Clasificación óptica
De Wikipedia, la enciclopedia libre
  (Redirigido desde la clasificación electroóptica )
Saltar a navegación Saltar a búsqueda

La clasificación óptica (a veces denominada clasificación digital ) es el proceso automatizado de clasificación de productos sólidos mediante cámaras y / o láseres .

Según los tipos de sensores utilizados y la inteligencia impulsada por el software del sistema de procesamiento de imágenes , los clasificadores ópticos pueden reconocer el color, el tamaño, la forma, las propiedades estructurales y la composición química de los objetos. [1] El clasificador compara objetos con criterios de aceptación / rechazo definidos por el usuario para identificar y eliminar productos defectuosos y material extraño (FM) de la línea de producción, o para separar productos de diferentes grados o tipos de materiales.

La clasificación óptica logra una inspección no destructiva del 100 por ciento en línea a volúmenes de producción completos.

Los clasificadores ópticos se utilizan ampliamente en la industria alimentaria en todo el mundo, con la mayor adopción en el procesamiento de alimentos recolectados como patatas, frutas, verduras y frutos secos, donde logran una inspección no destructiva del 100 por ciento en línea a volúmenes de producción completos. La tecnología también se utiliza en la fabricación de productos farmacéuticos y nutracéuticos , procesamiento de tabaco, reciclaje de desechos y otras industrias. En comparación con la clasificación manual, que es subjetiva e inconsistente, la clasificación óptica ayuda a mejorar la calidad del producto, maximizar el rendimiento y aumentar los rendimientos al tiempo que reduce los costos de mano de obra. [2]

Historia

La clasificación óptica es una idea que surgió por primera vez del deseo de automatizar la clasificación industrial de productos agrícolas como frutas y verduras. [3] Antes de que se concibiera la tecnología de clasificación óptica automatizada en la década de 1930, empresas como Unitec producían maquinaria de madera para ayudar en la clasificación mecánica del procesamiento de frutas. [3] En 1931, se incorporó una empresa conocida como "Electric Sorting Company" y comenzó la creación de las primeras clasificadoras por color del mundo, que se instalaron y utilizaron en la industria de frijoles de Michigan en 1932. [4] En 1937, clasificación óptica la tecnología había avanzado para permitir sistemas basados ​​en un principio de selección de dos colores. [4]Las siguientes décadas vieron la instalación de mecanismos de clasificación nuevos y mejorados, como los sistemas de alimentación por gravedad, y la implementación de la clasificación óptica en más industrias agrícolas. [5]

A fines de la década de 1960, la clasificación óptica comenzó a implementarse en nuevas industrias más allá de la agricultura, como la clasificación de metales ferrosos y no ferrosos. [6] En la década de 1990, la clasificación óptica se estaba utilizando mucho en la clasificación de desechos sólidos. [6]

Con la gran revolución tecnológica que tuvo lugar a fines de la década de 1990 y principios de la de 2000, los clasificadores ópticos se hicieron más eficientes mediante la implementación de nuevos sensores ópticos, como cámaras CCD, UV e IR. [5] En la actualidad, la clasificación óptica se utiliza en una amplia variedad de industrias y, como tal, se implementa con una selección variable de mecanismos para ayudar en la tarea de ese clasificador específico.

El sistema de clasificación

La clasificación óptica logra una inspección no destructiva del 100 por ciento en línea a volúmenes de producción completos.

En general, los clasificadores ópticos cuentan con cuatro componentes principales: el sistema de alimentación, el sistema óptico, el software de procesamiento de imágenes y el sistema de separación. [7]El objetivo del sistema de alimentación es esparcir los productos en una monocapa uniforme para que los productos se presenten al sistema óptico de manera uniforme, sin grumos, a una velocidad constante. El sistema óptico incluye luces y sensores alojados encima y / o debajo del flujo de los objetos que se inspeccionan. El sistema de procesamiento de imágenes compara los objetos con los umbrales de aceptación / rechazo definidos por el usuario para clasificar los objetos y activar el sistema de separación. El sistema de separación, generalmente aire comprimido para productos pequeños y dispositivos mecánicos para productos más grandes, como papas enteras, identifica objetos mientras están en el aire y desvía los objetos para eliminarlos en un conducto de rechazo mientras el producto bueno continúa a lo largo de su trayectoria normal.

