本发明涉及一种用于处理纺织品物品的系统，该系统包括用于接收、分拣、回收和循环利用纺织品物品的主分拣站。此外，本发明还涉及一种处理纺织品物品的方法，包括接收、分拣、回收和循环利用这些纺织品物品。本技术中使用的术语“纺织品物品”将包括以废弃物、服装、家具织物、床单、毯子、地毯等形式存在的纺织品物品。此列表并不详尽，因为任何其他包含纺织品纤维的物品均属此范畴。本技术中使用的术语“散装物料”是指一些未经分拣的纺织品物品，即尚未被分拣到明确定义的批次或类别中的纺织品物品。本技术中使用的术语“批次”是指一些已被分拣到明确定义的批次或类别中并且已经或可以在数据库系统中登记的纺织品物品。本技术中使用的术语“化学的”是指传统理解上的化学，但还包括生物学的，例如，化学回收也包括生物回收，化学溶解也包括生物溶解。本技术中使用的术语“数据库系统”是指一种系统，其包括用于在系统中检索到的数据和预先输入系统的数据的存储设施，以及用于处理数据并根据本发明控制方法步骤和系统内包含的各单元的计算机。该计算机包含用于登记和处理输入数据库系统中的数据以及用于控制的软件。此外，数据库系统中还包含制造执行系统（manufacturing executionsystem，mes）。此外，数据库系统包含用于将数据传输到其他外部系统（例如企业资源计划系统（erp）或其他数据库系统）的软件。本技术中使用的术语“切碎料”是指经过切割、适合送入开纤生产线以开纤的纺织品物品，例如通过闸刀式切割机切割。本发明中使用的术语“识别标签”不限于物理标签。识别标签可以是一批或一个纺织品物品在运输机上的数字化登记位置。在散装接收运输机上接收（自动接收）散装物料的情况下，不会将物理标签放置在散装物料上。取而代之的是使用传感器对运输机上的物料进行追踪，以登记重量和位置。因此，在这种情况下，“识别标签”可以理解为对物料重量及其在运输机上的物理位置的数字化追踪。
背景技术：
1、全球需要更绿色、更可持续的解决方案，而可持续发展可以被优化和利用的巨大领域在于纺织品再利用领域。
2、多年来，收集纺织品物品已是众所周知的做法。收集到的纺织品物品进行分拣，发现适合再利用的纺织品物品会被重新使用，并作为回收纺织品物品（例如二手商店的服装）出售。
3、然而，纺织品物品的机械回收和/或再利用是一个可以优化的领域。尤其需要一种用于回收纺织品物品中的纤维的系统，那些纺织品物品不适合作为二手商店中可再利用的纺织品物品。
4、在欧洲，欧盟绿色协议的2030年目标是延长纺织品产品的使用寿命、提高其回收率，以及增加新品中回收物料的比例。欧盟战略还强调了贯穿整个产品价值链（包括设计、销售、使用和再利用）的责任。
5、当今纺织行业的废料产物是该行业面临的一个严峻问题。这里的废料可能指多种不同的事物。
6、纺织品生产需要消耗大量的水。
7、纺织品生产以及合成纤维服装的洗涤，每年向海洋释放大量的微纤维。此外，洗涤合成纤维服装导致大量原生微塑料释放到环境中。
8、快时尚以极低价格不断推出新服装，导致生产、使用和丢弃的服装数量急剧增加。这些服装常常最终被填埋。此外，公司和商店可能经常有未售出的服装，纺织品行业本身也会产生必须处理的样品和边角料。这些也常常最终被填埋。
9、将纺织品物品作为回收纺织品纤维进行循环利用，一直被认为是困难的。
10、回收纺织品物品如此困难的首要原因在于纤维的结构。纤维通常过短而无法再利用。一般认为，纤维长度必须至少需达到15-30mm才能进行回收，但大多数情况下它们远短于此。
11、此外，许多服装混用了不同物料。每种物料都有其各自的回收工艺。例如，回收聚酯纤维不同于回收棉。但不同物料往往难以分离。
12、此外，与使用原生原物料相比，回收过程本身通常成本高昂，经济上不可行。
