La clasificación óptica (a veces llamada clasificación digital ) es el proceso automatizado de clasificación de productos sólidos utilizando cámaras y/o láseres .
Dependiendo de los tipos de sensores utilizados y la inteligencia impulsada por 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 un objeto. [1] El clasificador compara los 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.
Las clasificadoras ópticas se utilizan ampliamente en la industria alimentaria en todo el mundo, y su mayor adopción se da en el procesamiento de alimentos cosechados, como patatas, frutas, verduras y frutos secos, donde se logra una inspección no destructiva del 100 por ciento en línea a volúmenes de producción completos. [ cita requerida ] La tecnología también se utiliza en la fabricación de productos farmacéuticos y nutracéuticos , el procesamiento de tabaco, el reciclaje de residuos 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 laborales. [2]
La clasificación óptica es una idea que surgió 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 constituyó una empresa conocida como "The Electric Sorting Company" y comenzó la creación de las primeras clasificadoras de color del mundo, que se instalaron y utilizaron en la industria del frijol de Michigan en 1932. [4] En 1937, la tecnología de clasificación óptica 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 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 ampliamente en la clasificación de desechos sólidos. [6]
Con la gran revolución tecnológica que ocurrió a fines de la década de 1990 y principios de la década de 2000, los clasificadores ópticos se volvieron más eficientes mediante la implementación de nuevos sensores ópticos, como cámaras CCD, UV e IR. [5] Hoy en día, 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.
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 distribuir 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 por encima y/o por 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 clasificarlos 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) localiza los objetos mientras están en el aire y los desvía para retirarlos hacia un conducto de rechazo mientras el producto bueno continúa su trayectoria normal.
El clasificador ideal a utilizar depende de la aplicación. Por lo tanto, las características del producto y los objetivos del usuario determinan los sensores ideales, las capacidades impulsadas por el software y la plataforma mecánica.
Los clasificadores ópticos requieren una combinación de luces y sensores para iluminar y capturar imágenes de los objetos para que puedan procesarse. Las imágenes procesadas determinarán si el material debe aceptarse o rechazarse.
Existen clasificadores con cámara, clasificadores láser y clasificadores que combinan ambos en una misma plataforma. Las luces, cámaras, láseres y sensores láser pueden diseñarse para funcionar en longitudes de onda de luz visible, así como en los espectros infrarrojo (IR) y ultravioleta (UV) . Las longitudes de onda óptimas para cada aplicación maximizan el contraste entre los objetos que se van a separar. Las cámaras y los sensores láser pueden diferir en la resolución espacial, y las resoluciones más altas permiten que el clasificador detecte y elimine defectos más pequeños.
Las cámaras monocromáticas detectan tonos de gris, desde el negro hasta el blanco, y pueden ser eficaces al clasificar productos con defectos de alto contraste.
Las sofisticadas cámaras a color con alta resolución de color son capaces de detectar millones de colores para distinguir mejor los defectos de color más sutiles. Las cámaras a 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. La interacción de diferentes materiales con partes del espectro electromagnético hace que estos contrastes sean más evidentes de lo que parecen a simple vista.
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, el tamaño, la forma y la ubicación de un defecto en un producto. Algunos clasificadores inteligentes incluso permiten al usuario definir un producto defectuoso en función de la superficie defectuosa total de un objeto determinado.
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 las propiedades estructurales permite que los láseres detecten una amplia gama de materiales extraños orgánicos e inorgánicos, como insectos, vidrio, metal, ramas, rocas y plástico, incluso si son del mismo color que el producto en buen estado.
Los láseres pueden diseñarse para funcionar dentro de 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 que es muy eficaz para eliminar material extraño de los vegetales verdes. [9]
Los clasificadores equipados con cámaras y láseres en una plataforma suelen ser capaces de identificar la más amplia variedad de atributos. Las cámaras suelen ser mejores para reconocer 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 material extraño.
Impulsados por la necesidad de resolver desafíos de clasificación previamente imposibles, surgió una nueva generación de clasificadores que cuentan con imágenes multiespectrales e hiperespectrales Clasificadores ópticos . [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. Esto abre la puerta a un análisis más detallado que conduce a un producto más consistente. El uso de infrarrojos solo puede detectar algunos defectos, pero combinarlo con un rango más amplio del espectro lo hace más efectivo. 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 inteligencia de software capaz, un clasificador hiperespectral procesa esas huellas digitales para permitir la clasificación según la composición química del producto. Esta es un área emergente de la quimiometría .
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 clasifica información sobre características específicas. Luego, el usuario define umbrales de aceptación/rechazo que se utilizan para determinar qué es bueno y qué es malo en el flujo de datos sin procesar. El arte y la ciencia del procesamiento de imágenes radica en desarrollar algoritmos que maximicen la eficacia del clasificador al tiempo que presentan una interfaz de usuario sencilla al operador.
El reconocimiento basado en objetos es un ejemplo clásico de inteligencia basada en software. Permite al usuario definir un producto defectuoso en función de la ubicación del defecto en el producto o de la superficie defectuosa total de un objeto. Ofrece un mayor control a la hora de 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 el rendimiento.
Constantemente se desarrollan nuevas capacidades basadas en software para abordar las necesidades específicas de diversas aplicaciones. A medida que el hardware informático se vuelve más potente, se hacen posibles nuevos avances basados en 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.
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 papas 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.
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 una forma uniformes, como el arroz y las semillas. Para estos productos, los clasificadores de canal ofrecen una solución asequible y fácil de usar con un tamaño reducido. Los clasificadores de canal cuentan con cámaras monocromáticas o de color y eliminan los defectos y el material extraño basándose únicamente en las diferencias de color.
