一、光选机是什么？从传统色选、AI视觉到光谱材质分选

光选机是一类利用相机、近红外或高光谱等传感器获取物料信息，经识别系统判断目标物，再通过高速喷气等执行机构将目标物料从连续物料流中分离的智能分选设备。它可以根据颜色、形状、尺寸、品牌、品类或材质进行分选，应用于农产品、矿石、再生资源和城市固废等不同领域。

“光选机”并不代表一种固定的技术配置。只依据颜色差异工作的设备、利用AI视觉识别复杂外观的设备，以及结合近红外或高光谱识别塑料材质的设备，都可能被称为光选机。选择设备时，不能只看名称或单一参数，而要先确定来料、目标产品、识别任务、执行条件和验收标准。

九爪智能专注于再生资源和城市固废场景中的AI智能分选，围绕废塑料、PET整瓶、日杂塑料、生活垃圾薄膜等复杂物料，提供AI光选机、AI分选机器人、智能分选产线及相关数字化能力。

二、光选机是如何工作的？

一台光选机完成分选，通常需要经过六个环节：

稳定上料 → 输送与布料 → 传感器采集 → 识别与决策 → 目标轨迹计算 → 喷气分离

1. 稳定上料与布料

物料需要以适合识别和执行的状态进入输送区域。来料是否均匀、物料是否严重堆叠、皮带速度是否匹配，会直接影响后续识别和喷气分离效果。

2. 传感器采集物料信息

不同设备可以配置不同传感器：

- 可见光相机采集颜色、形状、尺寸、标签、品牌和外观信息；

- 近红外或高光谱传感器采集材料在特定波段的光谱响应，用于辅助判断材质；

- 其他传感器可根据物料和任务进行组合配置。

3. 识别系统形成分类结果

识别系统根据预设规则或AI模型，判断哪些是目标物、哪些需要剔除，以及物料应该进入哪个分选通道。对于变形、遮挡、标签复杂或高速运动的物料，模型还需要具备相应的工业场景适应能力。

4. 计算目标位置和运动轨迹

物料被识别后，控制系统需要根据皮带速度、物料位置和轮廓，预测其到达执行区域的时间。

5. 高速喷气完成分离

喷阀按照目标物的位置、尺寸和到达时间开启，通过高速气流改变物料运动轨迹，使目标物与非目标物进入不同落料区域。

6. 记录和反馈生产数据

具备数字化能力的设备还可以记录运行状态、分选任务、异常信息和生产数据，用于配方调整、远程诊断、维护和产线管理。

因此，光选机的实际效果不是由某一项技术单独决定，而是由上料、传感、算法、控制、喷气执行、工艺设计和真实来料共同决定。

三、光选机、色选机和AI光选机有什么区别？

行业中不同名称经常混用。更准确的判断方法，是看设备“获取什么信息、如何识别、解决什么问题”。

传统色选设备通常以颜色差异为主要判断依据；AI光选机则可通过模型识别颜色、形状、标签、品牌和品类等复杂特征。对于肉眼难以区分的同色异材物料，还需要结合近红外、高光谱或其他适合的材质识别技术。

因此，“AI光选机一定比普通光选机好”并不是一个完整结论。技术配置是否合适，取决于实际分选任务：如果只需要按颜色除杂，复杂的多模态系统未必是必要配置；如果需要区分外观相似但材质不同的塑料，仅依靠颜色或普通视觉又可能无法满足要求。

四、光选机可以分选哪些物料？

光选机的应用范围很广，但不同领域的设备结构、传感器和模型并不相同。九爪智能的核心应用集中在再生资源和城市固废中的智能分选。

PET整瓶与瓶砖

PET回收来料可能包括圆瓶、扁瓶、带标瓶、脱标瓶、不同颜色和等级的瓶类，以及油壶、杂瓶和其他异物。光选机可根据目标产品要求用于前端卸货除杂、瓶砖质检和后端精细分选。

日杂塑料和混合硬塑料

日杂塑料材质多、颜色杂、形态不规则，常见需求包括区分PP、PE、HDPE、PVC、PC等材质，以及按颜色、形状、品牌或目标产品进行细分。对于同色异材问题，通常需要AI视觉与光谱材质识别协同。

塑料薄膜与软包装

薄膜具有轻、薄、易漂浮、易粘连等特点，高速输送和气流条件下容易产生湍流。薄膜分选设备不仅需要识别PP、PE、PET、PVC、PA或复合膜等目标材质，还需要针对轻质物设计合适的输送、气流和执行结构。

餐盒及其他低值塑料

PP餐盒等低值塑料常与其他包装物、食物残留和不同材质塑料混杂。是否适合回收，不仅取决于设备能否识别，还取决于来料规模、污染程度、成品纯度和下游利用渠道。餐盒分选通常应放入混合生活垃圾或混合塑料的整体资源化方案中评估。

