Page 29 - VSDC_NovDec2017_eMag
P. 29

应用与解决方案 Applications & Solutions






          高光谱成像
         多传感器成像助力有色金属废料分选







          文/Andrew Wilson


             车辆以及电气和电子设备通常被
          作为废品丢弃,因为以成本有效的方
          式回收利用这种材料可能是不切实际
          的。过去,这种回收利用是通过人工
          分拣进行的,这是一种劳动强度大、
          耗时且不准确的流程。使用自动化系
          统,可以分别通过磁鼓或者感应式或
          涡流分选器,分拣出来自回收材料中
          的 40% -50%的钢以及 30%的其他金
          属。开发更复杂系统的最大挑战之一
          是对铝、铜、黄铜、铅、不锈钢、银
          和金等有色金属进行分拣。
             过去,回收行业一直对分拣这种
          金属废料的自动方法接受很慢。然而,
          随着高光谱相机和基于机器人的拾取
                                           图1:将多个传感器、相机、PLC和机器人相结合,用于金属材料的自动分拣。
          和分拣方法的出现,现在可以自动执
          行这些流程,从而将工人从繁重的工                 类是一项具有挑战性的问题,”该研                  谱形状的情况有所不同。”
          作中解脱出来,同时提高分拣金属合                 究组的研究工程师 Pierre Barnabé 说,
          金的效率。由于自动化过程更加有效,               “事实上,金属的反射曲线通常表现                   高光谱成像
          废料供应商可以生产更多的再生材                  出单调的特性,与塑料可能有更多光                      为了执行分拣有色金属的任务,
          料,从而提高盈利能力。                                                                   首先需要对材料进行定
             为了实现这些目             15                                                     位,然后根据其光谱特
          标,最初致力于矿物表                                                                    征进行分类。这些光谱
          征和加工的比利时列日                                                                    特征可以用来识别材
          大学的 GeMMe 部门已          10                                                     料。在可见光和近红外
          开发了一种基于机器人                                                                   (VNIR)光谱中,铝、
          的系统,该系统中包                                                                     铜、锌、不锈钢和黄铜
          含了多个传感器、相               5  500  550  600  650  700  750  800  850  900  950 1000  都表现出不同的光谱响
                                                      Wavelength (nm)
          机、可编程逻辑控制器                                                                    应特征(见图 2)。可以
                                     Aluminium  Copper    Zinc    Stainless steel  Brass
         (PLC)和机器人系统(见                                                                  看出,黄铜和不锈钢是
          图 1)。“由于金属表面         图2:在可见光和近红外(VNIR)光谱中,铝、铜、锌、不锈钢和黄铜都表现出不同的光                最难区分的类别,因为
          的反射,废金属片的分           谱响应特征。黄铜和不锈钢是最难分辨的类别,因为它们的光谱反射特性非常相似。                    它们的光谱反射特性非



          视觉系统设计   Vision Systems Design China                                               Nov/Dec  2017  27
   24   25   26   27   28   29   30   31   32   33   34