Patente nacional por "PROCEDIMIENTO Y DISPOSITIVO PARA LA IDENTIFICACIÓN Y CLASIFICACIÓN DE PLÁSTICOS MONOMATERIAL VS MULTICAPA PARA APLICACIONES DE RECICLAJE"

Reivindicaciones:
+ ES-2961763_A11. Dispositivo para la identificación y clasificación de muestras de plásticos monomaterial versus multicapa para aplicaciones de reciclaje que comprende: un sistema de espectroscopia de THz en el dominio del tiempo y un procesador, donde el sistema de espectroscopía está provisto de al menos una fuente óptica, al menos un emisor de THz, al menos un receptor de THz, elementos ópticos para la dirigir la señal desde el emisor a la muestra y desde ésta al detector y al menos un divisor de haz para dirigir la señal reflejada por la muestra hacia la antena receptora, donde el procesador está provisto de un clasificador de aprendizaje máquina que toma como datos de partida la traza temporal de THz de la señal reflejada por la muestra y medida por la antena receptora para clasificar la muestra como monomaterial o multicapa. 2. Dispositivo para la identificación y clasificación de muestras de plásticos monomaterial versus multicapa según la reivindicación 1, caracterizado por que el emisor emite en el rango de 0.1 THz a 15 THz. 3. Dispositivo para la identificación y clasificación de muestras de plásticos monomaterial versus multicapa según las reivindicaciones 1-2, caracterizado por que el clasificador es de tipo KNN. 4. Dispositivo para la identificación y clasificación de muestras de plásticos monomaterial versus multicapa según las reivindicaciones 1-3, caracterizado por que el procesador está provisto de medios de programa para la selección de un conjunto de puntos de la traza y enviar la selección al clasificador. 5. Procedimiento de identificación y clasificación de muestras de plásticos monomaterial versus multicapa para aplicaciones de reciclaje que comprende los siguientes pasos: - emitir una señal en el rango de los THz hacia la muestra; - recoger la señal reflejada por dicha muestra; - tomar como dato de partida la traza temporal de la señal reflejada y enviar a un clasificador de aprendizaje máquina que clasifica la muestra como monomaterial o multicapa. 6. Procedimiento para la identificación y clasificación de muestras de plásticos monomaterial versus multicapa según la reivindicación 5, caracterizado por que el emisor emite en el rango de 0.1 THz a 15 THz. 7. Procedimiento para la identificación y clasificación de muestras de plásticos monomaterial versus multicapa según las reivindicaciones 5-6 caracterizado por que el clasificador es de tipo KNN. 8. Procedimiento para la identificación y clasificación de muestras de plásticos monomaterial versus multicapa según las reivindicaciones 5-7, caracterizado por que se selecciona un conjunto de puntos de la traza y se envían al clasificador.

Los productos y servicios protegidos por este registro son:
B07C 5/34 - G01N 21/35 - B09B 101/75 - B29B 17/00 - G06N 20/10

Descripciones:
+ ES-2961763_A1 PROCEDIMIENTO Y DISPOSITIVO PARA LA IDENTIFICACIÓN Y CLASIFICACIÓN DE PLÁSTICOS MONOMATERIAL VS MULTICAPA PARA APLICACIONES DE RECICLAJE SECTOR DE LA TÉCNICA La invención aborda el problema que introducen los envases compuestos de capas de diferentes materiales ("multicapa") en el proceso de clasificación previo al reciclado de plásticos obtenidos de residuos urbanos. La presente invención propone un sistema y un procedimiento para identificar si un envase es mono-material (un solo material, lo que suele implicar una sola capa) o multicapa (formado por varias capas donde al menos dos de ellas son de distinto material) a partir principalmente de la medida sin contacto del espesor global del envase. ESTADO DE LA TÉCNICA Un primer paso en la separación de residuos es la clasificación según composición para el reaprovechamiento posterior de materiales en la fabricación de nuevos productos. En la actualidad, la clasificación de los envases en plantas de clasificación de residuos urbanos se basa básicamente en dos tecnologías: visión artificial o NIR. En ambos casos se ilumina el envase con radiación de estas bandas y se recoge la señal reflejada sobre su superficie. El proceso de clasificación de envases monomaterial (los compuestos por un único polímero) está muy maduro y se consiguen buenas separaciones tanto por material como por material y color. Sin embargo, en muchos