光学選別

光学選別（デジタル選別と呼ばれることもある）は、カメラやレーザーを使用して固形製品を選別する自動化プロセスです。

使用されるセンサーの種類と画像処理システムのソフトウェア駆動型インテリジェンスに応じて、光学選別機は物体の色、サイズ、形状、構造特性、化学組成を認識できます。^[1]選別機は、ユーザー定義の合格/不合格基準と物体を比較して、生産ラインから不良品や異物（FM）を識別して除去したり、異なるグレードや材料の種類の製品を分離したりします。

光学選別機は世界中の食品業界で広く使用されており、ジャガイモ、果物、野菜、ナッツなどの収穫された食品の加工で最も多く採用されており、フル生産量でインラインで非破壊の100％検査を実現しています。^[要出典]この技術は、医薬品製造、栄養補助食品製造、タバコ加工、廃棄物リサイクルなどの業界でも使用されています。主観的で一貫性のない手作業による選別と比較して、光学選別は製品の品​​質を向上させ、スループットを最大化し、人件費を削減しながら歩留まりを向上させるのに役立ちます。^[2]

光学選別は、果物や野菜などの農産物の産業選別を自動化したいという要望から生まれたアイデアです。^[3] 1930年代に自動化された光学選別技術が考案される前は、Unitecなどの企業が果物加工の機械選別を支援する木製の機械を製造していました。^[3] 1931年に、「Electric Sorting Company」として知られる会社が設立され、世界初の色彩選別機の開発を開始しました。この選別機は1932年までにミシガン州の豆産業に設置され、使用されていました。^[4] 1937年には、光学選別技術が進歩し、2色選択原理に基づくシステムが可能になりました。^[4]その後の数十年間で、重力給餌システムなどの新しい改良された選別メカニズムが設置され、より多くの農業産業で光学選別が実施されました。^[5]

1960年代後半には、光学選別は農業以外の新しい産業、例えば鉄・非鉄金属の選別にも導入され始めました。^[6] 1990年代には、光学選別は固形廃棄物の選別に多用されるようになりました。^[6]

1990年代後半から2000年代初頭にかけて大きな技術革命が起こり、CCD、UV、IRカメラなどの新しい光学センサーの導入により、光学選別機の効率化が進みました。^[5]今日、光学選別はさまざまな業界で使用されており、特定の選別機のタスクを支援するためにさまざまなメカニズムが実装されています。

一般に、光学選別機は、供給システム、光学システム、画像処理ソフトウェア、および分離システムの4つの主要コンポーネントを備えています。^[7]供給システムの目的は、製品を均一な単層に広げて、製品が均一に、塊にならず、一定の速度で光学システムに提供されるようにすることです。光学システムには、検査対象のオブジェクトの流れの上または下に格納されたライトとセンサーが含まれます。画像処理システムは、オブジェクトをユーザー定義の合格/不合格しきい値と比較してオブジェクトを分類し、分離システムを作動させます。分離システム（通常、小型製品の場合は圧縮空気、丸ごとのジャガイモなどの大型製品の場合は機械装置）は、空中にあるオブジェクトを正確に特定し、オブジェクトを偏向させて不合格シュートに除去し、良品は通常の軌道に沿って進みます。

使用する理想的な選別機はアプリケーションによって異なります。したがって、製品の特性とユーザーの目的によって、理想的なセンサー、ソフトウェア駆動機能、機械プラットフォームが決まります。

光学選別機では、画像を処理できるように対象物を照らして画像をキャプチャするためのライトとセンサーの組み合わせが必要です。処理された画像によって、材料を受け入れるか拒否するかが決定されます。

カメラ選別機、レーザー選別機、および 1 つのプラットフォームに 2 つを組み合わせた選別機があります。照明、カメラ、レーザー、レーザー センサーは、可視光波長だけでなく、赤外線(IR) および紫外線(UV)スペクトル内で機能するように設計できます。各アプリケーションに最適な波長により、分離するオブジェクト間のコントラストが最大化されます。カメラとレーザー センサーは空間解像度が異なり、解像度が高いほど選別機は小さな欠陥を検出して除去できます。