13、目前回收纺织品物品的方法可以通过几种方式实现。
14、机械回收。
15、这是最常见的工艺，包括将物料拆解，然后将纤维纺纱。其中可能包含化学处理。它主要适用于羊毛、棉和棉混纺物料，但会损伤纤维，因此可重复进行的次数有限。最终的纱线通常是回收物料和原生物料的混合物，以确保强度和质量。
16、热机械回收。
17、合成纤维被熔化并重新纺纱。遗憾的是，这并非适用于所有合成纤维。
18、化学回收。
19、这包括单体回收和聚合物回收。前者适用于大多数纺织品纤维，但目前仅用于合成纤维。对于后者，纤维先经过机械处理，然后进行化学溶解。然而，所用溶剂通常对健康和环境有害。
20、此外，在循环经济的背景下，基于生物的工艺可以拓展技术循环中的机械和化学纺织品回收机制，从而在进行堆肥处理前，使纺织品物品在生物循环中实现更高的循环利用率。
21、因此，急需一种优化接收、分拣、回收和循环利用所收集的纺织品物品可能性的系统及方法，以便以服装或可再利用纤维的形式重新利用这些纺织品物品。
22、尤其需要一种系统和方法，它既能实现对纺织品物品的追踪，又能监控和控制该方法中的各个工艺步骤以及系统中使用的不同设备，从而优化分拣和回收，形成一种高效的纺织品物品处理系统，并能优化处理结果——无论是以可再利用的二手纺织品物品（如服装）的形式，还是以可再利用的纺织品纤维的形式。
23、在纺织品物品的收集与再利用领域内，尤其是在纺织品纤维再利用领域内，需要对物品进行主分拣，这些物品可能收集于大型废料箱中，其中收集了例如来自公共回收点的各种纺织品物品。众所周知，回收站的使用者可能会将差异极大的各类纺织品物品丢弃在同一废料箱中。
24、在纺织品的收集与再利用领域内，特别是纺织品纤维再利用领域，提供和实施此类回收和/或再利用工艺看似简单直接。然而，在将各类纺织品物品机械加工为可再利用纤维之前，理想的预处理工艺不仅至关重要，而且极具挑战性。
25、在纺织品能够被正确回收和/或再利用之前，必须对所有种类繁多、各不相同的纺织品物品的一项或多项特性进行正确识别，以便在后续的回收工艺之前，对选择用于回收和/或再利用的纺织品进行正确的识别、分类和/或分拣。
26、目前，市场上存在用于为回收和/或再利用目的而对纺织品进行识别、分类和/或分拣的预处理的方案，但已知的系统和方法均未提供最优方案。
27、已知的问题是，即便为再利用纺织品纤维的目的收集了大量纺织品物品，绝大部分收集的纺织品物品从未进入纤维再利用工艺。原因很简单，这些纺织品物品中所含纺织品的特性无法被正确识别。这意味着纺织品物品未被正确分拣，最终，将收集到的纺织品物品制成可再利用纤维的最终工序无法执行，因为如果在再利用过程中开纤不当，纤维就会被破坏。
28、这导致一个不好的结果是意图回收和/或再利用的纺织品要么被焚烧，要么被填埋。这不仅浪费了资源、破坏了环境，也未能提供可再利用且更具可持续性的纺织品纤维。
29、美国专利us 2022/0161298 a1描述了一种用于废弃物料的分类和分拣的系统与方法，特别是对塑料物料的分类与分拣进行了详细说明。其分拣旨在基于物料碎片的不同化学特性来获得分类。
30、包括纺织品的其他物料仅被简要提及。对于如何为其他物料选用发射器和探测器，以基于不同化学特性之外的其他参数来建立分类，该文件未作具体说明。
31、us 2022/0161298 a1公开的系统和方法利用发射源和探测器来感测/检测纺织品碎片的一项或多项特性，以对不同化学特性进行分类。
32、因此，该文件并未教导使用数据库系统来获取、存储和处理来自辐射传感器或用于测量颜色的彩色图像传感器的数据。
33、国际专利wo 2022/028746 a1公开了一种使用x射线识别的纺织品识别系统。
