기술소개
기술소개 >

색 선별기술

가정등의 생활계에서 배출되는 재활용 대상 폐플라스틱 중의 PED Bottle 및 유리병의 경우에는 다양한 색상을 가지고 있어 2차 재활용 가공업체에서 수작업을 통하여 색상별로 선별하고 있다.

수작업에 의존함으로써 선별효율의 저하 및 작업자의 안전문제 뿐만 아니라 저급의 물질재활용이 되고 있다.
2차 가공을 통하여 고부가가치의 물질재활용 원료를 생산할 경우에는 재활용 산업의 활성화 및 재활용 산업 인프라 확보가 가능하다.

  • 색상선별 대상

    PET Bottle

    폐플라스틱 중에서 가장 많은 비중을 차지하며, 청색, 갈색, 녹색, 투명등의 색상이 다양하다.
    색상선별이 이루어질 경우에는 가능성 섬유로 가공이 가능하며, 다양한 PET제품을 다시 생산할 수 있는 고부가가치 물질재활용의 원료 생산이 가능함

    이미지명

    재활용 대상 유리병

    갈색은 대부분 드링크제이고, 녹색의 경우에는 주류(소주)병이 대부분임, 투명한 유리병은 과일음료류가 개부분으로 색상선별을 할 경우에는 다시 유리병을 생산할 수 있어 경제적 뿐만아니라 환경적으로도 매우 중요함.

    이미지명
  • 색상선별 장치

    PET 색상선별 장치

    이미지명

    유리병 선별장치

    이미지명
  • 색상인식 선별 시스템 계통도
    이미지명
  • 색상인식 선별 시스템 구성

    유리병의 표면이 각종 오염원에 노출되어 있기 때문에 유리병의 이송 컨베어의 색상은 검정색으로 하며, 투명색과 갈색병은 모두 어두운 색상을 가지게 되고, 이경우 상부조명을 이용한 카메라 시스템은 이 두가지를 구분하기 어렵다.

    배경과의 구분과의 구분을 용이하게 하기 위해서는 대상체의 뒷면에서 조명을 비추는 Back-lighting 조명 방법을 선택하였다.

    이미지명
  • 색상 자동선별 알고리즘 및 분석 프로그램
    이미지명
  • 색상 자동선별 알고리즘 분석방법
    • 01

      삼자극 측정방식

    이미지명
    • 02

      분광식 측정방식

    이미지명

    ☞ 색도계(colorimeter)의 색판정 기술분석

    • 03

      빛(파장)과 색(시각)의 정량적 표현방법

    이미지명
    • 04

      분광반사율로부터 색좌표를 계산하기 위한 알고리즘

    이미지명
    • CIE 1976 L*, u*,v* color system

    이미지명
  • 색의 삼원색

    HSI 컬러 공간에서 색상은 0' 에서 360'의 범위를 가진 각도로 표시된다. 채도는 0에서 1까지의 범위를 가지는 반지름에 해당 한다. 명도는 z축에 해당하는데 0일 때는 검정색을, 1일때는 흰색을 나타낸다. 색상의 조절은 각도에 따라 0' 에서는 빨강색, 120˚ 에서는 녹색, 240˚ 에서는 파랑색, 그리고 360˚ 에서는 다시 빨강색으로 변한ㄷ,. I=0일 때, 색상은 검정색 이어서 H는 정의도지 않는다. S=0 일 때, 색상은 명암도안으로 표시된다. I를 조절함으로써, 색상은 어둡게 또는 밝게 될 수 있다. S=1로 유지하고 I를 조절하면, 그 색상의 농도를 변화시킬 수 있다.

    이미지명
  • HSI 컬러 공간으로의 변화

    RGB 컬러 공간에서 HSI 컬러 공간으로의 변환은 식 (1)~(4)와 같다.