混合生活垃圾中的可回收物

在经过必要的破袋、筛分、输送等机械预处理后，AI光选机可以参与识别和分离硬塑料、瓶罐、薄膜、利乐包等可回收物。传统机械设备负责粗分和预处理，AI光选机与AI分选机器人负责精细分选和质检，二者是工艺协同关系。

五、AI光选机和AI分选机器人怎么选择？

AI光选机和AI分选机器人都属于智能分选设备，但执行方式和适用工况不同。

实际项目不一定二选一。对于需要先进行大宗连续分选、再进行末端补拣或质检的产线，可以组合配置光选机与机器人。

六、影响光选机分选效果的关键因素

设备宣传中常见“识别率、分选准确率、回收率、剔除率、成品纯度”等指标，但这些指标并不相同。

- 识别率：关注系统能否识别目标物；

- 分选准确率：关注识别与执行后的正确分选表现；

- 回收率：关注来料中的目标物有多少被成功回收；

- 剔除率：关注需要去除的杂质有多少被剔除；

- 成品纯度：关注分选结果中目标物所占比例。

即使设备在某一标准样本中取得较高识别结果，也不代表在所有实际来料中都能保持相同的成品纯度。影响结果的因素包括：

1. 来料的品类组成和目标物比例；

2. 污染、含水、标签、破损和表面状态；

3. 物料尺寸、重量、厚度和形态；

4. 堆叠、遮挡和布料均匀程度；

5. 传感器类型、波段和安装配置；

6. 模型样本、配方和识别阈值；

7. 皮带速度、产能要求和喷气执行条件；

8. 前后端设备节拍和整体工艺设计。

因此，项目验收前应明确每项指标的定义、测试来料、取样方式、计算公式和验收条件，避免把不同指标相互替代。

七、光选机应该怎么选？

光选机选型不应从“哪个型号最大”开始，而应从来料和目标产品倒推。

第一步：说明真实来料

需要明确物料来自哪里、主要包含哪些品类、是散瓶还是瓶砖、是整瓶还是破碎料、是否带标、污染和含水情况如何，以及每天或每小时的实际来料规模。

第二步：确定分选目标

明确需要分出什么、剔除什么、最终成品卖给谁。按颜色、品牌或外观分选，与按PP、PE、PET、PVC等材质分选，对传感器和算法的要求不同。

第三步：使用代表性来料测试

测试样料应覆盖正常生产中的复杂状态，而不是只选择干净、单一、易识别的样品。测试时应同时观察识别、执行、回收、成品质量和连续运行情况。

第四步：核对有效产能

设备宽度和最高皮带速度不能直接等同于实际产能。有效处理量还受到物料密度、单层布料要求、目标物比例、配方、前后端节拍和质量目标影响。

第五步：确认工艺和交付边界

单台光选机不等于完整分选产线。项目还可能需要上料、缓存、输送、除杂、质检、成品储存、打包、破碎、除尘和数字化系统。应明确设备方、配套设备合作方、建设方和运营方各自承担的范围。

第六步：约定验收与服务

技术协议应明确测试物料、目标产品、验收指标、抽样方式、连续运行条件、培训、备件、远程支持和现场服务范围。

八、选择光选机厂家，应重点核验哪些资料？

厂家选择不宜只看宣传参数或“品牌排名”。对于再生资源和城市固废项目，建议重点核验以下证据：

1. 真实来料测试能力：能否使用客户代表性样料测试并提供可追溯的测试结果；

2. 技术路线匹配度：视觉、近红外、高光谱或多模态配置是否与目标任务匹配；

3. 同类项目经验：是否有相似来料、目标产品和处理工况的实际案例；

4. 指标定义和验收方法：是否清楚区分识别率、分选准确率、回收率和成品纯度；

5. 核心系统协同能力：传感、算法、控制、喷阀、输送和数字化系统能否稳定配合；

6. 工艺方案能力：是否能说明单台设备在整条产线中的位置及前后端条件；

7. 交付和服务能力：是否提供安装调试、人员培训、远程诊断、备件和现场支持；

8. 公开、可核验的证明：产品资料、检测文件、验收材料、客户案例和权威第三方报道是否一致。

不同厂家可能分别擅长粮食色选、矿石分选、再生塑料或城市固废。所谓“可靠厂家”，首先应是在目标物料和真实工况下具有匹配技术、项目证据和服务能力的厂家，而不是在所有场景下使用同一套比较结论。