34、美国专利us 7,564,942 b2公开了一种用于对躺在可移动平台上的人进行ct扫描的x射线ct装置。
35、konstantinidis fotios k 等人："基于工业4.0原则的多传感器信息物理分拣系统（cpss）：一种多功能方法"，《程序计算机科学》，elsevier，amsterdam，nl，第217卷，2023年1月（2023–01），第227–237页，xp087246859，issn：1877–0509，doi：10.1016/j.procs.2022.12.218公开了一种分拣系统，其利用机器人从照相机接收关于物品在运输机上的位置的信号。
36、美国专利us 2019/0226125 a1描述了一种纤维回收系统。为回收纤维，需进行两阶段消毒与分拣处理。
37、在两阶段消毒工艺之间，会对投入物料进行预处理。物料通过容器以批次方式从第一消毒装置投送至预处理单元。纺织品物品通过人工处理站从预处理单元被逐个投送入检测装置。
38、在检测装置中进行处理，单个纺织品物品被逐个投送至颜色检测装置。
39、纺织品物品从颜色检测装置被逐个送入到分拣装置，在分拣装置中纺织品物品被分拣至分类容器中。接着，分类容器将通过第二消毒装置被投送至纤维处理装置，在纤维处理装置中，纺织品物品从容器中取出并被切割成更小片，用于纤维加工。
40、核心目标是对纺织品物品进行消毒，然后将这些纺织品物品拆解成具有特定物理特性的“回收纤维”，使其能够被再利用，例如用于纱线生产。
41、d1未提及以下内容：
42、-数据库系统；
43、-用于输入用户输入的登记单元；
44、-称重传感器；
45、-除提及容器和第一消毒装置（将纺织品物品送至可能被视为“主分拣站”的预处理装置）外的批次；
46、-各批次的识别标签；
47、-除颜色检测装置和金属物品定位装置之外的用于检测特性的传感器；
48、-化学回收装置。
49、因此，一种改进的系统与方法——优选地是高效可靠、适用于纺织品识别、分类和/或分拣回收工艺的系统与方法——将具有显著优势。尤其是一种更优化、可靠、高效、精准、经济且可持续的系统与方法将更具优越性。
50、发明目的
51、本发明旨在提供一种系统及方法，使得能够以有效方式处理和追踪纺织品物品，并能监控和控制该方法中的各个工艺步骤及系统内不同的装置，以便控制分拣和回收工艺，用于优化处理结果——即以可再利用的二手纺织品物品（如服装）或可再利用纺织品纤维的方式产出。
技术实现思路
1、本发明的上述目的通过背景中提及的系统得以实现，其独特之处在于再利用的形式为二手纺织品物品（如服装），或为可再利用纺织品纤维、或其他类型的解构纺织品物料、循环物料或降级循环物料，其中所述处理系统包括：
2、-数据库系统，适用于至少获取、存储和处理由传感器（作为处理系统的一部分）测量的数据，并适用于控制各系统单元的操作，
3、-登记单元，用于输入关于进入处理系统的纺织品物品散装物料的交付数据的用户输入，所述登记单元与数据库系统连接，交付数据存储于该数据库系统中，
4、-主分拣站，包括：
5、-具有进料装置的主散装物料接收运输机，
6、-传感器，用于至少登记纺织品物品的重量，所述传感器与数据库系统连接，在数据库系统中重量登记数据被传送至识别标签，
7、-主分拣单元，用于对接收的纺织品物品进行主分拣，并在对接收的纺织品物品进行主分拣后，形成主分拣后的纺织品物品的批次，
8、-应用单元，用于将识别标签应用到每个批次上，
9、-登记传感器，用于登记识别标签，其中该识别标签在数据库系统中关联批次，
10、-运输机，用于将纺织品物品按批次运输至缓冲区，各批次的主分拣后的纺织品物品从该缓冲区被转移至最终分拣线的进料装置，
