MMIJ Annual Meeting

種々の輸入規制により自動車スクラップの国内処理の重要性が増してきている。現在、廃棄された自動車はエアバッグやフロン等を適正処理した後、部品や素材として使えるものに分離回収している。素材の回収工程では、渦電流や磁力選別を用いることがほとんどである。後者の磁力選別において、非磁着物はミックスメタルとして扱われることが多い。それ以上の分類は重液選別を行うことがあるが、比重差が小さいアルミ合金同士は分離が難しく、コストや廃液処理の問題もある。そこで本研究では、迅速に組成解析を行えるレーザー誘起ブレークダウン分光法(Laser-Induced Breakdown Spectroscopy, LIBS)に注目した。多様な金属素材のLIBSスペクトルの分類はアルゴリズムの構築が複雑化する。そのため、機械学習を導入し効率的な金属種の同定を目的として研究を進めた。まず、鉄鋼やステンレス、アルミ合金を中心とした標準試料や金属板を教師試料としてLIBSスペクトルを得た。これらのLIBSスペクトルを用い、各種の機械学習モデルを交差検証を行いつつ構築した。次に、構築したモデルに基づき実際の自動車部品の選別実験を行った。発表では分類正確度について検討した結果についても報告する。