【一般講演】 鉱物処理／ 環境／ リサイクル

[2K0401-14-07] （学生発表：修士課程）　塗装等表面汚染を考慮したレーザー組成分析と機械学習による高速金属種選別

○西澤 一輝¹、山末 英嗣¹、柏倉 俊介¹、光斎 翔貴¹ (1. 立命館大学)

司会：古屋仲茂樹（産業技術総合研究所）

キーワード：LIBS、機械学習、サポートベクターマシン、金属

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ため現状ほとんど行われていない。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、サポートベクターマシン(support-vector machine, SVM)を用いて鉄鋼、ステンレス、アルミ合金を中心とした試料を判別するモデルを作成した。次にそのモデルを用いて塗料や汚れがある試料のLIBSスペクトルを判別し、顕微鏡でレーザー照射後の試料表面を観察する実験を行った。最後に表面汚染の有無による判別結果の変化を比較し影響を考察した。