    이미지명

    HSI 컬러 영역에서 컬러 양자화는 유사하지 않은 컬러를 같은 컬러로 맵핑하는 것을 회피하고 대체로 인간 인지학적 관점으로 영상을 구분할 때 효율이 떨어지는 밝기와 채도 영상의 명암도와 채도의 허용 오차에 대한 관용을 비교적 크게 증가 시켰다.

    H는 20º 씩 18단계, S와 I는 각각 3단계로 양자화하였다.

    이러한 기법을 적용하여 디지털영상을 이용한 화소 영역을 처리는 원값이나 위치를 바탕으로 값을 변경하는 점처리와 달리 해당 입력 화소뿐만 아니라 그 주위의 값도 함께 고려하는 공간 영역 연산을 수행하여 영상처리를 구현하고, 회선기법(또는 컨별루션 기법, Convolution Technique)으로 수행하므로, 화소의 영역처리를 회선처리(Convolution Processing)또는 컴벌루션처리라고 한다.
    원시 화소와 이웃한 각 화소에 회선 마스크(convolution mask)가중치를 곱한 합을 출력 화소로 생성한다.

  • 색의 3속성과 먼셀(Munsell)의 색의 입체화

    Hue는 원통모양의 주변 또는 수수색(0 ~ 360º)을 표현하였으며, Saturation는 중심으로부터의 거리(0 ~ 100%), Intensity는 하단 꼭지점에서 최상부까지의 거리(0~100%)를 나타낸다.
    이러한 모식도를 이용하여 색을 수치화로 구현하는 것이 가능하여, 이러한 수치는 인간의 시각 시스템과 유사하다. 이렇듯 HSI값은 색을 인간이 이해하기 쉽도록 표현한 것이며, 이러한 수치는 광원이 아닌 표면색(Surface color)의 표현에 적합하다.

    이미지명
  • 색상별 HSV(색상(Hue), 명도(Valu), 채도(Chroma)

    색상인식 알고리즘 분석을 통하여 색상별로 구분이 가능한 PET Bottle를 이용하여 색상인식 데이터베이스를 각 PET별 녹색, 청색, 갈색, 투명으로 구분하여 RGB(Red, Green, Blue)값을 우선적으로 획득한 후 다시 HVS값으로 변환하여 데이터베이스화하였다.

    이미지명
  • 색상과 채도의 상관관계

    색상과 채도의 상관관계를 프로그래밍을 할 때에 색상별로 선택적으로 선별이 가능하지 여부를 판단하기 위하여 자료들 도식화하였다. 플라스틱의 종류별로 H-S maping에 의하여 Brown 0.2와 0.9를 제외하고는 각 종류별로 한 영역에 집중되지 않고, 떨어져 분포하고 있는것을 확인할 수 있으며 종류별로 Grouping하여 분류하는것이 가능하다. 이러한 자료를 통하여 색상과 채도를 Maping화하여 선별적으로 색상 선별이 가능한 것을 보여주고 있다.

    이미지명
  • 선별원리

    신경망학습 알고리즘은 McCulloch와 Pitts가 1943년 처음으로 제시하였고, 1969년 Minsky와 Papert가 단층 신경망의 경우에는 비선형 문제에 대한 적용이 불가능하다는 것을 수학적으로 증명하였으나, 불가능의 한계는 1974년 Werbos가 Bback propagation 학습법에 은닉층 개념을 도입하므로써 극복되었다.

    은닉총 도입이후 신경망은 선형 및 비선형 문제의 모든 적용이 가능하게 되었고, 이러한 알고니즘을 본 연구에 적용하여 색상선별에 있어 라벨에 의한 병자체의 색상 오류를 최소화시키는 방안으로써 색상별 히스토그램을 작성하여 비교분석, 변환된 HSV값이 동일한 색상에서도 여러가지 값으로 나오는것은 광원이 물체의 투과도에 따른 반사값의 차이가 있는 것으로 즉, 광원의 반사값 차이에 따라 동일 색상의 HSV 값은 범위 지정을 확대하여 데이터베이스에 저장하여 색상별로 선별이 가능함

    이미지명
상단으로 바로가기
이미지명