分选技术对比

分选技术对比 | AISORT

技术指南

分选技术的选择决定了您设施的吞吐量、纯度、运营成本以及适应不断变化的物料流的能力。本指南对现代回收中使用的六种主要分类技术进行了结构化比较，并提供了将每种技术与您的特定应用相匹配的实用标准。

技术	检测	最佳应用	局限性
RGB可见光相机	颜色、亮度、形状	塑料瓶颜色分类、碎玻璃、电子垃圾	无法区分相同颜色的不同聚合物类型（例如透明 PET 与透明 PVC）
近红外光谱	通过分子反射特征确定聚合物类型	PET/HDPE/PP/PVC 分离；纸张与塑料识别	深色或黑色材料吸收近红外信号；表面潮湿导致光谱失真
高光谱/短波红外	扩展波长范围，可区分类似的聚合物	深色塑料分选、食品级 rPET 纯化、区分 HDPE 和 LDPE	更高的资本成本；扫描速度比单波段近红外慢
X射线透射（XRT）	材料之间的原子密度差异	从粉碎机残渣中回收重金属；矿物/矿石分选；从铜中去除铝	不适合轻质材料（塑料、纸张）；辐射安全合规要求
涡流+感应	金属的导电性	有色金属分选（从铜中选铝）；片状流中的金属碎片检测	无法识别聚合物类型、颜色或非金属污染物
人工智能/深度学习视觉	视觉图案、品牌特定包装、复杂物体几何形状	品牌级包装识别；混合材料成分识别；排序分数的质量分级	需要代表性的训练数据；随着包装设计的变化需要模型重新训练

标准：RGB + NIR。 RGB 按颜色区分（透明、蓝色、绿色 PET）。 NIR 可识别聚合物类型（PET、HDPE、PP、PVC）。对于食品级输出，请添加第二个 NIR 通道和金属检测，以实现 <50 ppm 污染。

标准：NIR + 3D 激光。薄膜在分拣滑槽上的表现与刚性容器不同——它会漂浮、折叠和重叠。 3D 激光三角测量有助于区分薄膜层和刚性物品； NIR 可识别薄膜本身的聚合物类型。

标准：XRT + RGB + 感应 + AI。电子垃圾的极端密度范围（从轻质塑料外壳到致密的铜散热器和钢框架）需要基于密度的预分离（XRT）、基于颜色的分类（RGB）和金属验证（感应）。人工智能视觉对于识别电路板、电池和连接器等特定组件类型越来越重要。

标准：NIR + 3D + 涡流。 C&D 材料很重、具有磨蚀性且变化很大。坚固的传感器外壳和积极的自动清洁系统与传感器技术本身一样重要。在光学分选之前进行预筛选以去除细粉至关重要。

吞吐量与纯度的权衡：对于给定的分选机宽度和传感器配置，较高的吞吐量会降低纯度。根据设计吞吐量，将分拣机的容量调整为额定容量的 70-80%，以保持足够的余量。
单通道与多通道架构：单个多传感器机器的成本较低，但所有传感器共享相同的材料呈现。按顺序分开的机器成本更高，但每台机器都可以独立优化 - 通常可以在具有挑战性的流中提高 2-5 个百分点的纯度。
运营成本概况：购买价格占 5 年 TCO 的 40-50%。传感器灯更换、阀门重建套件、压缩空气消耗和校准工作构成了平衡。涡流和感应传感器的运行成本最低； XRT 和高光谱最高。
服务和支持：分拣机是生产关键型设备 - 停机成本可能在几天内就超过设备成本。在选择制造商之前，请验证本地服务的存在、备件交货时间和远程诊断能力。