envases se requieren múltiples capas de diversos materiales para conseguir un mejor efecto barrera y así mantener las propiedades del producto el tiempo especificado. En este caso, los sistemas NIR clasifican el envase según la capa más superficial que esté orientada al sensor. Esto supone una contaminación de la fracción que reduce considerablemente el valor del producto recuperado. En el caso de que haya un número significativo de envases multicapa en la fracción, la pureza puede reducirse por debajo del umbral de pureza requerido por lo que la bala de envases debe enviarse a vertedero al no ser viable su aprovechamiento, ya que las diferentes temperaturas de fusión de los distintos materiales provocarían fallos en las máquinas de extrusión que conllevarían no solo la pérdida de la producción sino una parada de las mismas para su limpieza. Actualmente la forma de abordar este problema es, por una parte, una eliminación manual de los envases multicapa. Los operarios saben qué envases comunes son multicapa y se eliminan. Por otra parte, se intenta reducir la presencia de envases multicapa a nivel normativo, pero las prestaciones presentadas por los envases monomaterial no son las mismas que en los envases multicapa y por ello se siguen empleando plásticos multicapa que acaban incinerados o en vertedero. La alternativa es el desaprovechamiento de alimentos, ya que en envases no óptimos ésta se deteriora antes, con la carga medioambiental y económica que esto conlleva tanto para la cadena de distribución como para la sociedad. Por estos motivos, el proceso de clasificación se beneficiaría en varias de sus etapas si existieran métodos para separar los envases multicapa y así mejorar la pureza de las fracciones recuperadas. Adicionalmente, existe una gran actividad en el desarrollo de soluciones de delaminación que permitan un reciclado eficiente de los envases multicapa más habituales. La eficiencia de estos sistemas de reciclado multicapa, también se beneficiarían de un sistema de clasificación para detectar la presencia de envases monomaterial y que consumen reactivos y recursos pero no se aprovechan por lo que afectan a la eficiencia económica de estas plantas. Los sistemas NIR, como se ha indicado, no permiten detectar si un envase es multicapa ya que la señal reflejada viene de la capa que se encuentra enfrentada al sensor. Estos sistemas se basan en analizar el espectro de la señal reflejada que se produce por las leyes de Fresnel, según las cuales la señal reflejada depende de la diferencia de índices de refracción entre los dos medios del interfaz. Los sistemas de visión artificial son otro método que se basa en un principio físico distinto. En concreto, se basan en una librería de imágenes de envases anteriormente registrados y clasificados de forma que la cámara compara el envase en la cinta y lo identifica como alguno de la librería. Este sistema es especialmente problemático cuando los envases están comprimidos o rotos. RESUMEN DE LA INVENCIÓN El sistema y procedimiento de la invención resuelve los inconvenientes citados mediante un sistema de espectroscopia de THz en el dominio del tiempo (THz-TDS) combinado con un clasificador de aprendizaje máquina que permiten clasificar el envase como monomaterial o ulticapa. Este clasificador se puede combinar opcionalmente con otros dos clasificadores más para proporcionar información adicional sobre los materiales que forman la estructura. Más en particular y de manera ventajosa, las ondas utilizadas están en el rango de 0.1 THz a 15 THz para discriminar si los envases son mono-material o multicapa. Las ondas de THz por su longitud de onda proporcionan información volumétrica. A diferencia de la radiación visible o infrarroja, los plásticos, independientemente del color, son semitransparentes en el THz. Por ello, las ondas atraviesan el envase y es posible obtener información del conjunto de capas. Debido a que los espesores típicos de los envases de consumo son típicamente similares a la longitud de onda empleada en THz no es evidente identificar si el material es mono-material o no, por lo que el sistema se debe complementar con un procesado basado en aprendizaje máquina que permite clasificar las trazas capturadas con ejemplos previos (obtenidos experimentalmente o creados de forma artificial a partir de un modelo de la interacción electromagnética de