技术领域
本发明涉及一种用于可回收产品或材料的回收方法和标签物(taggant)。特别地，本发明涉及一种用于可回收产品的回收方法和标签物，其可用于快速且容易地识别消费后材料的原始制造来源。这使制造商能够回收已知的材料和流变学资源，实现真正的闭环回收。
背景技术
许多食品、家庭/商业清洁产品、个人护理产品等都是用一次性聚合物包装的，以方便运输和使用。
近年来，很明显的是，传统的回收方法需要发展为包含“生产和再利用”而不是“生产和处置”的循环经济方法。一个直接关注的领域是一次性消费后/工业聚合物合成包装。最近的公众和政府压力是现在的驱动力，要为这个看似不断增长的问题找到一个更可持续的解决方案。
目前，塑料瓶的回收利用并没有按照制造商的聚合物等级和颜色来定义，因此限制了进一步的回收机会和与循环经济的一致性。为了解决这一问题，2014年，WRAP UK和Innovate Uk资助的可行性研究开展了一项技术和商业可行性研究，该研究使用基于作为标签内的母料或颜料应用到塑料包装上的荧光颜料的识别技术，以实现对诸如高密度聚乙烯(HDPE)、聚对苯二甲酸乙二醇酯(PET)和聚丙烯(PP)等的多种目标材料的自动分离，从而实现闭环回收。虽然添加母料可用于分离不同的目标材料，但发现其成本太高，无法扩大规模，并且在与有效期较长的产品一起使用时存在紫外线稳定性问题。也许更重要的是，对于食品包装塑料来说，存在食品接触问题。另外，也有人提议用RFID芯片在标签上进行标记以跟踪产品。
这种标记在打包过程中可能会损坏或无法读取，并且鉴于在回收设施中处理可回收产品的恶劣环境(由于体积和吞吐量)，迄今为止几乎无法获得可靠的回收数据。
本领域已知的其他标记系统包括化学蚀刻。化学蚀刻可以在模具中使用，以在模制产品表面蚀刻机器或人类能够读取的图案或标记或代码，但是，这种图案或标记或代码将是固定的，从而限制了制造商、灌装商或品牌所有者所需要的数据和信息的快速更改，并且在不停运生产模具的情况下不能轻易改变或修改，这是非常不可取的。
本发明所提出的方案迥然不同。它使塑料家庭和个人护理产品可以在材料回收设施(MRF)和/或塑料回收设施(PRF)处、根据其原始制造来源、使用简单且廉价的标记或点进行分离。这使制造商能够回收已知的材料和流变学资源，实现真正的闭环回收。
可以理解的是，在本申请中，术语“制造商”可以指产品生命周期中的任何制造商，包括产品的制造商和使用产品的制造商，例如，使用产品销售其商品的制造商(例如，灌装商)。因此，术语制造商包括在产品的供应链和生命周期内进行直接和间接采购的制造商。
本发明的一个目的是提供一种可回收产品的回收方法和标签物，其克服或减少与该类型的已知产品相关联的缺点。本发明提供了一种可回收材料的回收方法和标签物，其实现为分配给每个制造商的一种或多种UV、NIR和/或IR可读油墨颜色和形状，并进一步将额外的颜色和形状分配给制造商的品牌，使得能够通过MRF和/或PRF检测材料，以进行分离和继续再循环回初级或原始制造来源。本发明的另一个目的是提供可追溯的包装材料和产品，这些材料和产品可通过供应链回收，并允许材料返回其原始制造来源以进行回收，从而使工艺符合注意义务和公司治理政策。本发明的另一个目的是减少对原始聚合物的依赖，同时大大提高回收率并降低成本。本发明的另一个目的是提供一种完全自动化的方法，用于通过使用人工智能将可回收材料从原料中分离出来，然后将其再循环回原始制造来源。本发明能够加强制造商的企业社会责任(CSR)政策，并显著提高环境资源效率，从而解决一次性塑料的许多问题。此外，使用本发明可以确保符合其他立法驱动因素和策略，例如，延伸生产者责任(EPR)、包装回收证明(PRN)和包装出口回收证明(PERN)。
发明内容
本文和权利要求书中描述了本发明。
根据本发明，提供了一种用机器可读代码标记产品的方法，该方法包括以下步骤：
创建经训练的标记产品的数字图像的数据库；
将机器可读代码应用到产品或其包装的至少一部分上；
读取并验证应用到产品上的代码；
将产品置于激发条件下，使得机器可读代码发出荧光，以允许恢复机器可读代码；以及
捕获机器可读代码的荧光形状或颜色的第一图像，并将捕获到的第一图像与经训练的数据库进行匹配，以允许至少识别出产品的制造商或品牌。
本发明的一个优点是，它可用于根据产品的制造商或品牌从混合原料中识别出消费后材料，还可取得并验证数据，以确保法规合规性，和/或跟踪产品的消费和生命周期，和/或识别模式、趋势和关联，并监控销售和营销活动及促销活动。
进一步优选地，该方法还包括以下步骤：
将从机器可读代码中恢复的数据与识别出的产品的制造商或品牌相关联；以及
将相关联的数据与时间戳和/或跟踪信息和/或产品的元数据一起，安全地存储在远程数据库或基于云的门户中。
在使用中，该方法还可以包括以下步骤：
根据检测到的机器可读代码的荧光形状或颜色，将产品从混合原料中分离，以便继续回收。
优选地，该机器可读代码是1D、2D或3D条形码、数据矩阵或QR码或任何其他合适的编码结构。
进一步优选地，使用在UV、IR、NIR或可见光光谱中具有激发波长的辐射来激发该机器可读代码。
在使用中，可以在相同或不同的光学检测器内以相同或不同的激发波长检测该机器可读代码的恢复、以及荧光形状或颜色。
优选地，该机器可读代码中的恢复数据包括生产数据和/或PRN和/或PERN和/或EPR合规性信息。
进一步优选地，该方法还包括以下步骤：
捕获产品的形状的第二图像，并将捕获到的图像与经训练的数据库进行匹配，以允许至少识别出产品的制造商或品牌，该数据库查找产品标签的残余部分(remnant)和/或产品形状和颜色。
在使用中，该第二图像是以不同于第一图像的激发波长捕获的。
优选地，该机器可读代码是2D数据矩阵，其在UV激发下发出红色或橙色的荧光。
此外，根据本发明，提供了一种用于跟踪标记有机器可读代码的产品的系统，包括：
产品数据库，被配置为将产品与应用到该产品或其包装的至少一部分上的唯一机器可读代码相关联，该数据库包含时间戳和/或跟踪信息和/或产品的元数据；
检测装置，用于同时将产品置于激发条件下，以使该机器可读代码发出荧光，从而允许使用条形码读取器读取该机器可读代码；以及
第一摄像装置，用于捕获该机器可读代码的荧光形状或颜色的第一数字图像，并将捕获到的第一图像与标记产品的多个数字图像中的一者进行匹配，以允许至少识别出产品的制造商或品牌；以及
用于在产品的生命周期的一个或多个阶段，使用时间戳和/或跟踪信息和/或产品的元数据自动更新该产品数据库的装置。
优选地，该检测装置还包括：
第二摄像装置，用于捕获产品的形状的第二数字图像，并将捕获到的图像与经训练的数据库进行匹配，以允许至少识别出产品的制造商或品牌，该数据库与产品标签的残余部分和/或产品形状和颜色相匹配。
同样，根据本发明，提供了一种唯一标识产品以便后续回收的方法，包括以下步骤：
在产品的裸露的外表面和/或产品的位于附在其上的任何卡套或标签下方的部分上标记代表产品的制造商的第一跟踪签名。
本发明的一个优点在于，它可以用于根据产品的初级制造商识别消费后材料，从而允许制造商可以回收已知的材料和流变学资源，以作为新产品进行升级再造。
优选地，该第一跟踪签名是能够在检测器处被读取的任何化学或物理标记。
进一步优选地，该第一跟踪签名是使用连续喷墨印刷或任何其他合适的标记或编码系统被应用到产品上的至少一个紫外(UV)和/或红外(IR)可读点。
在使用中，该至少一个可读点可以是透明的荧光标记，并且仅当其在检测器处被UV、NIR和/或IR光照射时才可被检测到。
优选地，该至少一个可读点成对地印刷在产品的大致相对的表面上。
进一步优选地，该至少一个可读点以随机方式印刷在产品的表面上。
在使用中，该荧光标记可以作为发光或荧光油墨被应用。
优选地，被应用的荧光标记具有与产品接触的基层；在该基层的顶部上的荧光层；以及在该荧光层的顶部上的最上保护层。
进一步优选地，通过连续在线喷墨印刷或任何其他合适的标记或编码系统来应用该基层、荧光层和最上保护层。
在使用中，该基层可以是不透明的，并且当与基本上透明的产品一起使用时，消除错误检测。
优选地，该荧光标记在后续回收过程期间被完全去除。
进一步优选地，该荧光标记不会使产品上的品牌和/或产品信息模糊。
在使用中，该第一跟踪签名可以是以检测器可检测到的多种形状和颜色中的一种印刷的点。
优选地，印刷的点具有三角形、正方形、矩形、五边形、六边形、八边形、圆柱形或任何合适的多边形形状，或垂直或水平的线或带。
进一步优选地，该第一跟踪签名可以根据其外形和/或可见颜色和/或字母数字标识符来检测。
在使用中，可以将该第一跟踪签名应用到产品和/或产品的盖子或封盖和/或位于产品与盖子或封盖之间的可移除的撕裂条上。
优选地，将该第一跟踪签名应用到印刷标签上，随后将该印刷标签粘贴到产品上。
更优选地，该标签还包括制造商的名称和/或代表产品的制造商的RAL或潘通色卡(Pantone)代码。
在使用中，该第一跟踪签名可作为母料或聚合物载体，以颗粒、液体或粉末形式应用到产品的组成部分上，并通过重量分析或其他相容的加注工艺提供。
更优选地，该产品是包装。
在使用中，该包装可以由选自群组中的材料形成，该群组包括但不限于以下任何一种材料：聚合物、纸板、纸、玻璃纸、黑色金属和有色金属、复合合金等。
