基于传感器分选数据的实时吞吐量与成分监测技术研究：超越分拣的废弃物管理新范式

本研究针对轻质包装废弃物(LWP)分选厂中传感器分选机(SBS)数据利用率低的问题，创新性地开发了基于像素数据的实时吞吐量(0.1–17.5 t/h)和成分(弹射份额5–50%)监测方法。通过可见光(VIS)和近红外(NIR)技术分别分析LDPE芯片和聚合物薄片，建立像素-质量转换公式，在叠加因子(fsp)<1.25时实现中位偏差≤11.6%，为数字化废弃物管理提供了无需额外传感器的解决方案。

　　

在废弃物管理领域，轻质包装废弃物(LWP)的回收效率直接影响着全球碳减排目标的实现。当前欧洲等地的分选厂虽已配备多达50台传感器分选机(SBS)，但这些设备产生的海量数据(每小时可达137GB)长期被视为"数字废弃物"，仅用于基础分拣而未被深度挖掘。随着《欧洲环境署2025》等政策对回收率要求的提升，如何利用现有SBS内置的VIS(可见光)和NIR(近红外)传感器实现实时物料监控，成为提升分选效率的关键突破口。

由Sabine Schl?gl领衔的奥地利莱奥本理工大学团队在《Review of Materials Research》发表的研究，首次系统评估了SBS数据在实时吞吐量与成分监测中的应用潜力。研究选取两类典型废弃物：通过VIS分选的LDPE红/白芯片(30×60mm)和NIR分选的PO/PET薄片(<30mm)，在0.1-17.5 t/h吞吐量范围内进行109次芯片和63次薄片分选实验。创新性提出叠加因子(f_sp)量化颗粒重叠程度，开发出像素-质量转换公式，避免使用AI算法而直接挖掘原始数据价值。

关键技术方法包括：1)采用AViiVA SC2线扫描VIS相机(1365×1px)和EVK Helios NIR G2-320高光谱相机(312×1px)；2)建立六种混合比例(5-50%弹射份额)的物料体系；3)通过振动给料机和滑槽分选机实现可控实验条件；4)采用Parquet格式将数据存储需求降至20MB/h。

研究结果揭示：

1. 1.

   吞吐量监测方面：

   • •

     建立的转换公式使芯片在f_sp<1.05时中位偏差仅+0.3%，薄片为-11.6%

   • •

     叠加效应导致薄片监测呈线性偏差：低吞吐时低估，高吞吐时高估

2. 2.

   成分监测方面：

   • •

     芯片因厚度导致79%未分类(NC)像素，需引入吞吐量补偿项(公式9)

   • •

     薄片因PET透明特性，叠加反而改善分类，最优条件下绝对偏差<2.3pp

3. 3.

   叠加因子验证：

   • •

     在f_sp=1.25的工况上限内，两类材料均实现可接受的监测精度

   • •

     NC像素行为差异显著：VIS系统随f_sp增加而上升，NIR系统反而下降

讨论指出，该技术可延伸至上游设备故障预警(如风选机失效)和智能分选阈值调节。但当前受限于厂商对SBS算法的保密，建议建立数据开放标准以破除技术垄断。未来需在工业规模验证未破碎包装物的监测可行性，并探索多SBS数据融合的进料建模。这项研究为废弃物管理数字化提供了经济高效的技术路径，仅利用现有设备即可实现传统需要外置传感器的监控功能，对实现《巴黎协定》减排目标具有重要实践意义。