깃털 색상 분류기의 작업 과정은 광학, 알고리즘 및 정밀 기계의 완벽한 조합으로 간주될 수 있습니다. 매우 섬세한 '동색 분리' 작업을 수행합니다.
아래에서는 깃털 색상 분류 기계가 분류를 수행하는 방법에 대한 자세한 분석을 제공합니다.
핵심 원리: 고정밀 광학 센서를 활용하여-깃털 사이의 매우 미묘한 색상 차이, 광택, 질감 차이를 식별한 다음 정확한 공기 흐름을 통해 다양한 품질이나 유형의 깃털을 분리합니다.
전체 프로세스는 세 가지 핵심 단계로 나눌 수 있습니다.
1단계: 균일한 공급 및 이미징
진동 분산: 혼합된 생깃털을 넓은 진동 공급 장치에 공급합니다. 진동기의 목적은 촘촘하게 싸인 깃털 덩어리를 부수고 단일 층의 특별히 설계된 아래쪽 채널을 통해 균일하게 통과시키는 것입니다.
고속 촬영: 깃털이 채널에서 꾸준히 미끄러지면 감지 상자를 통과합니다. 이 상자에는 고해상도, 고{2}}고감도 풀 컬러 CCD 카메라와 특별히 설계된 광원 시스템이 장착되어 있습니다. 광원은 깃털에 안정적이고 균일하며 그림자가 없는 조명 환경을 제공합니다. 이 순간 카메라는 매우 빠른 속도로 떨어지는 깃털을 지속적으로 "사진 촬영"하여 각 깃털의 색상, 광택, 질감, 심지어 모양과 같은 포괄적인 정보를 포착합니다.
2단계: 지능형 인식 및 의사결정-
이미지 전송 및 분석: 카메라로 캡처한 고속-이미지 데이터는 실시간으로-기계의 '두뇌' -중앙 처리 시스템으로 전송됩니다.
AI 알고리즘 인식: 시스템에는 고급 지능형 인식 알고리즘(보통 딥 러닝 기반 AI 모델)이 탑재되어 있습니다. 이 알고리즘은 다양한 품질의 수만 개의 깃털 이미지를 "학습"했으며 숙련된 마스터처럼 각 깃털의 카테고리를 정확하게 결정할 수 있습니다.
정렬 기준은 다음과 같습니다.
색상 : 흰색 깃털에서 노란색 머리, 노란색 가장자리, 얼룩진 깃털을 구별하거나 다른 색상의 깃털(예: 흰색 오리 깃털, 회색 오리 깃털)을 구별합니다.
광택: 부적절한 세척, 소독 또는 보관으로 인한 광택 차이를 식별합니다.
질감과 형태 : 벨벳, 깃털, 손상된 모발, 불규칙한 모발 등을 구별합니다.
밀리초 수준의 판단: 시스템은 몇 밀리초 내에 깃털을 분석하고 이를 "유지"할지 "제거"할지 결정할 수 있습니다.
3단계: 정밀한 실행 및 분리
발행된 지침: 시스템이 제거해야 할 "대상 깃털"(예: 노란색 머리 깃털)을 식별하면 이 깃털이 노즐에 떨어지는 정확한 시간을 즉시 계산합니다.
고압 기류 주입: 타겟 페더가 주입 포트를 통과하는 순간 시스템은 고주파-주파수 및 고속-솔레노이드 밸브를 열어 매우 짧고 정확하며 강한 압축 공기 흐름을 주입합니다.
궤적 분리: 이 공기 흐름은 "에어 나이프"와 같아서 결함이 있는 깃털을 원래의 낙하 궤적에서 "폐기물" 또는 "결함이 있는" 수집 호퍼로 정확하게 불어넣습니다. 그리고 고품질-깃털은 원래의 궤적을 따라 계속 떨어지며 "좋은 품질" 수집 버킷에 들어갑니다.
요약하자면, 깃털 색상 분류기의 작업 흐름은 폐쇄형-루프 'look think Blow' 프로세스입니다.
균일한 공급 → 고속 촬영 → AI 지능형 인식 → 정밀한 기류 분사 → 완벽한 분리.
이 기술의 장점은 혁신적입니다.
매우 높은 정밀도: 인간의 눈으로 감지하기 어려운 색상 차이와 결함을 구별할 수 있습니다.
매우 효율적: 한 대의 기계로 시간당 수십 킬로그램에서 수백 킬로그램의 깃털을 처리할 수 있으며, 이는 수십 명의 숙련된 작업자를 대체하는 것과 같습니다.
안정적이고 신뢰할 수 있음: 피로, 감정, 주관적 판단에 영향을 받지 않고 일관된 분류 표준을 보장합니다.
데이터화: 분류 데이터를 기록하여 생산 관리 및 품질 관리의 기초를 제공할 수 있습니다.