优选地，该方法还包括以下步骤：
在产品表面上标记代表产品的品牌或成分的第二跟踪签名。
进一步优选地，该第一跟踪签名和该第二跟踪签名被分别检测。
在使用中，该方法还包括以下步骤：
在产品的表面上标记多个跟踪签名，该跟踪签名代表制造来源和/或基础聚合物制造商和/或聚合物材料和/或材料等级和/或产品的品牌，并且能够基于检测到的产品的属性对该产品进行后续分离。
进一步优选地，将该多个跟踪签名印刷为可读点串，或印刷为1D、2D或3D数据矩阵、条形码或QR码，或任何其他合适的工业字母、数字或字母数字编码过程。
优选地，该可读点串印刷有对准(registration)标记。
在使用中，该检测器可以检测是否存在被照亮的UV和/或IR光和/或近红外和/或可见光和/或形状或图案识别。
此外，根据本发明，还提供了一种可回收产品，该产品包括在其外表面上的标记，该标记为代表产品的制造商的第一跟踪签名。
同样，根据本发明，提供了一种检测唯一标记的产品以便后续回收的方法，包括以下步骤：
用检测器读取产品的外表面；以及
检测代表产品的制造商的第一跟踪签名。
此外，根据本发明，提供了一种闭环回收目标产品的方法，该目标产品标记有代表产品的制造商的第一跟踪签名，包括以下步骤：
检测产品的外表面上的第一跟踪签名，并基于所述检测将检测到的目标产品从混合原料中分离；
可选地，基于该目标产品的品牌或成分将该目标产品进一步分离成子组；
将经分离的产品切成碎片；
洗涤该碎片；
对经洗涤的碎片进行配混；以及
由经配混的颗粒形成新产品。
此外，根据本发明，提供了一种用于固定到可回收产品上的标签，该标签在其外表面上印刷有第一跟踪签名，该第一跟踪签名代表产品的制造商。
此外，根据本发明，提供了一种在混合可回收产品的连续原料中唯一识别目标可回收产品的方法，包括以下步骤：
捕获该可回收产品的数字图像；
创建经训练的可回收产品的数字图像的数据库；
识别数字图像中存在的可回收产品；以及
将产品数据库中的信息与识别出的目标可回收产品的图像进行匹配。
优选地，该方法还包括以下步骤：
将该目标可回收产品从原料中分离以便后续回收。
进一步优选地，将该目标可回收产品从原料中分离以便后续回收的步骤以低于约1米/秒、直到3米/秒及以上的输送机检测速度实现。
在使用中，可根据产品的制造商或品牌将目标可回收产品从原料中分离。
进一步优选地，使用神经网络来实现训练和识别步骤。
此外，根据本发明，提供了一种计算机程序产品，用于在混合可回收产品的连续原料中唯一识别目标可回收产品，包括：
用于捕获可回收产品的数字图像的计算机程序装置；
用于创建经训练的可回收产品的数字图像的数据库的计算机程序装置；
用于识别数字图像中存在的可回收产品的计算机程序装置；以及
用于将产品数据库中的信息与识别出的目标可回收产品的图像进行匹配的计算机程序装置。
此外，根据本发明，提供了一种系统，用于在混合可回收产品的连续原料中唯一识别目标可回收产品，包括：
用于捕获可回收产品的数字图像的装置；
用于创建经训练的可回收产品的数字图像的数据库的装置；
用于识别数字图像中存在的可回收产品的装置；以及
用于将产品数据库中的信息与识别出的目标可回收产品的图像进行匹配的装置。
优选地，该系统还包括：
用于将该目标可回收产品从原料中分离以便后续回收的装置。
相信根据本发明的用于可回收产品的回收方法和标签物至少可以解决上述问题。
对于本领域的技术人员来说，显而易见的是，本发明的变体是可能的，并且本发明的用途可以不是本文具体描述的那样。
附图说明
现在将仅通过示例的方式并且参考附图来描述本发明，其中：
图1是示出了根据本发明的用于将可回收材料或产品再循环到其原始制造来源的方法的各个步骤的流程图；
图2a和图2b分别示出了如何将本发明的标签物呈现在可回收产品本身上，或呈现在随后固定到该产品上的单独标签上；
图3是示出了根据本发明第二实施方式的用于将可回收材料或产品再循环到其原始制造来源的方法的各个步骤的流程图，其中该产品已另外标记有代表该产品的品牌或聚合物成分的第二标签物；
图4a和图4b分别示出了如何将第二实施方式的标签物呈现在可回收产品本身上，或呈现在随后固定到该产品上的单独标签上；
图5表示用于在产品上对齐和印刷多种标签物的一种对准的样式，本发明的该实施方式中的多种标签物代表原始制造来源、产品的品牌、基础聚合物制造商、聚合物成分和等级，并且可以基于产品的这些一种或多种属性对回收产品进行后续分离；
图6是如何将图5所示的多种标签物呈现在可回收产品上的示例；
图7是示出了根据本发明的第三实施方式的通过使用人工智能将可回收材料或产品再循环到其原始制造来源的方法的各个步骤的流程图；
图8示出了如何将本发明的智能跟踪标记或标签物应用到可回收产品上的其他例子；
图9是示出了根据本发明的第四实施方式的方法的各个步骤的流程图，该方法用于使用取得或恢复的数据来管理可回收材料或产品的流转，以及可选地，通过使用组合光学检测系统来回收检测到的可回收材料或产品，该组合光学检测系统利用光谱标记检测、条形码读取器和人工智能来检测可回收产品的形状；
图10示出了数据取得和检测单元的高级示意图，该数据取得和检测单元可以被改造为根据本发明的现有输送机系统；
图11是示出了由图10的数据取得和检测单元收集的数据如何可以连接到本地网络以及远程企业网络或基于云的系统的高级示意图；
图12示出了由图10的光学检测系统捕获的数据图像，该光学检测系统已经读取并验证了应用在可回收产品的外表面上的2D数据矩阵代码；
图13是由图10的光学检测系统捕获的一系列示例数据图像，该光学检测系统可以使用人工智能能力，根据检测到的应用到可回收产品的外表面上的光谱标记标签物的形状来检测和识别可回收产品的制造商；
图14是由图10的光学检测系统捕获的一系列示例数据图像，该光学检测系统可以使用人工智能能力，根据检测到的可回收产品的形状来检测和识别可回收产品的品牌；
图15显示了应用到可回收产品的外表面上的一系列字母、数字和/或字母数字标签物，这些标签物已由图10中的光学检测系统使用人工智能能力进行检测和分类；以及
图16进一步说明了如何将本发明的标记或标签物作为2D数据矩阵和字母数字机器可读代码应用到可回收产品上。
具体实施方式
本发明采用了对可回收材料使用回收方法和标签物的方法，其实现为分配给每个制造商的一种或多种UV、NIR和/或IR可读油墨颜色和形状，并进一步将额外的颜色和形状分配给制造商的品牌，使得能够通过MRF和/或PRF检测材料，以进行分离和继续再循环回初级或原始制造来源。有利地，本发明提供了可追溯的包装材料和产品，这些材料和产品可通过供应链回收，并允许材料返回其原始制造来源以进行回收，从而使工艺符合注意义务和公司治理政策。进一步有利地，本发明减少了对原始聚合物的依赖，同时大大提高回收率并降低成本。进一步有利地，本发明还提供了一种完全自动化的方法，用于通过使用人工智能将可回收材料从原料中分离出来，然后将其再循环回原始制造来源。进一步有利地，本发明能够加强制造商的CSR政策，并显著提高环境资源效率，从而解决一次性塑料的许多问题。此外，使用本发明可以确保符合其他立法驱动因素和策略，例如，延伸生产者责任(EPR)、包装回收证明(PRN)和包装出口回收证明(PERN)。
现在参考附图，图1示出了根据本发明的用于将可回收材料或产品再循环到其原始制造来源的方法10。本文描述的方法10是闭环回收方法，因此本领域技术人员将理解，可以在循环的任何点处开始概述以下有关该方法的描述。在下面的描述中，图1的每个步骤将被称为“S”，后跟步骤编号，例如S12、S14等。
为了说明的目的，方法10从在S12处制造商20生产可回收材料、包装或产品100开始。术语“可回收材料、包装或产品”应理解为涵盖任何可回收的物品、物质或物体。在关于图1描述的例示性方法10中，产品100是用于容纳消耗品的吹塑聚合物瓶，尽管这绝不是限制性的。
在S14处，对瓶子进行灌装。在S16处，将代表原始制造来源的跟踪标记或标签物102应用到瓶子上，然后可以读取标记102，并且将数据发送到云中，以准备在MRF/PRF 26内配对，如下文所述。然后在S18处，将瓶子从制造商20直接或通过零售网络派发给最终消费者。
本领域技术人员将理解，S12、S14、S16和S18都可以发生在制造商的设施20处，或从制造商的设施20进行协调。
在使用后，在S22处，消费者随后通过本地路边回收将瓶子退还，并且在S24处，在材料回收设施(MRF)或塑料回收设施(PRF)26处接收收集到的瓶子以进行分选。
在S28处，方法10涉及使用检测器检测产品100上的跟踪标记或标签物102，如下进一步所描述的。这是一个连续输送过程，通过使用来自邻近输送机设置的多个喷嘴的空气脉冲，将明确识别出的瓶子(即通过跟踪标记或标签物102的存在而识别出的瓶子)从输送机中排出。
技术人员将理解，在检测步骤S28之后，可以运输或打包来自一个制造商20的瓶子以进行后续处理/回收，并且这可以在MRF/PRF 26处进行或在二次处理设施30处进行。
