高光谱技术在工业现场实时分拣的发展

基于图像和光谱的实时工业分拣，起源于工业色选技术，农产品和工业原料分选中色选技术逐步成为产品生产中必不可少的重要环节，如图1.3。目前色选机已成为包括大米、大豆、杂粮、茶叶等等各种农作物质量的重要保障手段，色选机应用已经十分广泛。

图1.3(a)彩色CCD茶叶色选机 (b)彩色CCD大豆/杂粮色选机

随着科学技术的发展和不断提高的分拣要求，基于光学和图像的工业现场分拣技术逐步从光电、单色线阵CCD、彩色线阵CCD,向高光谱识别技术发展。色选技术也逐步从粮食、石英砂、食盐、糖等原料的分拣逐步扩展到各种工业原料的分拣领域。尤其是近年来环保型社会的提出，各种生活工业废料的回收和再利用为色选技术的发展创造了新的契机。

我国各种塑料废弃物，如饮料瓶、塑料包装材料的废弃量已达到9千万吨/年。塑料垃圾也被称为“白色污染”,威胁生态环境，是当今世界的一大公害。解决塑料垃圾污染问题，是当今世界最重要的环保课题研究之一。回收和再利用各种塑料垃圾、变废为宝无疑为“白色污染”的解决提供了新的出路。塑料垃圾的回收和再利用首先是分拣问题，一是要从塑料与纸张、木材、金属、纤维、其他有机废弃物如菜叶、植物等不同类型的垃圾中分拣出来，其次是要将热熔型塑料和热固型塑料区分开来，三是要将不同颜色的塑料区分开来，才能使塑料垃圾的回收产生经济效益(R.J.赫恩南德兹，2004)。

国际上在这一领域进行了大量有益的尝试，采用高光谱成像技术实现了有效的检测和分拣手段(D M Scott,1995)。首先在红外光谱下一般生活垃圾和塑料有较为显著的区别，可实现粗分离如图1.4(a)所示，热熔型(如PET)塑料和热固型(如PVC)塑料在红外光谱段也有不同的特征，利用这些不同的光谱特征能够有效地实现塑料的粗分拣(如图1.4(b)所示),再利用可见光彩色分拣技术可以实现塑料的颜色分离(如图1.4(c)所示)完成塑料原料的回收。

塑料回收再利用的关键环节是要能够区分热熔型和热固型塑料，热熔型塑料可以直接回收熔融再生产，而热固型塑料只能作为填充材料进行再利用，如果热熔型塑料中混杂有热固型塑料则热熔型塑料就无法直接进行熔融再应用，由于热固型塑料的存在，一方面将使熔融机械无法正常工作，另一方面将严重影响在铸塑料制品的品质，这将严重降低塑料回收的经济效益，使塑料回收产业难以为续。传统的分拣方法有密度分选、浮选分选、温差分选等多种方法但无法适应大规模塑料垃圾回收应用需求。X光分选尽管具有大规模应用的潜力但难以在恶劣的生产环境中保证人员的安全性，因此也难以得到普及(约翰·沙

伊斯，2004)。

大量的学者利用塑料的红外光谱特性做了许多有益的尝试，一些最先进高光谱分拣技术逐步投入了实用，然而国外此类设备一般采用标准高光谱仪作为分拣单元，红外高光谱仪价格昂贵，导致以红外高光谱技术PET/PVC分拣系统成本高昂，影响了此类设备的普及(高明等，2005)。图1.5(a)为德国生产的一款采用7个光谱探测器并列探测塑料类型的PET塑料瓶光学分选机，同时具有高压气枪，喂料斗等单元。传送带把塑料送入喂料口后，PET塑料通过喂料口，其他的非PET塑料被高压气枪吹出，从而实现PET料的分离；图1.5(b)是美国NRT(National Recovery Technologies,Inc)公司结合了工业计算机系统和红外分光镜探测器，对大量的片装和颗粒装聚合物进行高速扫描和分类，探测和去除在PET生产回收过程中的PVC杂质，最大生产能力可以达到

2270kg/h。

工业分拣高光谱智能相机SP130M是一种利用高光谱技术实现智能分拣的设备，它可以通过对物体表面反射的光谱进行分析，精准识别物体的种类和质量。在对国内外色选机研究的基础上将高光谱技术和智能相机技术结合起来构成红外/可见光高光谱智能相机，实现PET/PVC的分拣。利用相对廉价的线阵红外传感器和线阵可见光传感器，配合高光谱成像技术构成检测单元，利用FPGA技术构成相机处理单元，形成红外高光谱智能相机系统，有效地解决高光谱识别技术的成本和实时处理问题，形成与目前色选机技术相兼容的高光谱处理系统，将会对色选机技术的发展起到积极的推动作用。

工业分拣高光谱智能相机SP130M技术参数

工业分拣高光谱智能相机应用

粮食分拣：相机可以通过检测粮食的光谱信息，实现不同种类的粮食区分，有效提高粮食分拣的准确率。

果蔬分拣：相机可以检测果蔬的成熟度、瑕疵与形态，实现果蔬的分类、分级和分拣，提高果蔬产品的吸引力。

化妆品分拣：相机可以对化妆品的颜色、外形和包装进行检测，实现高速、高效、精确的分拣，保证化妆品的品质。

药品分拣：相机可以对药品的颜色、形态、标志、包装等信息进行检测，实现准确的药品分拣。

制药工业：相机可以对药品口服片、药水、胶囊、注射液等药品形态、颜色、表面缺陷等进行检测和分拣，保证制药工艺和质量的稳定性。

工业检测：基于高光谱成像技术并结合机器学习模型训练方法能够无损、准确地鉴别物质，可为物质分类定级、自动分选工业化批量检测场景提供一种高效、科学的检测手段和依据。