El clasificador ideal para usar depende de la aplicación. Por lo tanto, las características del producto y los objetivos del usuario determinan los sensores ideales, las capacidades impulsadas por software y la plataforma mecánica.

Sensores

Los clasificadores ópticos requieren una combinación de luces y sensores para iluminar y capturar imágenes de los objetos para que las imágenes puedan procesarse. Las imágenes procesadas determinarán si el material debe ser aceptado o rechazado.

Hay clasificadores de cámara, clasificadores láser y clasificadores que cuentan con una combinación de los dos en una plataforma. Luces, cámaras, láseres y sensores láser pueden ser diseñados para funcionar dentro de las longitudes de onda de luz visible, así como los infrarrojos (IR) y ultravioleta (UV) espectros . Las longitudes de onda óptimas para cada aplicación maximizan el contraste entre los objetos a separar. Las cámaras y los sensores láser pueden diferir en resolución espacial, con resoluciones más altas que permiten al clasificador detectar y eliminar defectos más pequeños.

La clasificación de formas permite la detección de defectos del mismo color y material extraño

Cámaras

Las cámaras monocromáticas detectan tonos de gris del negro al blanco y pueden ser efectivas para clasificar productos con defectos de alto contraste.

Las sofisticadas cámaras en color con alta resolución de color son capaces de detectar millones de colores para distinguir mejor los defectos de color más sutiles. Las cámaras de color tricromáticas (también llamadas cámaras de tres canales) dividen la luz en tres bandas, que pueden incluir rojo, verde y / o azul dentro del espectro visible, así como IR y UV.

Junto con un software inteligente, los clasificadores que cuentan con cámaras son capaces de reconocer el color, el tamaño y la forma de cada objeto; así como el color, tamaño, forma y ubicación de un defecto en un producto. Algunos clasificadores inteligentes incluso permiten al usuario definir un producto defectuoso basándose en el área de superficie total defectuosa de cualquier objeto dado.

Láseres

Mientras que las cámaras capturan información del producto basándose principalmente en la reflectancia del material, los láseres y sus sensores pueden distinguir las propiedades estructurales de un material junto con su color. Esta inspección de propiedades estructurales permite que los láseres detecten una amplia gama de materiales extraños orgánicos e inorgánicos, como insectos, vidrio, metal, palos, rocas y plástico; incluso si son del mismo color que el buen producto.

Los láseres pueden diseñarse para funcionar con longitudes de onda de luz específicas; ya sea en el espectro visible o más allá. [8] Por ejemplo, los láseres pueden detectar la clorofila estimulando la fluorescencia utilizando longitudes de onda específicas; que es un proceso muy eficaz para eliminar materias extrañas de los vegetales verdes. [9]

Combinaciones de cámara / láser

Los clasificadores equipados con cámaras y láseres en una plataforma generalmente son capaces de identificar la más amplia variedad de atributos. Las cámaras suelen reconocer mejor el color, el tamaño y la forma, mientras que los sensores láser identifican las diferencias en las propiedades estructurales para maximizar la detección y eliminación de materiales extraños.

La imagen hiperespectral de las tiras de papa con "punta de azúcar" muestra defectos invisibles

Imágenes hiperespectrales

Impulsados ​​por la necesidad de resolver desafíos de clasificación previamente imposibles, se está desarrollando una nueva generación de clasificadores que cuentan con sistemas de imágenes multiespectrales e hiperespectrales . [10]

Al igual que las cámaras tricromáticas, las cámaras multiespectrales e hiperespectrales recopilan datos del espectro electromagnético. A diferencia de las cámaras tricromáticas, que dividen la luz en tres bandas, los sistemas hiperespectrales pueden dividir la luz en cientos de bandas estrechas en un rango continuo que cubre una gran parte del espectro electromagnético. En comparación con los tres puntos de datos por píxel recopilados por las cámaras tricromáticas, las cámaras hiperespectrales pueden recopilar cientos de puntos de datos por píxel, que se combinan para crear una firma espectral única (también llamada huella digital) para cada objeto. Cuando se complementa con una inteligencia de software capaz, un clasificador hiperespectral procesa esas huellas dactilares para permitir la clasificación según la composición química del producto. Ésta es un área emergente de la quimiometría .