la estructura) . En concreto, la invención es un dispositivo y procedimiento para la identificación y clasificación de muestras de plásticos monomaterial versus multicapa para aplicaciones de reciclaje que comprende: un sistema de espectroscopia de THz en el dominio del tiempo y un procesador, donde el sistema de espectroscopía está provisto de al menos una fuente óptica (que puede ser un láser pulsado de femtosegundos) , al menos un emisor de THz (que puede ser una antena fotoconductiva o un cristal no lineal para convertir los pulsos del láser en pulsos en THz) , al menos un receptor de THz (que puede ser otra antena fotoconductiva o un cristal no líneal) , elementos ópticos para dirigir el haz de THz hacia la muestra y desde ésta al receptor, un divisor de haz para dirigir la señal reflejada por la muestra hacia la antena receptora, donde el procesador está provisto de un clasificador de aprendizaje máquina que toma como datos de partida la traza temporal de THz de la señal reflejada por la muestra y medida por la antena receptora. Ventajosamente, el emisor emite en el rango de 0.1 THz a 15 THz, el clasificador es de tipo KNN y el clasificador puede estar provisto de medios de programa para la selección de un conjunto de puntos de la traza y enviar la selección al clasificador, que de ahí toma el espesor. BREVE DESCRIPCIÓN DE LOS DIBUJOS Con objeto de ayudar a una mejor comprensión de las características de la invención y para complementar esta descripción, se acompañan como parte integrante de la misma las siguientes figuras, cuyo carácter es ilustrativo y no limitativo: La figura 1 es un histograma que muestra el principio en el que se basa la invención. La figura 2 es un diagrama de bloques del sistema en THz de acuerdo con una puesta en práctica del sistema de la invención. La figura 3 es un diagrama de flujo del procedimiento de la invención. DESCRIPCIÓN DETALLADA Los plásticos en general son semitransparentes en la región de los THz y sub-THz, de forma que es posible usar ondas en esta región de ese espectro para caracterizar muestras por su espesor sin necesidad de contacto físico. El sistema de la invención usa para determinar el espesor sin contacto un espectrómetro temporal de THz (THz-TDS, Terahertz Time Domain Spectroscopy) de alta velocidad en una configuración en reflexión con iluminación perpendicular a la muestra a través de un divisor de haz. El método se basa en el reconocimiento de que los envases mono-material presentan espesores totales sistemáticamente menores que los envases multicapa (Fig. 1) por el compromiso de reducir la cantidad de resina empleada manteniendo las propiedades mecánicas, mientras que los multicapa deben proporcionar características especiales de barrera frente a distintos elementos, lo que implica que tienen espesores mayores. Esto se ha comprobado en una multitud de proveedores de envases alimentarios que, en el caso multicapa, son muy mayoritariamente del tipo PET-PE y PE-EVOH-PET. Una implementación preferente del sistema se muestra mediante el diagrama de la Fig. 2. El bloque láser es, preferentemente, un láser pulsado de femtosegundos (<100 fs) que se emplea para iluminar unas antenas fotoconductivas (PCA, photoconductive antenna) . La conexión, indicada con líneas continuas, se realiza mediante fibra óptica monomodo en 1550 nm, donde las fibras son una combinación de fibras monomodo estándar y compensadora de la dispersión, preferentemente en ambos casos del tipo mantenedora de la polarización. Se emplean dos líneas de retardo ópticas (ODL, optical delay line) . La generación y detección de los pulsos de THz se realiza mediante las antenas fotoconductivas (una emisora y una receptora) y dos líneas de retardo ópticas: una lenta (ODL) y otra rápida (FODL) . La antena emisora genera el pulso de THz que se radia hacia la muestra través del divisor de haz, que a su vez dirige la señal reflejada por la muestra hacia la antena receptora que muestrea la señal recibida de THz para generar una fotocorriente que es proporcional al campo de la señal de THz que viene de la muestra. Sin modificar nada más solo se obtendría un punto de medida, con lo que hay que cambiar el punto de muestreo (obtener un punto de medida en cada instante temporal dentro de una ventana) . Para ello, es necesario retardar el camino óptico de uno de los pulsos frente al otro de forma