在MRF/PRF 26处或在二次处理设施30处，S32涉及使用标准的近红外(NIR)检测技术来将那些已经分离的一个制造商20的瓶子进一步分选为它们的聚合物成分。如图1中为说明目的所示，在S32处，将先前分选出的一个制造商20的瓶子光学分选为例如以下三种聚合物类型中的一种：高密度聚乙烯(HDPE)34、聚对苯二甲酸乙二醇酯(PET)36或聚丙烯(PP)38。
如将在图3中所描述的，也可以进一步分离。
使用图1所示的闭环回收方法10，聚合物类型34、36、38的分离流随后可以在S40处进行造粒/切碎，然后再在S42处进行洗涤/干燥，并由此产生适合于继续配混或挤出成颗粒的自由流动的碎片(flake)。然后将颗粒配混，并且可能需要在S44处加入少量的原始聚合物，然后才能在S12处重新用作新产品100。
技术人员将理解，一旦已经应用了跟踪标记或标签物102，产品100就会具有永久且唯一的签名，该签名是为产品100的制造来源20定制的。
本发明的方法10允许通过新的或改造的计算机文件和光阵列升级到其当前的近红外(NIR)技术，在回收设施(MRF/PRF 26)处检测瓶子，该技术可以将瓶子自动重定向到料仓或单独的打包机，以便在初级公司的制造设施20中进行后续再处理，从而创造“瓶到瓶”的机会。然后，可以保证初级制造商20确保其在S42处接收到的聚合物粒料具有基础聚合物流变学，该聚合物流变学是他们在继续进行再处理之前已知的。
可以使用已知的近红外分选技术在S32处将混合瓶分离为单一聚合物类型，该技术被编程为忽略跟踪标记或标签物102，仅识别要相应分离的基础聚合物化合物签名，例如PP、HDPE、PET、聚氯乙烯(PVC)、丙烯腈丁二烯苯乙烯(ABS)等。如结合图3至图6所述，可替换地，使用第二跟踪标记或标签物102来检测基础聚合物化合物签名。
图2a示出了如何将本发明的跟踪标记或标签物102作为UV、NIR和/或IR可读点50a-50n应用到产品上，在优选实施方式中，该可读点在图1的S16处使用连续喷墨印刷技术被应用。术语“喷墨印刷”应理解为涵盖将墨滴推到纸、塑料或其他基材上的任何印刷或标记技术，例如Valvejet、热喷墨、按需滴落和压电喷墨。其它连续印刷或蚀刻技术，例如，激光光子印刷或数字水印可替代地用于将跟踪标记或标签物102和/或印刷代码88应用到产品100上。
已知的回收基础设施是基于对不同塑料的近红外(NIR)检测。因此，IR可读点50a-50n可以容易被集成到现有的回收基础设施中。当前，大多数废物基础设施(MRF/PRF 26)使用NIR检测设备进行材料分离，并且NIR/IR油墨将会被容易地容纳在当前检测基础设施系统中，可能只需要少量的软件和/或硬件升级。
对于IR油墨配方，MRF/PRF 26中当前的近红外(NIR)检测技术在1300nm至1800nm之间运行，这是标准的运行检测窗口。定制IR油墨配方可以举例方式如下提供：
品牌A将在1300nm发出黄色荧光
品牌B将在1400nm发出红色荧光
品牌C将在1500nm发出绿色荧光等。
此外，NIR/IR油墨比UV油墨不易降解，尤其是在点50a-50n可能暴露于外部环境的环境中。此外，某些品牌的织物柔软剂和洗涤剂在液体产品和包装标签内含有UV光学增白剂。当使用UV光谱检测时，这有可能导致读数费力。在这些情况下，可以使用NIR/IR点和光谱检测。当用多余的洗涤剂覆盖时，IR点将不会受到信号的干扰，因为许多家庭护理产品、洗涤液和织物柔软剂等在其配方中均包含UV增白剂，否则它们可能会掩盖UV油墨标记信号。设想UV、NIR和IR油墨可用作可回收产品100的组合标签物，如下文结合图3所描述的。
在本发明的优选实施方式中，点50a-50n是对肉眼透明的发光或荧光标记，并且只有在S28处通过检测器处的紫外(UV)、近红外(NIR)和/或红外(IR)光激发时才可检测到。本领域技术人员将理解，S28处的检测可替代地并入作为二次处理设施30的现有近红外检测步骤(S32)的一部分。
此外，唯一标识产品100的制造商20的点50a-50n可以是机器或人类能够读取的任何化学或物理标记。在优选实施方式中，在S16处，点50a-50n被成对地应用到产品100的相对的表面上，并且使用相对的喷墨印刷头(未示出)进行印刷，这样，当收集到的产品100在MRF/PRF 26处进行处理时，无论产品100在输送机上采取何种方向，都可以被检测并吹出或机器人挑出。
除了可以作为UV、NIR和/或IR标记被检测到的点50a-50n外，技术人员将意识到，还可以提供外部形状、可见颜色和/或字母数字标识符作为唯一标记产品100的手段。在图2a所示的示例中，点50a是蓝色圆圈，与初级制造商A相关联。点50b是橙色正方形，与初级制造商B相关联的。点50c是红色三角形，与初级制造商C相关联，并且点50n是灰色圆扇形，与初级制造商N相关联，等等。在可替换的实施方式中，可以快速响应(QR)或2D数据矩阵码90的形式提供点50a-50n，如下文结合图8进一步详细描述的那样。
技术人员将理解，如果在S28处未通过UV、NIR和/或IR检测器检测到产品100，例如其在S28处进行检测之前从输送机上掉落，则MRF/PRF26处的操作者能够通过简单地解译点50a-50n的形状和/或颜色来手动分离产品100。显然，图2a所示的示例只是可以使用的更大一组形状和颜色的子集，仅用于说明目的。
图2b显示了点50a也可被应用到印刷标签52上，然后在使用时将该印刷标签52粘贴到产品100上。印刷标签52还可以包括制造商的名称54和RAL或Pantone代码56，其可以是四位数或六位数的代码，并且其允许操作者手动识别产品100而不必使产品100通过检测器。技术人员将认识到，本发明的优选回收方法10是完全自动化的过程，然而作为“故障保险”，也可以包括各种附加的光学和/或字母数字和/或RAL/Pantone代码56，以使MRF/PRF26中或二次处理设施30处的操作者可以手动识别产品100。
点50a-50n也可以被印刷在产品100的盖子或封盖上，以及盖子或封盖的撕裂条上，以确保产品100的每个部分都能被检测到并回收。
此外，母料可单独用于产品100的某些组成部分(如盖子、封盖、撕裂带、标签等)内，或在产品的外表面上使用，并取决于产品100或制造商20的要求，如下所述。
如果跟踪技术仅应用于瓶子的外表面，聚烯烃级聚合物的化学特性要求基材表面可“湿润”，而本领域中可用于此目的的一种合适技术是电晕放电。当配置为点50a-50n时，其中使用的油墨技术在回收过程中被完全去除，和/或在与聚合物配混一致的温度下作为气体或残留物排出(S44)。
这种示踪剂102可以通过当前的回收基础设施光学和近红外探测技术识别。这些检测系统在MRF/PRF 26和二次处理设施30中很常见，可以检测多种材料类型，包括聚合物。
图3示出了闭环回收方法10的第二实施方式。该第二实施方式的方法10与第一实施方式的方法非常相似，并且对相应特征赋予了相同的附图标记。第二实施方式与第一实施方式的不同之处在于，在MRF/PRF 26处不是简单地根据检测标志制造来源20的第一点50a-50n来分离产品100，而是额外地用代表产品100的品牌的第二UV、NIR和/或IR可读点70a-70n来标记产品100。这样做的优点是，MRF/PRF 26将具有按制造商20检测第一点50a-50n的能力。然后，将来自一个制造商20的产品100打包以在制造商20的设施或二次处理设施30处进行进一步分离，而不是基于产品100的特定品牌或其形成所用的聚合物基材。
图3显示了这种两阶段检测方法的进一步细节。它只描述了图1中描述的闭环回收方法10的一部分，并取代了图1中所示的S24-S44。
在图3中，在S58处，瓶子和其他本地路边可回收物一起，在MRF/PRF26处被接收以进行分选。初级检测单元可以被改造成MRF/PRF 26，并且，在S60处，初级检测单元按制造商20检测第一点50a-50n，但关键是不检测第二点70a-70n。初级单元的主要工作是弹出与聚合物类型无关的标记瓶，但仅根据制造商点50a-50n弹出。在S60的输出端，单一来源制造商的瓶子，无论是HDPE、PP、PET瓶都被分离出来，并可以被打包以继续回收。
在由初级检测单元检测后，在S62处，混合颜色和聚合物包可以进入二次回收设施30，并且将包打开，然后通过标准NIR检测将其分选为如下材料组：
1、混色HDPE
2、混色PET
3、混色PP
并且如以上关于图1的S32所描述的。替代地或除此之外，方法10涉及在S64处使用次级标记检测单元，该次级标记检测单元将被相应地编程为不识别初级制造商点50a-50n，而仅识别次级标记70a-70n，从而将单一来源材料组(来自S62)分离成品牌，例如，HDPE品牌A瓶将在S66处根据UV、NIR和/或IR可读的橙色方块被检测到并弹出。同样，HDPE品牌B瓶将在S66处根据UV和/或IR可读的红色三角形被检测到并弹出。例如，PET品牌C瓶将在S68处根据UV和/或IR可读的灰色圆扇形被检测到并弹出，以及在S71处，将PP瓶储存在筒仓内。
这些分离的瓶子，现在按制造商和品牌分选，然后在造粒S72、清洗/干燥S74和配混S76之前，通过标准NIR检测将其进一步分为材料组，然后重新用作新产品100。尽管可以通过回收产品100的其他属性或特性进行分离，但在S64处的二次检测不需要仅按照聚合物类型进行检测，而可以根据与品牌而非制造商20相关联的UV、NIR和/或IR可读的多种颜色进行检测，如下文关于图5和图6所描述的。
