhaan tuloksen saamiseksi.

Värierottimilla on kysyntää myös non-food-teollisuudessa. Joten heidän avullaan lajitellaan suolat ja mineraalit, samoin kuin lasi, muovi ja jätteet kierrätyksen aikana.

Linkit

  1. siemenmateriaalia
  2. Valokuvalajittelija - toimintaperiaate
  3. Valokuvaerotussovellus
  4. Värilajittelija tuotannossa
  5. Aikakauslehti "Leipätuotteet". Nro 5/2016. Artikkeli "Älykkäät värierottimet: hermoalgoritmi ei-standardien lajitteluongelmien ratkaisemiseksi. E. V. Galkin.