モノクロカメラは黒から白までのグレーの色合いを検出し、コントラストの高い欠陥のある製品を選別する際に効果的です。

高解像度の高性能カラーカメラは、何百万もの色を検出して、より微妙な色欠陥をより正確に識別することができます。三色カラーカメラ (3 チャンネル カメラとも呼ばれます) は、可視スペクトル内の赤、緑、青、および IR と UV を含む 3 つの帯域に光を分割します。さまざまな材料と電磁スペクトルの一部との相互作用により、これらのコントラストは人間の裸眼で見えるものよりも顕著になります。

インテリジェント ソフトウェアと組み合わせることで、カメラを搭載した選別機は、各オブジェクトの色、サイズ、形状、および製品の欠陥の色、サイズ、形状、位置を認識することができます。一部のインテリジェント 選別機では、特定のオブジェクトの欠陥のある総表面積に基づいて、ユーザーが欠陥のある製品を定義することもできます。

カメラは主に材料の反射率に基づいて製品情報を取得しますが、レーザーとそのセンサーは、材料の構造特性と色を区別することができます。この構造特性検査により、レーザーは昆虫、ガラス、金属、棒、石、プラスチックなど、さまざまな有機および無機の異物を、良品と同じ色であっても検出できます。

レーザーは、可視スペクトルであろうとそれ以上であろうと、特定の波長の光内で動作するように設計することができます。^[8]たとえば、レーザーは特定の波長を使用して蛍光を刺激することでクロロフィルを検出できます。これは、緑色の野菜から異物を取り除くのに非常に効果的なプロセスです。^[9]

1 つのプラットフォームにカメラとレーザーを搭載した選別機は、通常、最も幅広い属性を識別できます。カメラは色、サイズ、形状の認識に優れていることが多く、レーザー センサーは構造特性の違いを識別して異物の検出と除去を最大限に高めます。

これまで不可能だった選別の課題を解決する必要性から、マルチスペクトルおよびハイパースペクトルイメージングを 備えた新世代の選別機が登場しました。^[10]

三色カメラと同様に、マルチスペクトル カメラとハイパースペクトル カメラは、電磁スペクトルからデータを収集します。光を 3 つの帯域に分割する三色カメラとは異なり、ハイパースペクトル システムは、電磁スペクトルの広大な部分をカバーする連続した範囲で光を何百もの狭い帯域に分割できます。これにより、より詳細な分析が可能になり、製品の一貫性が向上します。IR のみを使用すると、一部の欠陥を検出できる場合がありますが、より広い範囲のスペクトルと組み合わせると、より効果的になります。三色カメラによって収集されるピクセルあたり 3 つのデータ ポイントと比較して、ハイパースペクトル カメラはピクセルあたり何百ものデータ ポイントを収集でき、それらを組み合わせて各オブジェクトの一意のスペクトル シグネチャ(フィンガープリントとも呼ばれる) を作成します。優れたソフトウェア インテリジェンスを補完すると、ハイパースペクトル ソーターはそれらのフィンガープリントを処理して、製品の化学組成に基づいて選別できるようになります。これは、ケモメトリクスの新しい分野です。

センサーがエネルギー源に対する物体の反応を捉えると、画像処理を使用して生データを操作します。画像処理では、特定の特徴に関する情報を抽出して分類します。次に、ユーザーは、生データ フローで何が良品で何が不良品かを判断するために使用される承認/拒否しきい値を定義します。画像処理の技術と科学は、オペレーターにシンプルなユーザー インターフェイスを提供しながら、ソーターの有効性を最大化するアルゴリズムを開発することにあります。