图4a示出了如何将本发明的跟踪标记或标签物102作为两种点应用到产品100上，即初级制造商点50a-50n和次级点70a-70n，在优选实施方式中，该跟踪标记或标签物102在图1的S16处使用连续喷墨印刷技术被应用。在图4a所示的示例中，初级点50a是蓝色圆圈，其与初级制造商A相关联。次级点70a是橙色正方形，其与初级制造商A的品牌A相关联。次级点70b是红色三角形，其与初级制造商A的品牌B相关联，以及次级点70n是灰色圆扇形，其与初级制造商A的品牌C有关。
技术人员将理解，如果在S28处未通过UV、NIR和/或IR检测器检测到产品100，则MRF/PRF 26处的操作人员将知道通过简单地解译初级点50a-50n和次级点70a-70n的形状和/或颜色来手动分离产品100。同样，图4a所示的示例只是可以使用的更大一组形状和颜色的子集，仅用于说明目的。
图4b还示出了初级点50a和次级点70a-70n也可以被应用到印刷标签52上，然后在使用时将该印刷标签52粘附到产品100上。该印刷标签52还包括制造商的名称54和RAL或Pantone代码56，其可以是四位数或六位数的代码，并且其允许操作者手动识别产品100而不必使产品100通过检测器。
图5显示了本发明如何使用多个点来指示制造来源20、基础聚合物制造商、聚合物材料、材料等级和产品的品牌，而不是仅使用一个或两个唯一可识别的跟踪标记或点，并且能够基于产品100的一种或多种属性或特性来实现回收产品100的后续分离。图5示出了用于在产品100上对齐和印刷成串的多个点的一种对准的样式，本发明的该实施方式中的多个点代表制造的原始来源50a-50j、产品的品牌70a-70d、基础聚合物制造商80a-80j、聚合物材料82a-82d和材料等级84a-84d，并且可以基于产品100的一种或多种属性对回收产品100进行后续分离，如图6所示。
图5还示出了用于在产品100上对齐和印刷多个点的一种对准标记86的样式。就像在结合图2和图4讨论的那样，该串点还可以包括RAL或Pantone代码56，其可以是四位数或六位数的代码，并且其允许操作者手动识别产品100或其属性，而不必使产品100通过检测器。
图6示出了使用时如何在产品100上配置图5所示的多个点的例示性示例。
图7示出了闭环回收方法10的第三实施方式。该第三实施方式的方法10与第一实施方式和第二实施方式的方法非常相似，并且对相应特征赋予了相同的附图标记。第三实施方式与第一实施方式和第二实施方式的不同之处在于，在MRF/PRF 26处不是基于检测表示制造来源20的初级点50a-50n，然后另外检测表示产品100的品牌的次级点70a-70n来分离产品100，而是通过使用人工智能来分离产品100。这样做的优点是，不必一定要向产品100应用跟踪标记或标签物102。
图7显示了这种全自动检测方法的更多细节。它仅描述了图1中描述的闭环回收方法10的一部分，并替代了图1中所示的S24-S38。
在图7中，在S110处，在PRF 26或二次处理设施30处接收混合瓶原料以进行分选。Sl12涉及使用标准近红外检测技术将混合瓶原料分选为它们的聚合物成分。如图7中出于说明的目的所示，在S112处，瓶子在光学上分类为例如以下三种聚合物类型中的一种：HDPE114、PET 116或PP 118。
在一个连续的过程中，单个人工智能(AI)单元检测预先分选的瓶子，并通过按照一个制造商20的形状、品牌和颜色移除瓶子，充当初级检测和拾取装置。例如，在S120处，然后基于对制造商A的品牌A、B和C的识别，将HDPE瓶原料分选为三个流。S122涉及基于制造商A的品牌D、E和F的识别同时将PET瓶原料分选为三个流。与之前一样，之后，聚合物类型的分离流在洗涤/干燥之前被造粒/切碎，并且切碎的碎片被配混(图7中未示出)。因此，分选步骤定义了聚合物基团及其物理性质，如熔体流动指数、拉伸强度、弯曲模量等，以便作为新瓶子升级再造。
设想向AI单元提供大量的摄影图像或实际破碎的瓶子，从而使AI单元的摄像头和处理器能够了解每种瓶子类型的几何结构和特征。然后，该单元的神经网络处理器学习每种瓶子类型的关键特征和参数，然后，经训练的神经网络处理器能够选择目标瓶子，并在它们通过摄像头下方时，使用集成机器人以每分钟很高的拾取速度将其从输送机中自动垂直取出。通过捕捉大量破碎瓶子的图像，将获得更可靠的选择。
本文所述的人工智能检测方法和系统可用于通过UV、NIR和/或IR点，和/或根据产品的几何形状、尺寸和形状和/或根据标志设计、品牌和字母数字代码来改进对相关产品的检测。本文所述的人工智能检测方法和系统还可以检测标有1D、2D或3D数据矩阵、条形码和QR码或任何其他合适的工业字母、数字或字母数字编码过程的产品，如下文中关于图8所描述的。因此，AI单元可以根据检测到的跟踪标记或标签物102处理预先分选的产品原料，如上所述，或者设想一种集成或组合检测方法和系统，当目标瓶通过摄像头或检测器下方时，该方法和系统能够基于经训练的可回收产品的数字图像的数据库和/或此处描述的任何光学UV/NIR或IR跟踪签名的检测，以每分钟很高的拾取速度从混合原料中挑选出目标瓶。
图8示出了如何将本发明的跟踪标记或标签物102以印刷代码88的形式应用到可回收产品100上。如本文所述，这样的印刷代码88可以在MRF/PRF 26或二次处理设施30处被检测到，以便分离和继续回收回原始制造来源20，和/或基于产品100的一种或多种属性，例如，按品牌、聚合物材料、材料等级和/或颜色进行分选。
图8示出了跟踪标记或标签物102的一个示例，其被用作印刷代码88，并且更具体地，以2D数据矩阵代码90的形式被应用到图8的左侧所示的可回收产品100上。使用连续喷墨印刷将2D数据矩阵代码90应用到产品100上。为了便于用当前的近红外检测技术进行检测，图8中所示的2D数据矩阵代码90是使用UV油墨印刷的，并且该代码可在MRF/PRF 26或二次处理设施30处使用标准的NIR检测器进行读取。在图8所示的例示性示例中，UV油墨在回收过程中发出红色荧光以辅助检测和读取。可以读取其它颜色，并且需要将光阵列升级到当前的近红外(NIR)检测技术。例如，有一些油墨可以兼具UV/IR的特性。特别是，它们可以在较低的UV光谱处激发以进行UV检测并读取数据矩阵代码90，然后在较高波长处激发，以便通过MRF/PRF 26处的在位(incumbent)光学NIR检测进行检测，以便通过荧光颜色按品牌、制造商等进行继续分离。因此，可以从相同的数据矩阵90中读取单独的信息，即，可以在一个激发波长处读取存储在数据矩阵代码90中的数据，并在第二个激发波长处读取按制造商/品牌的荧光颜色，以进行弹出、取得和回收，在这种情况下，只需要一个数据矩阵代码90。
本领域技术人员将理解，数据矩阵90也可以在产品100制造后立即被读取，或在其运输、使用和处置期间的任何时刻，以及在回收产品100被造粒/切碎之前的任何时刻被读取。当在检测器(甚至可以是手持读卡器)处读取时，在产品100的生命周期中的任何时刻收集的数据可以被传输到企业网络或基于云的系统，以向制造商20提供大数据集，该数据集可以使用各种处理技术来处理，以提取和转换信息，以便在产品100的制造、运输、分配、使用和回收过程中进一步进行商业使用和规划。
因此，本发明的实施方式是利用布置在产品100上的印刷UV/IR/NIR彩色数据矩阵代码90的随机图案来提供的。数据矩阵90允许关键分析信息被存储并在读取时被恢复，数据矩阵90本身是UV/IR/NIR荧光色块，然后其可以在MRF/PRF 26处由新的、在位的或升级的光学系统或通过反向销售系统检测，以进行品牌取得和继续回收。这意味着可以在产品100上存储信息的组合，并且可以读取一种颜色标记以获取存储在数据矩阵90中的信息，然后通过检测数据矩阵90本身的荧光颜色，根据制造商/品牌等来分离产品100。
图8右侧所示的印刷代码88可以包括大体为正方形的实心标记94，其尺寸在产品100上约为30mm×30mm。尽管图8中未示出，但印刷代码88被成对地应用到产品100的相对的表面上。本领域技术人员将理解，如果印刷形成印刷代码88的多个点92a-n中的每一个点，则一个基本上实心的标记94将被应用到产品100上，并且该标记94可在MRF/PRF 26或在二次处理设施30处被检测，以分离并继续回收回原始制造来源20，和/或基于产品100的一种或多种属性，例如，按品牌、聚合物材料、材料等级和/或颜色进行分选，如结合图1至图6所述的。
此外，当体现为1D、2D或3D数据矩阵、条形码和QR码或任何其他合适的工业字母、数字或字母数字编码过程时，印刷数据代码88可与本文所述的颜色和形状标识、品牌、材料光谱或标签物标记一起使用，以提供代表产品100的一种或多种属性或特性的附加数据。印刷代码88中包含的该数据可以包括，例如，制造商20、品牌、颜色、聚合物成分、制造地点、制造日期、有效期和/或其他相关日期戳(儒略日(Julian)或格列高利(Gregorian)格式)、防伪措施、法规合规性等，当在探测器上读取时，其中包含的信息可以被从MRF/PRF26传输到企业网络或基于云的系统。这种数据集在管理回收材料100的流转方面非常有用，并且主要地，该数据可用于资源规划，因为制造商20例如能够几乎实时地量化它在各个MRF/PRF站点26或在二次加工设施30中拥有多少原料(总量、类型、品牌等)，以便后续再利用。此外，智能印刷代码88所包含的数据集还可用于监视销售和营销活动及促销活动，以及它们如何影响产品100的消费和生命周期。