11、其中所述进料装置包括：
12、-缓冲空间，用于容纳纺织品单元，
13、-登记传感器，用于登记识别标签，其中该识别标签在数据库系统中关联主分拣后的纺织品物品的批次，
14、-铺放单元，将纺织品物品逐个转移至最终分拣线，
15、其中所述铺放单元包括：
16、-至少一个抓取器，用于从缓冲空间中逐个抓取纺织品物品，
17、-登记传感器，用于登记仅有一个纺织品物品被所述至少一个抓取器抓取，并将其转移至铺放运输机，以便将纺织品物品以连续的纺织品物品之间有一定间距逐个转移至最终分拣线，
18、其中所述最终分拣线包括：
19、-运输机，用于将纺织品物品逐个运输经过若干个（优选三个或以上）连续排列的特性传感器，以登记每个纺织品物品的不同特性，这些特性传感器与数据库系统连接，用于将已登记的特性传送至数据库系统中，在数据库系统中将已登记特性关联至已登记批次，
20、-至少一个分拣运输机，用于将纺织品物品转移经过多个最终分拣单元，最终分拣单元与数据库系统连接，并设置为自动将纺织品物品从所述至少一个分拣运输机转移至类别容器，其中每个类别容器关联最终分拣单元中的一个，其中基于单个纺织品物品的已登记特性进行自动转移，从而使一类具有相同特性的所有纺织品物品将被收集在其中一个类别容器中，
21、-回收站，包括：
22、机械回收单元，
23、化学回收单元，以及
24、降级循环单元，
25、在这些单元中，纺织品物品的纺织品被回收为可再利用的纺织品产品和/或纺织品纤维，或其他类型的解构纺织品物料。
26、用于登记“仅抓取一个纺织品物品”的登记传感器可与同样连接至数据库系统的照相机相结合。由此，可更安全地确保仅转移一个纺织品物品。
27、根据本发明的方法，其独特之处在于再利用的形式为二手纺织品物品（如服装），或为可再利用纺织品纤维、或其他类型的解构纺织品物料、循环物料或降级循环物料，其中所述处理方法包括以下步骤：
28、-使用数据库系统控制方法步骤，该系统适用于至少获取、存储和处理由该方法各步骤中使用的传感器测量的数据，并适用于使用处理后的数据来控制用于该方法的各个系统单元的操作，
29、-输入和登记进入处理系统的纺织品物品散装物料相关的交付数据的用户输入，并将登记信息传送至存储该交付数据的数据库系统，
30、-在主分拣站实现主分拣，该主分拣包括：
31、-在主散装物料接收运输机上接收纺织品物品散装物料，
32、-使用至少一个传感器至少登记纺织品物品的重量，并将重量登记数据传送至数据库系统，在数据库系统中存储并与交付数据结合，从而提供一批已接收的纺织品物品，
33、-将重量登记数据和交付数据传送至识别标签，
34、-在主分拣单元中对接收的纺织品物品进行主分拣后，形成主分拣后的纺织品物品的批次，
35、-在应用单元中将识别标签应用到每个批次上，
36、-使用登记传感器登记识别标签，
37、-在数据库系统中将识别标签关联批次，
38、-将纺织品物品按批次运输至缓冲区，
39、-将各批次主分拣后的纺织品物品转移至最终分拣线的进料装置，
40、-在进料装置的缓冲空间中缓冲各批次主分拣后的纺织品物品，
41、-使用登记传感器登记识别标签，
42、-在数据库系统中将识别标签关联至主分拣后的纺织品物品的批次，
43、-使用铺放单元，通过至少一个抓取器从缓冲空间中逐个抓取纺织品物品，将纺织品物品逐个转移至最终分拣线，
44、-登记仅有一个纺织品物品被所述至少一个抓取器抓取，并以连续纺织品物品之间有一定间距逐个转移至最终分拣线，
45、-将纺织品物品逐个运输经过若干个（优选三个或以上）连续排列的特性传感器，
46、-登记每个纺织品物品的不同特性，
47、-将已登记特性传送至数据库系统，