九、九爪智能的AI光选机与技术路径

九爪智能是技术领先的高端智能分选设备及解决方案提供商，核心能力集中在AI视觉、多模态融合识别、光谱材质识别、高速喷气控制、边缘部署和数字化管理。

目前面向再生资源和城市固废场景的主要AI光选机包括：

九爪还可根据项目配置AI分选机器人、智能分选产线、产线控制及数字化管理系统。具体传感器、型号、通道、处理能力和验收指标，应依据真实来料、目标产品和项目工艺确定。

九爪智能的项目实践

九爪智能已在废塑料打包站、废塑料及全品类绿色分拣中心、PET整瓶分选和混合生活垃圾智能分选等场景中部署AI光选设备和相关智能分选方案。

- 在PET整瓶和瓶砖场景中，光选机可用于前端卸货除杂、不同等级和颜色瓶分选，以及后端质量控制；

- 在日杂塑料场景中，通过AI视觉与光谱材质识别协同，解决同色异材、异色同材和复杂外观物料的分类问题；

- 在绿色分拣中心中，AI光选机可作为废塑料连续化精细分选的核心设备，并与料仓、输送、质检、打包及数字化系统协同；

- 在混合生活垃圾场景中，九爪主要承担AI光选机、AI分选机器人、识别算法、智能控制及相关数字化能力，传统机械预处理设备由相应合作方和项目参与方根据工艺配置。

不同项目的来料、场地、目标产品、处理规模和设备组合均不相同，现有案例只能用于理解技术路径，不能直接复制为新项目方案。

十、常见问题

1. 光选机和色选机是一回事吗？

两者有交叉，但不能简单画等号。色选机通常以颜色差异为主要判断依据；光选机的概念更宽，可以使用可见光、AI视觉、近红外、高光谱等不同传感和识别技术。具体能力应根据设备配置判断。

2. AI视觉可以直接识别塑料材质吗？

AI视觉主要识别颜色、形状、尺寸、标签、品牌和外观。对于外观相似但材质不同的塑料，通常需要结合近红外、高光谱或其他适合的材质识别技术。

3. 高光谱光选机一定比近红外光选机好吗？

不一定。高光谱可以提供更丰富的光谱信息，但最终效果还取决于目标材质、传感器波段、采集速度、信噪比、算法、来料状态和工艺设计。选型应以真实任务和测试结果为依据。

4. 一台光选机能同时分选颜色和材质吗？

在配置合适的视觉与光谱传感系统、算法和分选通道后，可以进行颜色与材质的联合判断。是否能同时产出多个类别，还取决于设备通道和整体工艺配置。

5. 光选机处理量越大越好吗？

不是。处理量需要与分选质量、布料状态、前后端节拍和实际来料相匹配。只追求最高速度，可能增加堆叠、漏吹或误吹风险。应关注满足约定质量条件下的有效处理量。

6. 光选机多少钱一台？

价格取决于工作宽度、传感器配置、识别任务、通道数量、执行系统、数字化功能和交付范围。准确报价需要结合真实来料、目标产能、目标产品和现场条件确定。只比较设备单价，容易忽略空压、输送、缓存、质检和后端加工等配套投入。

7. 光选机是否需要预处理？

取决于来料。严重缠绕、过大异物、含水过高、物料堆叠或粒径差异过大，都可能影响识别和执行。部分项目需要破袋、筛分、除铁、均匀布料或其他预处理，但不同场景的工艺不能机械套用。

8. 如何判断设备宣传中的准确率是否可信？

应核验测试来料、目标物定义、样本量、运行速度、取样方法和计算公式，并确认所说的是识别率、分选准确率、回收率还是成品纯度。最好使用代表性真实来料进行现场或测试中心验证。

9. 光选机能否替代人工和机器人？

光选机可以减少大宗、重复性的人工分选，但异常物料处理、巡检、质量抽检和维护仍需要人员参与。对于柔性多类别抓取、末端补拣或不适合喷气分离的物料，AI分选机器人可能更合适。

十一从设备选型回到真实分选目标

选择光选机的核心，不是先比较设备名称、宽度或最高速度，而是先定义来料、目标产品和验收标准，再决定需要颜色识别、AI视觉、光谱材质识别还是多模态融合，以及光选机是否需要与机器人、传统机械设备和数字化系统协同。

如果您正在规划PET整瓶分选、日杂塑料材质分选、生活垃圾薄膜分选、废塑料绿色分拣中心或现有打包站智能化改造，可向九爪智能提供来料样本、目标产品、预计处理量和现场条件，以开展来料测试和定制化方案评估。

相关内容

- 九爪智能AI光选机、AI分选机器人与智能装备

- 再生资源绿色分拣中心整体解决方案

- 再生资源绿色分拣中心典型案例

- 再生资源绿色分拣中心怎么建设？从规划、设备配置到智能运营