本领域技术人员还将理解数据矩阵代码90的必要印刷质量，并确保读取的数据被检查或验证是由各种国际标准定义的，包括ISO/IEC 15415和ISO/IEC 16022。在优选实施方式中，重要的是，根据制造商和零售商的要求，将UV/IR/NIR数据矩阵90作为A或B级质量数据矩阵90印刷在瓶子100上，由于数据矩阵90允许进行内置(inbuilt)纠错，因此这可以在整个消费者和回收周期中实现一定程度的冗余，当标记在该周期中受损时，数据矩阵代码90可能会在产品100到达MRF/PRF 26或任何其他合适位置30的光学数据矩阵检测器/读取器进行读取时下降到C级。数据矩阵90的内置验证确保符合这些行业标准，这对于读取和解码数据矩阵90以符合PRN、PERN和/或EPR法规非常重要。解码后的数据可以被从我们的数据存储系统/云传输到区块链网络，允许进一步传输到制造商母国和海外的监管机构。
同样，还可以设想具有任意形状和配置的点92a-n的间隔阵列96，如图8的左侧所示。如上所述，这样的点92a-n阵列允许根据制造商20、品牌、流变学和颜色等按形状和颜色进行检测，并且，数据矩阵中的点92a-n的位置和关联(incidence)(在产品100的特定X、Y坐标处)携带表示可回收产品100的一种或多种属性或特性的附加数据。
如本文所述，印刷代码88的检测可以在独立系统上读取，或者可能与光学检测系统结合使用以进行光谱标记分离。上述代码88也被UV/IR/NIR染色以与品牌关联，例如，黄色是品牌A，蓝色是品牌B，正如本发明的优选实施方式。
如本文所述，可与品牌、制造商20等的标准形状和颜色标记结合使用的智能标记或印刷代码88也可以由微观陶瓷粒子的上转换荧光粉提供，当被980nm的不可见光激发时，该荧光粉提供色彩响应。当这些上转换粒子在NIR/IR条件下被红外光照射时，它们发出对人眼和MRF/PRF 26处的在位光学检测器可见的彩色光。
此外，如果FMCG/制造商20希望回收他们的瓶子/包装100，而不论品牌、聚合物类型或颜色，并且他们只需要制造商的品牌特定的混合包，则有可能以下列方式使用UV或IR数据矩阵代码90。首先，在输送机的一个区域或位置对数据矩阵90进行荧光处理，以恢复诸如地理位置、消费者习惯、防伪、PRN、PERN和/或EPR法规合规性等有价值的数据，该数据将被基于云的门户取得，再往下，在输送机的下一个区域或位置，MRF/PRF 26处的在位光学检测使用数据矩阵代码90中的方格的荧光色块，以进行制造商指定颜色的弹出、取得和回收，在这些情况下只需要一个标记90。
本发明还提供了在分选后进一步标记打包制造商/品牌特定可回收产品100的机会。这涉及将机器可读代码应用到打包产品100上，该机器可读代码在激发条件下发出荧光以允许检测和恢复编码数据，该机器可读代码的荧光形状或颜色也允许快速确定产品100的制造商/品牌的检测，并将数据共享给基于云的门户。
图9示出了本发明的第四实施方式。第四实施方式的方法10与第一、第二和第三实施方式的方法非常相似，并且对相应特征赋予了相同的附图标记。第四实施方式与第一、第二和第三实施方式的不同之处在于，不是根据检测到的制造来源20和/或回收产品100的品牌和/或其他检测到的可识别的跟踪标记或属性在MRF/PRF 26处分离产品100，而是以多种不同的方式，包括通过使用人工智能，从产品100中取得数据。所取得的数据可以被实时或接近实时地传送回至制造商20，以允许制造商20围绕其材料100返回到循环经济中做出合理的决定。
该方法10开始于S124，其中连接到启用AI的摄像机的神经网络处理器学习每个产品100类型的关键特征和参数。将品牌和标志指定的包装100呈现给启用AI的瓶形相机，以开发供消费前和消费后使用的图像库，此外，在回收前和回收后阶段，提供的图像库将显示生产优质的产品以及消费后和回收阶段的产品100。本领域技术人员将理解，回收前和回收后阶段的产品通常会被损坏、压碎和扭曲；并且，相机将训练神经网络，以识别合作制造商20的包装100的扭曲和损坏的品牌、标志、一般特征和几何结构。
在S126处，制造商20或灌装商填充可回收包装100。在优选实施方式中，将红色或橙色UV 2D数据矩阵90应用到产品100的可见外表面上，和/或将可见油墨数据矩阵90一致地应用到覆盖表面(例如，在回收之前经常被移除的卡套或标签的下方)上。通过相同的过程，以可见表面的UV油墨和/或覆盖表面上的可见油墨的形式，按照品牌、形状、颜色、字母、数字或字母数字代码88来应用指定的光谱标记标签物102。所有标记102通过编码过程被应用到瓶子100的外表面上，或在印刷阶段被应用到卡套和标签上，或通过对卡套或标签编码的方式来被应用。
在S128处，验证数据矩阵90和指定的光谱标记标签物102。这是使用机器视觉相机实现的，该相机读取已应用到定制数据矩阵90的数据，并将该信息转发到处于就绪状态的基于云的门户，以便在回收和恢复阶段(在S134处)在MRF和/或PRF 26处进行后续配对。
然后，在S130处将标记产品100从制造商20直接或通过零售网络分发给终端消费者。本领域技术人员将理解，S126、S128和S130都可以发生在制造商设施20处，或从制造商设施20进行协调。
在使用后，在S132处，消费者随后通过本地路边回收将瓶子100退还，并且在S134处，在MRF 24或PRF 26处接收收集到的产品以进行分选。
在S134处，在MRF 26处接收产品100。此时，用传统的混合可回收物分离方法分离包装100；混合聚合物的聚合物部分，即HDPE、PET和PP在PRF 26处被打包以继续回收。品牌指定的包装的读取和去除也可以在MRF26处进行。
在S136处，在PRF 26处接收产品100，并从产品100中取得数据。图9的检测方法10使用可改造的光学检测系统160来执行，该系统利用光谱标记检测、条形码读取器和人工智能来检测可回收产品100的形状，如图10和图11中进一步详细说明的那样。
在PRF 26处，打开被打包的包装，并清除任何不需要的杂质：金属、纸张、纸板等。然后使用传统的NIR分选技术或任何其它合适的分离方法将瓶子100光学分选成它们所需的单聚合物流：天然HDPE、PET透明和混合颜色的HDPE和PP流。这些材料从光学分拣机下落到三个单独的输送机上，所述输送机优选以每秒2米以下的速度运行，但不限于此。
在S136处，三级检测单元140识别包装100。UV或白光相机152读取UV红色或橙色或可见油墨的数据矩阵90。然后，读数与打标阶段所应用的数据相关(之前在制造商20或灌装商的S128处)。如果由于损坏而无法从数据矩阵90取得该数据，则检测单元140尝试使用UV光谱标记相机154根据在填充阶段(S126)期间或与该填充阶段同时在制造商20处应用的品牌指定的UV或可见油墨形状或颜色标记或标签物102来识别包装100。启用AI的摄像机158通过尝试识别标签残余物或根据先前经训练的图像数据库进行识别的方式来支持这种信息收集和处理；所有这些信息不断地被传输到基于云的门户，使制造商20能够访问该信息，并允许在回收的包装100返回循环经济的旅程中做出合适的选择，如结合图10和图11进一步详细阐述的。
在S138处，取得包装/产品100。如本文所述，在环境光、白光或UV光条件下，通过机器视觉或人工智能操作的机器人拾取器按照品牌指定的形状和颜色标签物102、或字母、数字或字母数字代码88或数据矩阵90进行拾取。可回收产品100可以以大体上垂直的提取技术从输送机144中取得，该技术将与非目标材料碰撞的风险降至最低，本领域中已知的水平致动的推动器类型的装置将存在这种风险。
品牌指定的颜色和形状标记102也可以通过在UV或白光条件下运行的高速在位光学分选器识别，这允许取得产品100。然后可以将材料100发送到制造商20的回收和配混合作伙伴，以去除油墨标记、清洗、减小尺寸并将其配混到其技术参数中，以便在新包装中重新使用。
图10示出了数据取得和检测单元140的示意图，该数据取得和检测单元140可以被改造成现有的输送机系统，并且可以在根据本发明的MRF/PRF26处使用。检测单元140构成检测和数据取得系统160的一部分，该检测和数据取得系统160可以连接到本地网络和制造商20的远程企业网络或基于云的系统，如图11中进一步详细示出的。
在MRF/PRF 26处，检测单元140是位于输送机144上方的外壳142，可回收产品100在其上被传送。在优选实施方式中，传送可回收产品100，使其进入第一检测区域146，然后依次进入第二检测区域148。这并非意在限制，因为在检测单元140内部检测到的形状和颜色标签物102、或应用到产品100外表面上的字母、数字或字母数字代码88或数据矩阵90、以及检测到的可回收产品100的形状的顺序可以改变。