Para los productos que no se pueden manipular con un clasificador de canal (como productos blandos, húmedos o no homogéneos) y para los procesadores que desean un mayor control sobre la calidad de su producto, los clasificadores de caída libre (también llamados clasificadores de cascada o de alimentación por gravedad), los clasificadores de alimentación por canal o los clasificadores de banda son más ideales. Estos clasificadores más sofisticados suelen contar 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.
Los clasificadores de caída libre inspeccionan el producto en el aire durante la caída libre y los clasificadores alimentados por canal estabilizan el producto en un canal antes de la inspección en el aire. Las principales ventajas de los clasificadores de caída libre y alimentados por canal, en comparación con los clasificadores de banda, son un precio más bajo y un menor mantenimiento. Estos clasificadores suelen ser más adecuados para frutos secos y bayas, así como frutas congeladas y secas, verduras, tiras de patata y mariscos, además de aplicaciones de reciclaje de residuos que requieren rendimientos de volumen medio.
Las plataformas de clasificación con cinta transportadora suelen preferirse para aplicaciones de mayor capacidad, como productos vegetales y de patata antes de enlatarlos, congelarlos o secarlos. Los productos suelen estabilizarse en una cinta transportadora antes de la inspección. Algunas clasificadoras con cinta transportadora inspeccionan los productos desde arriba de la cinta, mientras que otras también envían los productos desde la cinta para una inspección en el aire. Estas clasificadoras pueden diseñarse para lograr una clasificación tradicional de dos vías o una clasificación de tres vías si están equipadas con dos sistemas de expulsión con tres corrientes de salida.
Un quinto tipo de plataforma de clasificación, llamada sistema de eliminación automática de defectos (ADR), es específico para las tiras de papas fritas. A diferencia de otras clasificadoras que expulsan los productos con defectos de la línea de producción, los sistemas ADR identifican los defectos y realmente los cortan de las tiras. La combinación de un sistema ADR seguido de un clasificador mecánico de protuberancias es otro tipo de sistema de clasificación óptica porque utiliza sensores ópticos para identificar y eliminar los defectos.
Las plataformas descritas anteriormente funcionan con materiales a granel, lo que significa que no necesitan que los materiales estén en una sola fila para ser inspeccionados. En cambio, un sexto tipo de plataforma, utilizada en la industria farmacéutica, es un sistema de inspección óptica de una sola fila. 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.
Para los productos que requieren clasificación únicamente por tamaño, se utilizan sistemas de clasificación mecánica porque no se necesitan sensores ni software de procesamiento de imágenes. Estos sistemas de clasificación mecánica a veces se denominan sistemas de clasificación, pero no deben confundirse con los clasificadores ópticos que cuentan con sensores y sistemas de procesamiento de imágenes.
Las máquinas de clasificación óptica se pueden utilizar para identificar y descartar desechos de fabricación, como metales, paneles de yeso, cartón y varios plásticos. [11] En la industria del metal, las máquinas de clasificación óptica se utilizan para descartar plásticos, vidrio, madera y otros metales no necesarios. [12] La industria del plástico utiliza máquinas de clasificación óptica no solo para descartar varios materiales como los enumerados, sino también diferentes tipos de plásticos. Las máquinas de clasificación óptica descartan diferentes tipos de plásticos al distinguir los tipos de resina. Los tipos de resina que las máquinas de clasificación óptica pueden identificar son: PET, HDPE, PP, PVC, LDPE y otros. La mayoría de los materiales reciclables se encuentran en forma de botellas. [13] [12]
La clasificación óptica también ayuda al 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 adecuada. [14] La capacidad de las máquinas de clasificación óptica para distinguir entre los tipos de resina también ayuda en el proceso de reciclaje de plástico porque se utilizan diferentes métodos para cada tipo de plástico. [15]
En la industria del café, se utilizan máquinas de clasificación óptica para identificar y eliminar los granos de café poco desarrollados, llamados quakers; los quakers son granos que contienen principalmente carbohidratos y azúcares. [16] Una calibración más precisa ofrece un número total menor de productos defectuosos. [16] 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. [16] Una limitación es que alguien tiene que programar estas máquinas a mano para identificar los productos defectuosos. [16]
Sin embargo, esta ciencia no se limita a los granos de café; alimentos como semillas de mostaza, frutas, trigo y cáñamo pueden procesarse a través de máquinas de clasificación óptica. [17]
En el proceso de elaboración del vino, las uvas y las bayas se clasifican como los granos de café. [18] La clasificación de las uvas se utiliza para garantizar que no haya partes inmaduras o verdes de la planta involucradas en el proceso de elaboración del vino. [18] En el pasado, se utilizaba la clasificación manual mediante mesas de clasificación para separar las uvas defectuosas de las uvas más efectivas. [18] Ahora, la cosecha mecánica proporciona una mayor tasa de efectividad en comparación con la clasificación manual. [18] En diferentes puntos de la línea, los materiales se clasifican mediante varias máquinas de clasificación óptica. [18] Cada máquina busca varios materiales de diferentes formas y tamaños. [18]
Las bayas o las uvas se pueden clasificar mediante una cámara, un láser o una forma de tecnología LED en función de la forma de la fruta en cuestión. La máquina clasificadora descarta entonces todos los elementos innecesarios. [19]
[20]
[21]
{{cite book}}: Mantenimiento de CS1: otros ( enlace ){{cite book}}: Mantenimiento de CS1: otros ( enlace ){{cite book}}: Mantenimiento de CS1: otros ( enlace )