高光谱成像技术的应用前景

　　然而垃圾分拣是一项工程量巨大、过程重复且痛苦的工作。垃圾收储后，传统的分类作业方式，需要工人手工将可回收的物品从大量垃圾中拣选出来。在这个过程中，除了垃圾本身散发出的恶臭气味，还隐藏着例如锋利金属、破碎玻璃，有害化学物质、各类病毒细菌等诸多风险因素，这些都可能对分拣工人的生命健康造成严重的伤害。而且处理数量如此庞大的垃圾，常常需要工人们长时间工作，这对人的体力和精力是一项非常大的考验。

　　在纽约市布鲁克林区的日落公园旁，有一座“巨无霸型垃圾分选厂”。这座工厂通过使用16台光学分选机，承担着纽约市每天1000吨生活垃圾的处理工作。工厂内7条垃圾传送带，全程可以高速运行，无需人工配合，光学分拣机可以精准地分选出玻璃、金属、纸张、塑料等物质。

　　对比人工分拣一人一天150公斤到300公斤的处理量，如果想要通过工人来完成这座处理厂一天分类处理的1000吨垃圾，那么至少要3000多名工人同时劳作。

　　类似的这类机器垃圾分拣，准确率高，分拣速度快，可以全天候持续作业，不会受到恶劣环境影响，在国外已经有了很广泛的应用。反观国内，虽然自动化生产模式已在多行业得到了长足发展，但是受起步时间较晚、资源投入较少、垃圾分拣难度大等因素制约，环保领域特别是垃圾分类领域的自动化生产模式依然处在较低的水平，适用于我国国情的自动化分拣设备匮乏，因此，构建完善、成熟的自动化垃圾分拣系统，将会是未来我国垃圾回收行业的重要技术发展方向。

　　当下，通过高光谱视频成像技术和计算机视觉深度学习技术，将复杂背景下的垃圾进行有效识别与分拣，已经成为机器垃圾分拣的主要发展趋势。简单来说，就是将高光谱成像技术，集成到机器视觉系统中，以此来快速获得待分拣垃圾中不同物质的特殊光谱特征，并通过与深度学习算法模型进行匹配识别分析，实现垃圾的精准无害化分类。

　　这里提到的高光谱成像技术，是将光谱技术与成像技术相结合，实现了待测目标光谱信息、空间信息及辐射信息的同步获取，从而拥有快速无损检测优势。以工业塑料分拣为例，通过高光谱成像技术，我们可以更加快速有效地细分出高密度聚乙烯(HDPE)、聚氯乙烯(PVC)、聚丙烯(PP)、聚苯乙烯(PS)和聚碳酸酯(PC)等这类传统机器视觉技术难以区分的工业塑料类型。

　　虽然高光谱成像技术在垃圾分类领域释放出非常大的潜力信号，但想要在该领域有更深度的应用，依然存在诸多门槛，比如有效高光谱数据的获得，三维影像立方体海量数据处理等，都对分析算法、过程控制具有很高的要求。未来，智谱科技团队将基于首创的PMVIS光谱视频成像理论，与业界同行企业、国内环保企业、各大高校携手合作，共同攻关垃圾智能分拣的技术难题，让光谱视觉技术深入垃圾分类行业，全面提升效率。