检测单元140使用机器视觉(光学)相机检测系统150，在优选实施方式中，该系统将包含两个检测区域，即在UV条件下运行的第一检测区域146，其可以读取UV数据矩阵90和品牌指定的颜色和形状50、70、80、82、84、102，如本文所述。机器视觉相机检测系统150包括至少一个UV或白光相机152，其读取UV红色或橙色或可见油墨的数据矩阵90。在优选实施方式中，UV或白光相机152是2D条形码读取器。然后，读数与打标阶段期间所应用的数据相关(之前在制造商20或灌装商的S128处)。如果由于损坏而无法从数据矩阵90取得该数据，则机器视觉系统150尝试使用第二UV光学检测器154根据在填充阶段(S126)期间或与该填充阶段同时在制造商20处应用的品牌指定的UV或可见油墨形状或颜色50、70、80、82、84、102来识别包装100。在一个优选实施方式中，第一检测区域14使用UV条形灯156被UV光照射。
单元140的第二检测区域148也包含机器视觉(光学)相机检测系统150，该系统包括用于寻找标签残留物以及可能的瓶子形状和颜色的AI摄像机系统158。本领域技术人员将知道，大多数标签在回收过程中脱落，且瓶子100经常被压碎，无法辨认，但AI视频系统158有效地充当了故障保护装置，它可以有效地识别破碎的、被传输的可回收产品100的形状，这一点将结合图14进一步详细描述。在优选实施方式中，第二检测区域由白色漫射条形灯160照射。
虽然在优选实施方式中，启用AI的相机154和158分别在第一检测区域146中的UV光和第二检测区域148中的白色漫射光下工作，但这绝不是为了限制，因为启用AI的相机154、158可以在一个检测单元140内以环境光、白光或漫射光、或UV光或上述光谱的组合来操作。
参照图11，检测单元140构成检测和数据取得系统160的一部分，该检测和数据取得系统160可以连接到本地网络和制造商20的远程企业网络或基于云的系统。如图11中示意性示出的，各个相机系统152、154、158连接到可以容纳在外壳或壳体164中的控制单元162。本领域技术人员将理解，图11是硬件配置的示意图，并且为了便于澄清，许多其他电路元件没有被示出。
控制单元162控制对各个相机系统152、154、158和照明156、160的供电。控制单元162包括本地个人计算机(PC)166。如图11中示意性示出的，本地PC 166经由GigE接口开关168从各个相机系统152、154、158接收多个输入。本地PC 166可以被视为具有CPU、存储器和外围设备的独立系统，其可用于处理从各个相机系统152、154、158接收的数据，并通过多个输出将信息输出到MRF/PRF 26和/或制造商20。
使用无线传输协议(例如，Wi-Fi(IEEE 802.11标准)、蓝牙或蜂窝式电信网络将是合适的)和/或通过使用近场通信(NFC)协议来实现与其他输入/输出外围设备和/或其他无线连接设备的连接。另外，本领域技术人员将理解，控制单元162可以经由有线网络连接172连接到其他外部设备。
用于控制检测和数据取得系统160的软件的更新或进一步内容可以经由本地USB端口接口、或使用Wi-Fi、蓝牙、蜂窝式电信网络或NFC天线、或经由网络连接172无线地下载到本地PC 166。在优选实施方式中，控制单元162由外部AC电源170供电，并且经由连接172连接到本地网络。利用本领域已知的任何数量的接口和通信协议，由图11的检测和数据取得系统160收集的数据可以被实时或接近实时地发送到远程企业网络或基于云的系统(未示出)。
如上所述，从检测单元140取得的信息将使制造商20和/或品牌所有者能够几乎实时地更好地了解消费者习惯、产品周期、可回收物100的地理位置、人口统计优势和弱点等。
取得的数据也将有助于PRN和EPR法规合规性。最近，人们非常关注和强调制造商20对废物回收成本的更大贡献，这是非常正确的。数据对于政府机构、品牌所有者20以及回收和战略合作伙伴来说将是关键，以帮助量化和理解，并且重要的是证明他们的产品100在供应、消费和回收生命周期中的位置。
图12示出了由图10的机器视觉相机检测系统150的UV或白光相机2D条形码读取器152捕获的数据图像(屏幕截图)，其已读取并验证了应用到可回收产品100的外表面上的2D数据矩阵代码90。在图12中所示的示例中，相机152已读取由UV发射或白光光源156直接照射的红色或橙色或可见油墨的数据矩阵90，并且其已被读取、检查和验证，如上所述。
图12显示了由UV相机2D条形码读取器152捕获的数据图像，以及使用红色和/或橙色的UV油墨从破碎的卡套PET包装100上的数据矩阵90中取得的结果数据。这种红色和橙色的UV油墨已经被发现能够显著地解决UV光学增白剂问题，该问题已在一些产品100的标签上被观察到，且取决于有时会遇到的来自家庭和个人护理产品的残留物，并引起噪声问题和颜色干扰。从图12中可以看出，捕获的红色或橙色UV数据矩阵90，以及类似的数据矩阵90，即使在输送机144上发生变形、损坏和在不同方向的情况下，也都利用其内置的纠错能力提供了可靠且可读的数据矩阵90。
在本发明的优选实施方式中，可以安装在MRF/PRF 26内的前或后在位NIR光学分选器的检测单元140在每个单元140中结合了多个相机152、154、158，以用于两种检测技术。短语“前在位NIR光学分选器”应理解为在使用在位NIR检测技术将可回收产品100分选为单独的聚合物成分之前放置检测单元140，如图1的S28处所示。或者，也完全可以在使用在位NIR检测技术已经将产品100分选为单独的聚合物流之后(即图1的S32之后)放置检测单元140，这就是短语“后在位NIR光学分选器”的含义。
检测单元140内的第一检测区域146结合多个1D和2D条形码读取器152，该多个1D和2D条形码读取器152优选为弧形构造，并在UV光条件下工作，以从1D或2D条码、QR码或数据矩阵90中取得数据，以共享到合适的数据库或基于云的技术。在同一个第一检测区域146内，设置具有人工智能功能的UV光学检测器154，该检测器分析其下方输送机144上的瓶子或包装100，以将瓶子或包装100与制造商20或品牌指定的UV形状和颜色、字母、数字或字母数字代码50、70、80、82、84、88、102相匹配，如下所述。
条形码读取器152被放置在一个弧形中，当瓶子100最初被标记时(S126)，平面是平坦的。当在回收过程中被打包时，数据矩阵90或2D代码未损坏，但瓶子或包装100内的折痕或折叠改变其向左或向右的方向，因此放置在弧形内的两个或多个摄像机152将提高检测率。
检测单元140可以放置在光学分选技术之前或之后，或者作为新处理设施的一部分安装，或者在现有基础设施内进行改造。
另一个实施方式可以看到三个单元140被安置在MRF/PRF 26内的后光学分选器中，并分析如下输出：
1号线-HDPE天然-食品包装等级(主要是奶瓶)
2号线-PET透明和淡蓝色(主要是水瓶)
3号线-HDPE和PP彩色瓶子(主要是家用和个人护理产品)
图13示出了由图10的机器视觉相机检测系统150的UV光学检测器154捕获到的一系列示例数据图像，该UV光学检测器154可以基于检测到的应用到可回收产品10的外表面上的光谱标记标签物50、70、80、82、84、102的形状或颜色来检测和识别可回收产品100的制造商或品牌。该光学光谱标记检测器154位于第一检测区域146，具有人工智能能力，并分析下方输送机144上的瓶子或包装100，以针对制造商20或品牌指定的UV形状、UV颜色50、70、80、82、84、88、102内的字母、数字或字母数字代码，对瓶子或包装100进行匹配。
图13包括三个图像：即a)从应用到产品100的外表面上的UV蓝色正方形标签物或标记102获得的数据图像；b)从应用到产品100的外表面上的UV红色正方形标签物或标记102获得的数据图像；以及c)从应用到产品100的外表面上的UV红色圆形标签物或标记102获得的数据图像。每个图像以百分比形式显示了光谱标记102已被分类的确定度。
为了识别不同的荧光形状102，首先使用训练图像的初始集合训练神经网络，然后识别可能变形和损坏的不同形状和颜色的跟踪标记102。在图13所示的示例中，使用相对较少的训练图像、并使用在各种测试包装100的外表面上印刷成圆形、正方形和三角形的红色和蓝色UV油墨来进行神经网络的训练。
图13显示了由光学光谱标记检测器154和系统160获得的大量样本，这些样本可以区分大多数形状102，并且初始试验中的错误分类很少。正如预期的那样，图13a(在包装上显示为蓝色方块102)已被系统160 100％正确分类，图13b的红色方块102也被系统160正确分类，尽管包装100已变形很大程度。图13c已被正确分类为红色圆圈102，尽管确定度小于100％。观察图13c，可能是瓶子100变形的方式导致标记102沿着圆圈102内的笔直边缘以不同强度(即阴影)发出荧光。产品100沿笔直边缘的任何压碎或变形都可以解释这种行为。即使在有限数量的样本和训练(图13中所示的示例仅用于说明目的)内，也可以建立一个可靠的系统，以用于根据检测到的UV形状和颜色、或字母、数字或字母数字代码来确定瓶子100的制造商20或品牌。