Inteligencia impulsada por software

Una vez que los sensores capturan la respuesta del objeto a la fuente de energía, se utiliza el procesamiento de imágenes para manipular los datos sin procesar. El procesamiento de imágenes extrae y categoriza información sobre características específicas. Luego, el usuario define los umbrales de aceptación / rechazo que se utilizan para determinar qué es bueno y malo en el flujo de datos sin procesar. El arte y la ciencia del procesamiento de imágenes radica en desarrollar algoritmos que maximicen la efectividad del clasificador al tiempo que presentan una interfaz de usuario simple para el operador.

El reconocimiento basado en objetos es un ejemplo clásico de inteligencia impulsada por software. Permite al usuario definir un producto defectuoso en función de dónde se encuentra el defecto en el producto y / o la superficie total defectuosa de un objeto. Ofrece más control para definir una gama más amplia de productos defectuosos. Cuando se utiliza para controlar el sistema de expulsión del clasificador, puede mejorar la precisión de la expulsión de productos defectuosos. Esto mejora la calidad del producto y aumenta los rendimientos.

Constantemente se desarrollan nuevas capacidades impulsadas por software para abordar las necesidades específicas de diversas aplicaciones. A medida que el hardware informático se vuelve más poderoso, se hacen posibles nuevos avances impulsados ​​por software. Algunos de estos avances mejoran la eficacia de los clasificadores para lograr mejores resultados, mientras que otros permiten tomar decisiones de clasificación completamente nuevas.

Plataformas

Las consideraciones que determinan la plataforma ideal para una aplicación específica incluyen la naturaleza del producto (grande o pequeño, húmedo o seco, frágil o irrompible, redondo o fácil de estabilizar) y los objetivos del usuario. En general, se pueden clasificar productos más pequeños que un grano de arroz y tan grandes como patatas enteras. Los rendimientos varían desde menos de 2 toneladas métricas de producto por hora en clasificadores de baja capacidad hasta más de 35 toneladas métricas de producto por hora en clasificadores de alta capacidad.

Clasificadores de canales

Los clasificadores ópticos más simples son los clasificadores de canal, un tipo de clasificador por color que puede ser eficaz para productos pequeños, duros y secos con un tamaño y forma uniformes; como arroz y semillas. Para estos productos, los clasificadores de canal ofrecen una solución asequible y facilidad de uso con un tamaño reducido. Los clasificadores de canales cuentan con cámaras monocromáticas o en color y eliminan defectos y material extraño basándose únicamente en las diferencias de color.

Para productos que no pueden ser manipulados por un clasificador de canal, como productos blandos, húmedos o no homogéneos, y para procesadores que desean un mayor control sobre la calidad de su producto, clasificadores de caída libre (también llamados clasificadores de cascada o alimentados por gravedad), tolva. alimentados, clasificadores o clasificadores de cinta son más ideales. Estos clasificadores más sofisticados a menudo cuentan con cámaras y / o láseres avanzados que, cuando se complementan con inteligencia de software capaz, detectan el tamaño, la forma, el color, las propiedades estructurales y la composición química de los objetos.

Clasificadores de caída libre y alimentados por tolva

Como indican los nombres, los clasificadores de caída libre inspeccionan el producto en el aire durante la caída libre y los clasificadores alimentados por tolva estabilizan el producto en un conducto antes de la inspección en el aire. Las principales ventajas de los clasificadores de caída libre y alimentados por tolva, en comparación con los clasificadores de banda, son un precio más bajo y un menor mantenimiento. Estos clasificadores suelen ser los más adecuados para frutos secos y bayas, así como para frutas, verduras, tiras de patata y mariscos congelados y secos, además de aplicaciones de reciclaje de residuos que requieren producciones de volumen medio.

Clasificadores de cinta

Los clasificadores ópticos pueden funcionar dentro de las longitudes de onda de luz visible, así como en los espectros IR y UV.

Las plataformas de clasificación de cinta a menudo se prefieren para aplicaciones de mayor capacidad, como productos de verduras y patatas, antes de enlatar, congelar o secar. Los productos a menudo se estabilizan en una cinta transportadora antes de la inspección. Algunos clasificadores de banda inspeccionan los productos desde arriba, mientras que otros clasificadores también envían productos fuera de la banda para una inspección en el aire. Estos clasificadores pueden diseñarse para lograr una clasificación tradicional de dos vías o una clasificación de tres vías si se equipan dos sistemas de expulsión con tres flujos de salida.