オブジェクトベースの認識は、ソフトウェア駆動型インテリジェンスの典型的な例です。これにより、ユーザーは、製品上の欠陥の位置やオブジェクトの欠陥のある表面積の合計に基づいて、欠陥のある製品を定義できます。これにより、より広範囲の欠陥のある製品を定義するための制御が向上します。選別機の排出システムの制御に使用すると、欠陥のある製品を排出する精度が向上します。これにより、製品の品質が向上し、歩留まりが向上します。

さまざまなアプリケーションの特定のニーズに対応するために、ソフトウェア主導の新しい機能が絶えず開発されています。コンピューティング ハードウェアが強力になるにつれて、ソフトウェア主導の新しい進歩が可能になります。これらの進歩の中には、ソーターの有効性を高めてより良い結果を達成するものもあれば、まったく新しいソートの決定を可能にするものもあります。

特定の用途に最適なプラットフォームを決定するための考慮事項には、製品の性質 (大きいか小さいか、湿っているか乾いているか、壊れやすいか壊れにくいか、丸いか安定しやすいか) とユーザーの目的が含まれます。一般的に、米粒よりも小さい製品からジャガイモ丸ごとほどの大きさの製品まで選別できます。処理能力は、低容量選別機では 1 時間あたり 2 トン未満の製品から、高容量選別機では 1 時間あたり 35 トンを超える製品まであります。

最もシンプルな光学選別機はチャネル選別機です。これは、米や種子など、サイズと形状が一定で小さく、硬く、乾燥している製品に効果的な色選別機の一種です。これらの製品の場合、チャネル選別機は、設置面積が小さく、手頃なソリューションと使いやすさを提供します。チャネル選別機はモノクロまたはカラーのカメラを備えており、色の違いのみに基づいて欠陥や異物を取り除きます。

チャネル ソーターで処理できない製品 (柔らかい、湿った、または不均質な製品など) や、製品の品質をより厳密に管理したい加工業者には、フリーフォール ソーター (ウォーターフォール ソーターまたは重力供給ソーターとも呼ばれる)、シュート供給ソーター、またはベルト ソーターが適しています。これらのより高度なソーターには、高度なカメラやレーザーが搭載されていることが多く、有能なソフトウェア インテリジェンスと組み合わせることで、物体のサイズ、形状、色、構造特性、化学組成を検出します。

フリーフォール選別機は、製品をフリーフォール中に空中で検査し、シュート供給選別機は製品を空中検査の前にシュート上で安定させます。ベルト選別機と比較したフリーフォール選別機とシュート供給選別機の主な利点は、価格が安く、メンテナンスが少ないことです。これらの選別機は、ナッツやベリー類、冷凍および乾燥フルーツ、野菜、ポテトストリップ、シーフード、さらに中程度の処理量を必要とする廃棄物リサイクル用途に最適です。

ベルト選別プラットフォームは、缶詰、冷凍、乾燥前の野菜やジャガイモ製品などの高容量用途によく使用されます。製品は、検査前にコンベア ベルト上で安定させることがよくあります。ベルト選別機の中には、ベルトの上から製品を検査するものもあれば、ベルトから製品を降ろして空中検査を行うものもあります。これらの選別機は、従来の 2 方向選別、または 3 つの排出ストリームを備えた 2 つのエジェクタ システムを装備している場合は 3 方向選別を実現するように設計できます。

5 番目のタイプの選別プラットフォームは、自動欠陥除去 (ADR) システムと呼ばれ、ポテト ストリップ (フライド ポテト) 専用です。欠陥のある製品を生産ラインから排除する他の選別機とは異なり、ADR システムは欠陥を識別し、ストリップから実際に欠陥を切り取ります。ADR システムと機械式ナビン グレーダーの組み合わせは、光学センサーを使用して欠陥を識別および除去するため、別のタイプの光学選別システムです。

上記のプラットフォームはすべて、材料をまとめて処理するため、検査のために材料を一列に並べる必要はありません。対照的に、製薬業界で使用されている 6 番目のタイプのプラットフォームは、一列光学検査システムです。これらの選別機は、サイズ、形状、色の違いに基づいて異物を除去するのに効果的です。効率性が低いため、他のプラットフォームほど人気が​​ありません。