图14示出了由图10的机器视觉相机检测系统150的启用AI的摄像机158捕获到的一系列示例数据图像，该启用AI的摄像机158可以使用人工智能能力基于检测到的可回收产品100的形状来检测和识别该可回收产品100的品牌。
在第二检测区域148内，在白光、漫射白光或环境光条件下工作的启用人工智能的相机158(在硬件上与光学光谱标记检测器154相同)分析包装或瓶子100以获得标签残留物、包装和瓶子的标志或品牌，包括特征或几何结构，并将它们与经训练的图像数据库进行匹配。检测系统160的该部分还可以在可见光谱内检查制造商20或品牌指定的形状、字母、数字或字母数字标记102。
在最初的试验中，通过拍摄图像来验证系统160能够根据瓶子100的外观来确定瓶子100的品牌。在这项试验中，对15种不同品牌的瓶子100进行了测试。在获得一组图像之后，根据这些图像的样本对系统160进行训练，以便识别不同的品牌。一旦系统经过训练，将使用未用于训练的图像来测试结果。随后，最后一组图像被拍摄下来，但对各种标签的损坏更大。这些图像然后被用于根据系统160之前从未见过的图像对系统160进行测试。
对未见过的产品100的测试结果产生了完全准确的结果，并且系统160能够准确地识别合作伙伴制造商20的包装100的扭曲和损坏的品牌、标志以及一般特征和几何形状。图14a至图14d示出了从未见过的产品获得的各种图像，且在每个图像的左下部分中示出了识别出的品牌和确定度。剖面线是已从图像中删除了背景的结果。本领域技术人员将注意到，即使是高度损坏的产品100，也已经以高确定度被正确分类了。
本领域技术人员将理解上述三级检测单元140提供的显著优点。UV相机152连续读取被传输的可回收产品100上的UV数据矩阵90。如果由于损坏而无法从数据矩阵90中取得数据，则检测单元140尝试使用人工智能能力和UV光谱标记相机154，根据在制造商20或灌装商处应用的品牌指定的UV油墨形状或颜色来识别产品100。启用AI的摄像机158有效地起到了故障保护的作用，它可以通过识别标签残余物或根据先前经训练的破碎产品的图像的数据库进行识别的方式来有效地识别破碎的、被传输的可回收产品100的形状。这样的检测方法和系统确保检测到所有产品100，并且该信息可以被持续地传送到基于云的门户，使得制造商20能够访问该信息。
本领域技术人员将理解，当前启用AI的相机系统154、158不能对任何2D或数据矩阵90信息进行译码，并且在没有将形状或颜色光谱标记标签物102应用到可回收产品100的外表面上的情况下，启用AI的摄像机158本身不能仅从破碎的形状分辨出例如透明或有色PET“合同瓶”，该合同瓶用于盛装许多品牌和超市拥有的饮料以及瓶装水。然而，用UV/NIR/IR油墨形状或颜色标签物50、70、80、82、84、102标记可回收产品100，这样在被回收时，通过对油墨的检测，可以参照其制造商20或品牌来分离产品100，如果跟踪标记或标签物102被应用为印刷代码，如2D数据矩阵90，则可以存储更多信息。如本文所述，油墨标签物102可以结合UV/IR/NIR两者的特性，使得可以从相同的印刷代码88或数据矩阵90中读取单独的信息，并且不同的相机152、154确保该信息被正确读取，以及，启用AI的相机系统158作为故障保护，以验证从相机152、154获得的信息。
因此，本发明的光学检测单元140允许可靠地取得数据，这些数据可以被实时或接近实时地报告给品牌所有者。
然后，制造商20或灌装商能够通过其分配的UV形状和颜色标签物102从废物流中取得其瓶子100，并且这可以通过具有改造的照明的当前检测系统或在UV光条件下操作的机器人拾取器来实现。
然后，制造商20或品牌“分离”的单一或混合材料包将被运往相关的再加工设施，以制造成新材料，使品牌所有者能够进入循环经济。
在优选实施方式中，检测单元140将在一个独立的单元式外壳中包含两个检测区域146、148。这绝不是为了限制，因为可以以模块化方式添加一个或多个附加检测区域146、148，或者第一和第二检测区域146、148可以设置在完全不同的外壳中并且使用已知的接口和通信协议连接在一起。例如，一个单元140单独读取UV橙色/红色的数据矩阵90，而另一个完全独立的单元140沿着同一输送机144读取或收集光谱标记标签物102的颜色和形状。
如上文关于图13所概述的，虽然图10的光学检测单元140可以使用人工智能能力，基于检测到的、被应用到可回收产品100的外表面上的光谱标记标签物102的形状或颜色，来检测和识别可回收产品的制造商，但是还可以利用人工智能来检测被应用到产品100的外表面上的字母、数字或字母数字代码88本身的形状和颜色。
图15示出了已被图10所示的检测单元140检测和分类的一系列已被应用到可回收产品100的外表面上的字母、数字和/或字母数字标签物102。图15示出了由图10的机器视觉相机检测系统150的UV光学检测器154捕获到的一系列示例数据图像，该UV光学检测器154已被训练以基于检测到的、被应用到可回收产品10的外表面上的字母、数字和/或字母数字标签物102来检测和识别可回收产品100的制造商或品牌。
图15a至图15d是从之前未见过的标记产品100获得的各种数据图像，并且，在每个图像的左下部分中示出了识别出的代码和确定度。在图15a至图15d所示的图像中，UV光学检测器154已正确读取并分类了UV红色油墨字母、数字或字母数字代码88。
图16显示了如何使用配置为组合UV数据矩阵90和UV字母数字代码88的标签物102来标记产品100，从而允许准确、重复地检测产品100的制造商或品牌，并且还允许取得用于回收的数据。这样的字母数字编码系统可以沿被指定字母U的第一制造合作伙伴100的路线来配置，其品牌用以下字母数字代码88标记：
品牌A–U1
品牌B–U2
品牌C–U3，等等。
第二制造合作伙伴被指定了字母W，其品牌用以下字母数字代码88标记：
品牌A–W1
品牌B–W2
品牌C–W3，等等。
本发明不旨在限于这里描述的实施方式的细节，其仅以示例的方式描述。发明人预期可以在不脱离权利要求书所限定的本发明的精神和范围的情况下对本发明进行各种替换、变更和修改。应当理解，关于任何特定实施方式描述的特征可以与其他实施方式结合来被特征化。这些示例包括以下：
作为一个例子，尽管特定实施方式提到利用闭环回收方法10与聚合物产品，但这绝不是为了限制，因为任何数量的不同类型的可回收产品、包装、材料和物品可以被标记和回收。
还可以设想，本发明，特别是提供可通过供应链回收的可追溯的包装材料和产品100的手段，能够被识别或检测，并被汇总在数据集中，而不是为了回收而分离。除了将产品100分离以供后续回收外，该数据集对制造商极为有用，因为该数据集可以揭示模式、趋势和关联，尤其是与产品100从其制造到其消费和处置的过程中的使用、回收行为、保质期和生命周期有关。
写入到1D、2D或3D数据矩阵90、条形码或QR码和/或适当的字母、数字或字母数字编码过程88中、以及从1D、2D或3D数据矩阵90、条形码或QR码和/或适当的字母、数字或字母数字编码过程88中读取的所有数据，或者从标记形状或颜色标签物50、70、80、82、84、102中读取的所有数据都经过加密和认证，以防冒充和欺诈。本领域技术人员将理解，可以使用各种技术来实现对产品100的生命周期的安全跟踪，包括区块链技术。
在产品100的生命周期中的任何时刻收集的数据可以被传输到企业网络或基于云的系统，以向制造商20提供大数据集，该数据集可以使用各种处理技术来处理，以提取和转换信息，以便在产品100的制造、运输、分配、使用和回收过程中进一步进行商业使用和规划。制造商20、MRF/PRF 26或二次处理设施30之间、或到供应链中的战略合作伙伴、以及通过基于云的门户进行的所有通信都经过加密和认证。
还设想，还可以通过远程应用软件或用户界面访问产品100信息，该远程应用软件或用户界面可以位于远程计算设备和/或移动通信设备上，并被安全地连接到门户。如本领域技术人员所知，所有保护数据不受欺诈和黑客攻击的可用手段应到位。
本文所述的检测方法和系统不限于在MRF/PRF 26或在二次处理设施30处进行分离以便继续回收。本发明还可以体现在回收站或反向销售系统和方案中。例如，可以读取和共享在印刷代码88中表示的数据，以证明符合国家和国际反向销售立法，包括押金退还系统、地方当局收集容器、回收点和计划。
此外，尽管本发明的实施方式是通过用人类看不见的光照亮并随后检测产品100上的跟踪标记或标签物102和/或印刷代码88，但技术人员将理解，本文所述的检测方法和系统可以通过瓶子/包装100上的可见标记来实现。虽然制造商20在贸易过程中采用的用于营销其产品100的品牌主题和美感，的确会因为包含各种可见的彩色油墨和形状而被改变或稀释，以便后续的品牌/制造商回收和/或印刷数据矩阵代码，但这种可见的标记并不偏离本发明的范围。