Sistemas ADR

Un quinto tipo de plataforma de clasificación, llamado sistema de eliminación automática de defectos (ADR), es específicamente para tiras de papa (papas fritas). A diferencia de otros clasificadores que expulsan productos con defectos de la línea de producción, los sistemas ADR identifican defectos y realmente cortan los defectos de las tiras. La combinación de un sistema ADR seguido de una clasificadora de nudos mecánica es otro tipo de sistema de clasificación óptica porque utiliza sensores ópticos para identificar y eliminar defectos.

Sistemas de inspección de un solo archivo

Todas las plataformas descritas anteriormente operan con materiales a granel; lo que significa que no necesitan que los materiales estén en un solo archivo para ser inspeccionados. Por el contrario, un sexto tipo de plataforma, que se utiliza en la industria farmacéutica, es un sistema de inspección óptica de un solo archivo. Estos clasificadores son eficaces para eliminar objetos extraños en función de las diferencias de tamaño, forma y color. No son tan populares como las otras plataformas debido a su menor eficiencia.

Clasificadores mecánicos

Para los productos que requieren clasificación solo por tamaño, se utilizan sistemas de clasificación mecánicos porque los sensores y el software de procesamiento de imágenes no son necesarios. Estos sistemas de clasificación mecánica a veces se denominan sistemas de clasificación, pero no deben confundirse con clasificadores ópticos que cuentan con sensores y sistemas de procesamiento de imágenes.

Uso practico

Residuos y reciclaje

Las máquinas clasificadoras ópticas se pueden utilizar para identificar y descartar residuos de fabricación, como metales, paneles de yeso, cartón y diversos plásticos. [11] En la industria del metal, las máquinas clasificadoras ópticas se utilizan para desechar plásticos, vidrio, madera y otros metales innecesarios. [12] La industria del plástico utiliza máquinas clasificadoras ópticas no solo para descartar varios materiales como los enumerados, sino también diferentes tipos de plásticos. Las máquinas clasificadoras ópticas descartan diferentes tipos de plásticos distinguiendo los tipos de resina. Los tipos de resina que pueden identificar las máquinas clasificadoras ópticas son: HDPE, PVC, PLA, PE y otras. [12]

La clasificación óptica también ayuda en el reciclaje, ya que los materiales desechados se almacenan en contenedores. Una vez que un contenedor está lleno de un material determinado, se puede enviar a la instalación de reciclaje correspondiente. [13] La capacidad de las máquinas clasificadoras ópticas para distinguir entre tipos de resina también ayuda en el proceso de reciclado de plásticos porque se utilizan diferentes métodos para cada tipo de plástico. [14]

Comida y bebida

En la industria del café, las máquinas clasificadoras ópticas se utilizan para identificar y eliminar granos de café subdesarrollados llamados quakers; Los quakers son frijoles que contienen principalmente carbohidratos y azúcares. [15] Una calibración más precisa ofrece una menor cantidad total de productos defectuosos. [15] Algunas empresas de café como Counter Culture utilizan estas máquinas además de los métodos de clasificación preexistentes para crear una taza de café con mejor sabor. [15] Una limitación es que alguien tiene que programar estas máquinas a mano para identificar productos defectuosos. [15]

Sin embargo, esta ciencia no se limita a los granos de café; Los alimentos como semillas de mostaza, frutas, trigo y cáñamo pueden procesarse mediante máquinas clasificadoras ópticas. [dieciséis]

En el proceso de elaboración del vino, las uvas y las bayas se clasifican como granos de café. [17] La clasificación de la uva se utiliza para garantizar que en el proceso de elaboración del vino no intervengan partes inmaduras / verdes de la planta. [17] En el pasado, la clasificación manual a través de mesas de clasificación se utilizaba para separar las uvas defectuosas de las uvas más eficaces. [17] Ahora, la recolección mecánica proporciona una tasa de efectividad más alta en comparación con la clasificación manual. [17] En diferentes puntos de la línea, los materiales se clasifican mediante varias máquinas clasificadoras ópticas. [17] Cada máquina busca varios materiales de diferentes formas y tamaños. [17]

Las bayas o uvas se pueden clasificar en consecuencia utilizando una cámara, un láser o una forma de tecnología LED con respecto a la forma y la forma de la fruta dada. A continuación, la clasificadora descarta los elementos innecesarios. [18]