continuada. La ODL lenta es la que especifica la ventana de medida mientras que la rápida permite realizar el retardo de forma continuada sobre el pulso óptico de referencia, obteniendo así el pulso/señal. Procesado de señal Este equipamiento hay que complementarlo con un procesado de señal que se basa en herramientas de aprendizaje máquina. Preprocesado Opcionalmente, el procedimiento incluye aplicar un preprocesado tanto al conjunto de muestras de entrenamiento como a las medidas, con el fin de minimizar el ruido presente en las mediciones debido a las oscilaciones de amplitud deterministas propias de la antena y al inducido por la vibración de la cinta transportadora de los envases a clasificar. Para ello, se mide la reflectancia con la cinta en movimiento en ausencia de muestra con el fin de obtener la referencia del sistema en condiciones de operación. Para la obtención de dicha referencia se obtienen, por ejemplo, cientos o miles de trazas (ya que el sistema proporciona al menos decenas de medidas por segundo puede tomarse un número alto de trazas) , se realiza el promedio y se almacena en la memoria interna del sistema de medición. Cuando se mide la reflectancia con un envase en la cinta, se retira la referencia por medio de la resta, de esta forma se retira el efecto del ruido determinista de la antena y de las vibraciones de la cinta, dejándose la medida centrada verticalmente en 0. Como parte del preprocesado se realiza una segmentación de la traza de THz correspondiente a la señal reflejada de la muestra. Esta segmentación consiste en la selección de un conjunto de puntos de la traza para pasárselos al clasificador (es decir un enventanado temporal) . Esto es necesario para garantizar que todas las señales que se pasan al clasificador tienen el mismo número de puntos. Este enventanado permite independizar el lasificador de la posición del pulso dentro de la traza asociado a la posición del envase en la zona de iluminación con la señal de THz. Tras tener los datos segmentados, se aplica la técnica Standard Normal Variate (SNV) de forma que se estandarizan los datos con media 0 y varianza unitaria, entendiéndose las características como los instantes temporales. Clasificador Tras estos pasos, los datos de la traza temporal de THz medida por la antena receptora ya son adecuados para emplearlos en el clasificador que determina la estructura de los envases, monomaterial o multicapa. Dicho clasificador determina el tipo de estructura en función, principalmente, del espesor. Para confirmar este hecho, se realizó un análisis de componentes principales sobre las medidas de los conjuntos de entrenamiento y validación empleados en el modelado del clasificador extrayendo 143 componentes principales y coloreando en función del tipo de estructura, espesor de la muestra y la combinación de materiales. Mediante el análisis de la puntuación se determina una clasificación en función del espesor de la muestra y por medio de la representación por combinación de materiales, en el caso de los envases multicapa se aprecia una posible diferenciación por tipo de material, donde podría interferir el índice de refracción del material para facilitar la clasificación. Para escoger el clasificador óptimo se ha procedido al modelado de distintos clasificadores. Primero se han optimizado los hiperparámetros en los que se basa el clasificador por medio de la aplicación del algoritmo Asynchronous Successive Halving Algorithm (ASHA por sus siglas en inglés) donde dicho algoritmo elige aleatoriamente varios modelos con diferentes valores de hiperparámetros y los entrena en un pequeño subconjunto de los datos de entrenamiento. Si el rendimiento de un modelo en particular es prometedor, el modelo se promociona y entrena con una mayor cantidad de datos de entrenamiento. Este proceso se repite y los modelos exitosos se entrenan en cantidades de datos cada vez mayores. De forma predeterminada, al final de la optimización se escoge el modelo que tiene el error de clasificación de validación cruzada más bajo, por lo que al final del proceso se obtiene un único modelo optimizado para el set de entrenamiento inicial. Dentro del algoritmo ASHA se ha establecido que los principales clasificadores a modelar son principalmente clasificadores basados en la máxima probabilidad de pertenencia de un individuo a un grupo. Por ello sería posible emplear