在这方面，可以理解的是，定位在第一检测区域146中的机器视觉(光学)相机检测系统150可以被修改，以使其在可见光光谱中工作，而不是在UV条件下工作。在这方面，可见油墨数据矩阵90和可见油墨形状或颜色50、70、80、82、84、102可以在制造商20处在灌装阶段(S126)期间或与灌装阶段同时被应用。可见油墨数据矩阵90和/或形状或颜色标签物50、70、80、82、84、102被应用到产品100的外表面上或卡套或标签下面，该卡套或标签可以在回收期间被有意地与产品100分离，或在打包和/或运输期间脱离。替代地，在当前形式下，制造商20可能希望通过在产品100上设置可见的回收标记来推动其绿色认证。
虽然设想了印刷代码88或数据矩阵90和/或标记形状或标签物50、70、80、82、84、102的多种不同的颜色(图2和图4至图6包括例示性示例)，但仅使用一种油墨颜色标记产品100，例如，红色或橙色UV数据矩阵90和/或与红色或橙色UV字母、数字或字母数字代码88相结合，将允许准确且重复地确定产品100的制造商或品牌的检测，同时允许取得用于回收的附加数据。
还设想，如果需要的话，由初级点和次级点50、70、80、82、84、102、对准标记86和/或印刷代码88形成的标记、形状或图案可被应用到瓶子/包装100的轮廓线(contouring)上。术语“轮廓线”可以是指位于产品100上的任何机械特征或小平面(faced)，包括这些机械特征或小平面是为了增强产品的使用或样式，例如，手指压痕或凹痕等。此外，包装/瓶子100可在应用其品牌标签之前进行标记，这样，如果产品标签在回收过程中脱落，则初级点和次级点50、70、80、82、84、102、对准标记86和/或印刷代码88被暴露在下面，以便读取数据和恢复，从而进行回收。
此外，设想印刷代码88可以按照印刷电子包装的形式被配置或嵌入，或者作为智能标签来被应用，该智能标签采用电磁感应来对可回收产品100上的代码88进行写入和读取操作。
条款(Clause)
以下条款定义了本发明的优选实施方式。
1、一种标记产品的方法，该方法包括以下步骤：
在产品或其包装的至少一部分上应用机器可读代码，该机器可读代码在激发条件下发出荧光，以允许检测和恢复编码数据，该机器可读代码的荧光形状或颜色允许检测产品的制造商或品牌。
2、根据条款1所述的方法，其中，基于检测到的机器可读代码的荧光形状或颜色，将该产品从混合原料中分离，以便继续回收
3、根据条款1所述的方法，其中，该机器可读代码是1D、2D或3D条形码、数据矩阵或QR码或任何其他合适的编码结构。
4、根据条款3所述的方法，其中，使用在UV、IR、NIR或可见光光谱中具有激发波长的辐射来激发该机器可读代码。
5、根据条款4所述的方法，其中，在相同或不同的光学检测器内以相同或不同的激发波长检测该编码数据的检测、以及荧光形状或颜色。
6、根据条款1所述的方法，其中，恢复的数据包括生产数据和/或PRN和/或PERN和/或EPR合规性信息。
7、一种唯一标识产品以便后续回收的方法，包括以下步骤：
在产品的表面上标记代表该产品的制造商的第一跟踪签名。
8、根据条款7所述的方法，其中，该第一跟踪签名是能够在检测器处被读取的任何化学或物理标记。
9、根据条款7或8所述的方法，其中，该第一跟踪签名是使用连续喷墨印刷或任何其他合适的标记或编码系统被应用到产品上的至少一个紫外(UV)、NIR和/或红外(IR)可读点。
10、根据条款9所述的方法，其中，该至少一个可读点是透明的荧光标记，并且仅当其在检测器处被UV、NIR和/或IR光照射时才可被检测到。
11、根据条款10所述的方法，其中，该至少一个可读点被成对地印刷在产品的大致相对的表面上。
12、根据条款10所述的方法，其中，该至少一个可读点被以随机方式印刷在产品的表面上。
13、根据条款10所述的方法，其中，该荧光标记作为发光或荧光油墨被应用。
14、根据条款13所述的方法，其中，被应用的荧光标记具有与产品接触的基层；在该基层的顶部上的荧光层；以及在该荧光层的顶部上的最上保护层。
15、根据条款13所述的方法，其中，通过连续在线喷墨印刷工艺或任何其他合适的标记或编码系统来应用该基层、该荧光层和该最上保护层。
16、根据条款14或15所述的方法，其中，该基层是不透明的，并且当与基本上透明的产品一起使用时，消除错误检测。
17、根据条款13至16中任一项所述的方法，其中，该荧光标记在后续回收过程中被完全去除。
18、根据条款13至17中任一项所述的方法，其中，该荧光标记不会使产品上的品牌和/或产品信息模糊。
19、根据条款8所述的方法，其中，该第一跟踪签名是以检测器可检测到的多种形状和颜色中的一种印刷的点。
20、根据条款19所述的方法，其中，印刷的点具有三角形、正方形、矩形、五边形、六边形、八边形、圆柱形或任何合适的多边形形状，或垂直或水平的线或带。
21、根据条款8所述的方法，其中，该第一跟踪签名能够根据其外形和/或可见颜色和/或字母数字标识符来检测。
22、根据前述条款中任一项所述的方法，其中，将该第一跟踪签名应用到产品和/或该产品的盖子或封盖和/或位于该产品与盖子或封盖之间的可移除的撕裂条上。
23、根据前述条款中任一项所述的方法，其中，将该第一跟踪签名应用到印刷标签上，随后将该印刷标签粘贴到产品上。
24、根据条款23所述的方法，其中，该标签还包括制造商的名称和/或代表产品的制造商的RAL或Pantone代码。
25、根据条款1所述的方法，其中，该第一跟踪签名作为母料或聚合物载体，以颗粒、液体或粉末形式被应用，并通过重量分析或其他相容的加注工艺提供。
26、根据条款25所述的方法，其中，该第一跟踪签名被应用到产品的外表面上。
27、根据前述条款中任一项所述的方法，其中，该产品是包装。
28、根据条款27所述的方法，其中，该包装由选自群组中的材料形成，该群组包括但不限于以下任何一种材料：聚合物、纸板、纸、玻璃纸、黑色金属和有色金属、复合合金等。
29、根据前述条款中任一项所述的方法，还包括以下步骤：
在产品的表面上标记代表产品的品牌或成分的第二跟踪签名。
30、根据条款29所述的方法，其中，该第一跟踪签名和该第二跟踪签名被分别检测。
31、根据条款7所述的方法，还包括以下步骤：
在产品的表面上标记多个跟踪签名，该跟踪签名代表制造来源和/或基础聚合物制造商和/或聚合物材料和/或材料等级和/或产品的品牌，并且能够基于检测到的产品的属性对该产品进行后续分离。
32、根据条款31所述的方法，其中，将该多个跟踪签名印刷为可读点串，或印刷为1D、2D或3D数据矩阵、条形码或QR码，或任何其他合适的工业字母、数字或字母数字编码过程。
33、根据条款32所述的方法，其中，该可读点串印刷有对准标记。
34、根据条款8所述的方法，其中，该检测器检测是否存在被照亮的UV和/或IR光和/或近红外和/或可见光和/或形状或图案识别。
35、一种可回收产品，该产品包括在其外表面上的标记，该标记是代表产品的制造商的第一跟踪签名。
36、一种检测唯一标记的产品以便后续回收的方法，包括以下步骤：
用检测器读取产品的表面；以及
检测代表该产品的制造商的第一跟踪签名。
37、一种闭环回收目标产品的方法，该目标产品标记有代表产品的制造商的第一跟踪签名，包括以下步骤：
检测第一跟踪签名，并基于所述检测将检测到的目标产品从混合原料中分离；
可选地，基于该目标产品的品牌或成分将该目标产品进一步分离成子组；
将经分离的产品切成碎片；
洗涤该碎片；
对经洗涤的碎片进行配混；以及
由经配混的颗粒形成新产品。
38、一种用于固定到可回收产品上的标签，该标签在其外表面上印刷有代表该产品的制造商的第一跟踪签名。
39、一种在混合可回收产品的连续原料中唯一识别目标可回收产品的方法，包括以下步骤：
捕获可回收产品的数字图像；
创建经训练的可回收产品的数字图像的数据库；
识别数字图像中存在的可回收产品；以及
将产品数据库中的信息与识别出的目标可回收产品的图像进行匹配。
40、根据条款39所述的方法，还包括以下步骤：
将目标可回收产品从原料中分离以便后续回收。
41、根据条款40所述的方法，其中，将目标可回收产品从原料中分离以便后续回收的步骤以低于约1米/秒、直到3米/秒及以上的输送机检测速度实现。
42、根据条款40或41所述的方法，其中，根据产品的制造商或品牌将目标可回收产品从原料中分离。
43、根据条款39至42中任一项所述的方法，其中，训练和识别步骤是使用神经网络来实现的。
44、一种在混合可回收产品的连续原料中唯一识别目标可回收产品的计算机程序产品，包括：
用于捕获可回收产品的数字图像的计算机程序装置；
用于创建经训练的可回收产品的数字图像的数据库的计算机程序装置；
用于识别数字图像中存在的可回收产品的计算机程序装置；以及
用于将产品数据库中的信息与识别出的目标可回收产品的图像进行匹配的计算机程序装置。
45、一种在混合可回收产品的连续原料中唯一识别目标可回收产品的系统，包括：
用于捕获可回收产品的数字图像的装置；
用于创建经训练的可回收产品的数字图像的数据库的装置；
用于识别数字图像中存在的可回收产品的装置；以及
用于将产品数据库中的信息与识别出的目标可回收产品的图像进行匹配的装置。
46、根据条款45所述的系统，还包括：
用于将目标可回收产品从原料中分离以便后续回收的装置。
机译： 用于可回收产品的回收方法和标签
机译： 可回收产品的回收方法和标签
机译： 可回收产品的回收方法和标签