Ver también

  • Clasificación de alimentos
  • Seguridad alimenticia
  • Tecnología de los Alimentos
  • Reciclaje # Clasificación

Referencias

  1. ^ Tecnología de visión artificial para la evaluación de la calidad de los alimentos . Sol, Da-Wen. (1ª ed.). Ámsterdam: Elsevier / Academic Press. 2008. ISBN 978-0-12-373642-0. OCLC  228148344 .CS1 maint: otros ( enlace )
  2. ^ Pruebas no destructivas de la calidad de los alimentos . Irudayaraj, Joseph, 1961-, Reh, Christoph. (1ª ed.). Ames, Iowa: Blackwell Pub./IFT Press. 2008. ISBN 978-0-470-38828-0. OCLC  236187975 .CS1 maint: otros ( enlace )
  3. ^ a b "Acerca de nosotros" . Grupo Unitec . Consultado el 2 de abril de 2020 .
  4. ^ a b "Explicación de la tecnología de clasificación óptica - Satake Estados Unidos" . www.satake-usa.com . Consultado el 2 de abril de 2020 .
  5. ^ a b "Sistemas de clasificación óptica - Satake Estados Unidos" . www.satake-usa.com . Consultado el 2 de abril de 2020 .
  6. ^ a b "La historia de MSS | Tecnología de reciclaje y clasificación óptica" . Consultado el 2 de abril de 2020 .
  7. ^ Detección de cuerpos extraños en alimentos . Edwards, MC (Michael Charles). Boca Ratón: CRC Press. 2004. ISBN 1-85573-839-2. OCLC  56123328 .CS1 maint: otros ( enlace )
  8. ^ [1] , "Sistema de información de luz dispersa / transmitida", publicado el 30 de septiembre de 1992 
  9. ^ Zheng, Hong; Lu, Hongfei; Zheng, Yueping; Lou, Heqiang; Chen, Cuiqin (1 de diciembre de 2010). "Clasificación automática de azufaifo chino (Zizyphus jujuba Mill. Cv. 'Hongxing') usando fluorescencia de clorofila y máquina de vectores de soporte" . Revista de Ingeniería de Alimentos . 101 (4): 402–408. doi : 10.1016 / j.jfoodeng.2010.07.028 . ISSN 0260-8774 . 
  10. ^ "StackPath" . www.vision-systems.com . Consultado el 24 de marzo de 2020 .
  11. ↑ US EPA, OLEM (26 de mayo de 2015). "Residuos típicos generados por sectores industriales" . EPA de EE . UU . Consultado el 2 de abril de 2020 .
  12. ^ a b "Aplicaciones de clasificación óptica y máquinas clasificadoras | MSS" . Consultado el 2 de abril de 2020 .
  13. ^ "Una mirada a la clasificación óptica" . Residuos360 . 2015-09-10 . Consultado el 2 de abril de 2020 .
  14. ^ "Reciclaje de plástico" , Wikipedia , 2020-04-01 , consultado 2020-04-02
  15. ^ a b c d "Preguntas y respuestas sobre clasificación óptica" . Counter Culture Coffee . 2018-09-21 . Consultado el 2 de abril de 2020 .
  16. ^ "Intel Seed Ltd. | Granos y semillas forrajeras Manitoba | Limpieza y acondicionamiento de semillas Manitoba | INICIO" . www.intelseed.ca . Consultado el 2 de abril de 2020 .
  17. ^ a b c d e f Beyerer, Jürgen; León, Fernando Puente (2013). OCM 2013 - Caracterización óptica de materiales - actas de congresos . KIT Publicaciones científicas. ISBN 978-3-86644-965-7.
  18. ^ Lafontaine, Magali; Freund, Maximiliano; Vieth, Kai-Uwe; Negara, Christian (1 de diciembre de 2013). "Clasificación automática de frutas por determinación no destructiva de parámetros de calidad utilizando infrarrojo visible / cercano para mejorar la calidad del vino: I. Producción de vino tinto". Noticias NIR . 24 (8): 6–8. doi : 10.1255 / nirn.1403 . S2CID 95941922 . 
Obtenido de " https://en.wikipedia.org/w/index.php?title=Optical_sorting&oldid=1028808747 "
Contribute a better translation