サイズのみで選別する必要がある製品の場合、センサーや画像処理ソフトウェアが不要なため、機械式グレーディング システムが使用されます。これらの機械式グレーディング システムは選別システムと呼ばれることもありますが、センサーや画像処理システムを備えた光学式選別機と混同しないでください。

光学選別機は、金属、乾式壁、段ボール、さまざまなプラスチックなどの製造廃棄物を識別して廃棄するために使用できます。^[11]金属業界では、光学選別機を使用して、プラスチック、ガラス、木材、その他の不要な金属を廃棄します。^[12]プラスチック業界では、光学選別機を使用して、リストされているようなさまざまな材料を廃棄するだけでなく、さまざまな種類のプラスチックも廃棄します。光学選別機は、樹脂の種類を区別してさまざまな種類のプラスチックを廃棄します。光学選別機が識別できる樹脂の種類は、PET、HDPE、PP、PVC、LDPEなどです。リサイクル可能なもののほとんどはボトルの形をしています。^{[13] [12]}

光学選別は、廃棄された材料を容器に保管するため、リサイクルにも役立ちます。容器が特定の材料でいっぱいになると、適切なリサイクル施設に送ることができます。^[14]光学選別機は樹脂の種類を区別できるため、プラスチックの種類ごとに異なる方法が使用されるため、プラスチックのリサイクルプロセスにも役立ちます。^[15]

コーヒー業界では、光学選別機がクエーカーと呼ばれる未熟なコーヒー豆を識別して除去するために使用されています。クエーカーとは、主に炭水化物と糖分を含む豆のことです。^[16]より 正確な較正により、不良品の総数が少なくなります。 [16]カウンターカルチャーなどの一部のコーヒー会社は、よりおいしいコーヒーを作るために、既存の選別方法に加えてこれらの機械を使用しています。^[16] 1つの制限は、不良品を識別するために誰かがこれらの機械を手動でプログラムする必要があることです。^[16]

しかし、この科学はコーヒー豆に限定されるものではなく、マスタードシード、果物、小麦、麻などの食品もすべて光学選別機で処理することができます。^[17]

ワインの製造工程では、コーヒー豆のようにブドウやベリー類を選別します。^[18]ブドウの選別は、植物の未熟な部分や緑色の部分がワイン製造工程に含まれないようにするために使用されます。^[18]過去には、選別テーブルによる手作業による選別により、不良ブドウとより効果的なブドウを分離していました。^[18]現在では、機械による収穫は手作業による選別に比べて高い効率性を提供しています。^[18]ラインのさまざまなポイントで、材料は複数の光学選別機によって選別されます。^[18]各機械は、さまざまな形やサイズのさまざまな材料を探しています。^[18]

その後、ベリー類やブドウは、カメラ、レーザー、またはLED技術を使用して、果物の形状や形態に応じて選別されます。選別機は不要な要素を廃棄します。^[19]

^[20]

^[21]

製薬業界では、光学選別により高品質で安全な医薬品の製造が保証されています。この技術は錠剤やカプセルを細かく検査し、ひび割れ、欠け、変色、サイズの偏差などの欠陥を検出して除去します。また、製造中に混入した可能性のある金属粒子やプラスチック片などの異物も除去します。検査プロセスを自動化することで、光学選別機は人為的ミスと人件費を削減し、厳格な規制基準への準拠を維持し、最終的には消費者の健康とブランドの評判を守ります。^[22]さらに、医療研究室では、光学選別機が細胞や細菌培養などの生物学的サンプルの選別と分析に役立ちます。これらの機械の高速分析および選別機能により、診断精度、研究効率、および研究室全体の生産性が向上します。^[23]

• 食品の等級付け
• 食品安全
• 食品技術
• リサイクル § 分別