48、-保存数据库系统中的已登记特性数据，
49、-在数据库系统中将每个纺织品物品的已登记特性的保存数据关联至特定的类别，
50、-将已登记特性关联至已登记批次，
51、-使用至少一个分拣运输机将纺织品物品转移经过多个最终分拣单元，
52、-分拣纺织品物品，由分拣单元根据纺织品物品的已登记特性控制，
53、-根据单个纺织品物品的已登记特性，自动将纺织品物品从所述至少一个最终分拣运输机转移至类别容器，其中每个类别容器关联一个最终分拣单元，
54、-将一类具有相同特性的所有纺织品物品收集在一个类别容器中，
55、-在回收站中将纺织品物品的纺织品回收为可再利用的纺织品产品和/或纺织品纤维，回收站包括机械回收单元、化学回收单元和降级循环单元。
56、在本发明的一个方面中，处理系统进一步包括在主分拣站之前设置预分拣站，该预分拣站包括：
57、-散装物料接收站，其包含接收单元，用于接收装有待处理纺织品物品散装物料的废弃物容器，该接收单元包括：
58、-散装物料接收运输机，
59、-用于登记散装物料重量的称重传感器，所述称重传感器与数据库系统连接，
60、-转移运输机，用于将各批次经过预分拣和称重的纺织品物品运输至主分拣站。
61、同样地，在本发明的一个方面中，所述方法包括在主分拣步骤之前进行预分拣的步骤，该预分拣步骤包括：
62、-在散装物料接收站中，接收装有待处理纺织品物品散装物料的废弃物容器，散装物料接收站包括接收单元，
63、-输入和登记散装物料接收站接收的纺织品物品相关的交付数据的用户输入，并将登记信息传送至存储该交付数据的数据库系统，
64、-在散装物料接收运输机中运输纺织品物品，
65、-使用与散装物料接收运输机连接的称重传感器登记散装物料的重量，-将重量登记信息传输至数据库系统，并关联关于该纺织品物品散装物料交付数据的用户输入的登记信息，从而形成一批已接收的纺织品物品，
66、-将该批经过预分拣和称重的纺织品物品运输至主分拣站以执行主分拣。
67、在以需要进行预分拣的方式来接收物料的情况下，可在预分拣步骤中形成批次，并且在主分拣中可以跳过以下步骤：
68、-在主散装物料接收运输机上接收纺织品物品散装物料，
69、-使用至少一个传感器至少登记纺织品物品的重量，并将重量登记数据传送至数据库系统，在数据库系统中存储并与交付数据结合，从而提供一批已接收的纺织品物品。
70、相应地，主分拣针对批次进行，第一步是为该批次施加识别标签。
71、在本发明的一个方面中，所述主分拣站包括：
72、-拆包与主分拣单元，用于分拣出不属于后续分拣和回收中待处理的非纺织品物品的物件。
73、同样地，在本发明的一个方面中，所述方法的主分拣步骤包括：
74、-在拆包与主分拣单元中，分拣出不属于后续分拣和回收中待处理的非纺织品物品的物件。
75、根据本发明的系统和方法所要处理的物料可能源自不同来源，因此其接收方式有所不同。物料可能来自未经任何分拣的家庭废弃物、来自具有预分拣系统的公共回收站、来自工业设施或来自零售行业。
76、为在本发明系统和方法中进行处理而接收的物料，可分为四大类，各类的处理方式略有差异。
77、-需预分拣的散装物料。
78、这是接收物料中占比最大的部分，主要由作为城市废弃物的消费后家庭纺织品废弃物构成。
79、此类物料直接卸料到散装物料接收运输机上，该运输机配备有用于登记的称重传感器，重量登记数据被传输至数据库并关联交付数据。
80、一旦接收，物料在预分拣运输机上进行自动或手动预分拣后，通过转移运输机被送至主分拣线。该转移运输机可以与预分拣运输机相同。
81、预分拣通常包括对湿度的评估。在接收的散装物料湿度过高而无法处理的情况下，预分拣运输机将反向运行，物料作为废弃物被丢弃。