distintos clasificadores de este tipo. En concreto se han probado los siguientes: árboles de clasificación (classification trees) , el k-vecino más cercano (KNN) , Random Forest (RF, masificación de los árboles de clasificación) así como clasificadores basados en el poder discriminante de los datos como son las Máquinas de Soporte Vectorial (SVM) y clasificador de análisis discriminante (tanto lineales como no lineales) . La Tabla 1 muestra un resumen de las métricas convencionales obtenidas para distintos clasificadores. Tabla 1. Comparativa de clasificadores. Para evitar problemas de sobreajuste y mejorar la estabilidad y ajuste de los modelos se ha aplicado la técnica conocida como Bagging con el fin de obtener unos resultados robustos en cuanto a la eficiencia de los diferentes clasificadores. Dicha técnica consiste en variar de forma aleatoria los conjuntos de entrenamiento y validación y obtener el modelo óptimo para esos sets de entrenamiento y validación. Dicho proceso se repite n veces (en un caso preferencial, 60 iteraciones) donde por cada iteración se obtiene un modelo óptimo. Al final de todo el proceso, se filtra el resultado en base al modelo Kernel que más veces se repite y dentro de ese tipo de clasificador se escoge el modelo que maximiza el resultado en base a una serie de parámetros de selección como accuracy (R2) , F1 score, precisión, recall o el coeficiente de correlación de Matthews. El proceso de modelado de los diferentes clasificadores se puede resumir de la siguiente forma: Procesado de los datos, set de entrenamiento de entrenamiento y validación. Modelado & Validación (por medio de ASHA y de parámetros de selección) . Selección mejor modelo (Bagging) . Uso del mejor modelo para predicción. Los resultados de eficiencia de clasificación para cada uno de los clasificadores y para cada una de las clases objeto de determinación se muestran en la Tabla 2 junto con el modelo empleado para la determinación de la estructura y del material que lo compone. Tabla 2. Resultados experimentales obtenidos con clasificador que determina la estructura del envase empleando el modelo KNN con K=1 con los envases en movimiento. En el caso de la determinación de si la estructura es monomaterial o multicapa las pruebas experimentales muestran una eficiencia del 89.07%. Resumen del procesado El esquema general del proceso llevado a cabo queda recogido en Fig. 3 La explicación previa recoge el proceso de entrenamiento de los modelos. Cuando llega una nueva medición al sistema basado en THz, se realiza la clasificación siguiendo los mismos pasos llevados a cabo en el entrenamiento, se procesa la señal igual que el procesado aplicado en el entrenamiento, pero se cuenta con los modelos ya cargados, haciendo la predicción de nuevas bandejas de forma veloz. Un único envase puede corresponder con varias medidas (varias trazas) . La detección del tipo de estructura (monomaterial o multicapa) de un envase se hace por votación. Es decir, se recogen una serie de medidas sobre la muestra (número dependiente de la longitud de la misma y su velocidad) y se realiza una votación de lo predicho por el modelo para cada punto de la muestra, dando como resultado el que sea mayoritario. A la vista de esta descripción y figuras, el experto en la materia podrá entender que la invención ha sido descrita según algunas realizaciones preferentes de la misma, pero que últiples variaciones pueden ser introducidas en dichas realizaciones preferentes, sin exceder el objeto de la invención tal y como ha sido reivindicada.

Publicaciones:
ES2961763 (13/03/2024) - A1 Solicitud de patente con informe sobre el estado de la técnica
Eventos:
En fecha 20/12/2023 se realizó Registro Instancia de Solicitud
En fecha 20/12/2023 se realizó Admisión a Trámite
En fecha 20/12/2023 se realizó Aceptación Tramitación CAP
En fecha 20/12/2023 se realizó 1001P_Comunicación Admisión a Trámite
En fecha 28/12/2023 se realizó Superado examen de oficio
En fecha 04/03/2024 se realizó Realizado IET
En fecha 06/03/2024 se realizó 1109P_Comunicación Traslado del IET
En fecha 13/03/2024 se realizó Publicación Solicitud
En fecha 13/03/2024 se realizó Publicación Folleto Solicitud con IET (A1)
En fecha 09/04/2024 se realizó 5215P_Observaciones del solicitante al IET, Opinión Escrita y/o alegaciones a observaciones de terceros
Pagos:
20/12/2023 - Pago Tasas IET