82、通常，用于转移的运输机是滚筒运输机，亦称为笼车（roller cage）。
83、-需主分拣或最终分拣的散装物料。
84、以散装或批次形式交付的预分拣物料可来自具备预分拣能力的工业洗衣厂或市政机构。
85、该物料在主分拣站卸料。该物料可直接交付到主散装物料接收运输机上，或交付到主分拣站地面，以便例如使用运输车拾取并直接投送到主分拣运输机。此步骤中进行重量登记并记录在数据库中。
86、-需主分拣的包装物料。
87、部分市政机构倾向于用集装袋（big bag）或笼车形式的运输机收集并交付废弃纺织品物品。
88、此物料可直接卸料到主分拣运输机上，或卸料至主分拣站地面。向主分拣运输机转移可通过人工从笼车或通过运输车从集装袋卸料实现。
89、当纺织品物品进行了主分拣后，随即将纺织品物品运输至最终分拣站。可通过输送带实现运输，或者可选地将主分拣后的纺织品物品放入滚笼中，以投送到最终分拣站。
90、-需最终分拣的包装物料
91、较小的客户（通常来自纺织品零售行业或工业洗衣厂）可将纺织品物品装入纸板箱、笼车或集装袋中交付。
92、此物料可人工拆包并放入（例如笼车形式的）运输机，以投送到最终分拣线，或将物料直接倾倒入最终分拣站的最终分拣运输机进料口。
93、物料经过称重，数据登记于数据库中。一个实施例是使用运输车或类似设备人工完成此称重。
94、例如，接收物料的技术单元是大型散装物料接收运输机。这些运输机本质上仅为宽带式运输机，或至少是宽于容器的带式运输机。运输机配备有称重传感器，这些传感器与控制软件相连，可登记大型散装物料接收运输机上的重量，并将其关联至用户输入的交付数据。
95、主分拣的核心技术是主分拣运输机，它们通过自动化软件使得主分拣运输机关联至散装物料接收运输机。
96、主分拣运输机的运行速度通过主分拣运输机上的按钮自动或手动控制。这将调节控制上游运输机的运行速度。
97、主分拣步骤中移除的所有废弃物，均通过数据库系统中包含的制造执行系统（mes）进行人工或自动登记并关联至交付数据。
98、来自主分拣运输机的所有主分拣后的纺织品物品均以批次形式提供，通常以笼车形式的滚筒运输机。例如，预分拣后的纺织品物品由末端运输机提升并倾倒入笼车。每个批次/笼车均在mes中登记，使该批次/笼车中的主分拣后的纺织品物品关联至特定交付的交付数据。
99、与现有技术中人工进行主分拣相比，上述主分拣方式为纺织品物品的处理提供了高效途径。
100、本系统适于升级以处理大量废弃物。散装物料接收运输机可连接至分配运输机，分配运输机将纺织品物品散装物料分配至若干个主分拣运输机。例如，以带式运输机形式的散装物料接收运输机，在主分拣运输机上游连接横向带式运输机，将物料从散装物料接收运输机分配至两个或更多个主分拣运输机。
101、无论是在系统中完成预分拣，或是废弃物在交付至本发明系统之前完成预分拣，纺织品物品的主分拣始终在主分拣站中完成。
102、因此，进入主分拣的物料已移除不属于后续分拣和回收中待处理的非纺织品物品的物件。
103、主分拣包括在主散装物料接收运输机上接收纺织品物品散装物料，或在主分拣运输机上接收纺织品物品批次。在主分拣单元中，形成主分拣后的纺织品物品的批次，并为每个批次施加识别标签。
104、将纺织品物品按批次运输至最终分拣线进料装置上游缓冲区的运输机通常为笼车。可替代地，可使用带式运输机。
105、将装有主分拣后的纺织品物品批次的各个笼车倾倒入进料装置。
106、在当前笼车与先前清空滚笼的交付批次不同的情况下，则通过mes对最终分拣线的进料装置赋予新的交付编号。
107、接着，最终分拣线监控两次交付之间的分隔。
108、可将笼车设置在笼车翻转机中倾倒笼车。笼车翻转机工作方式是将笼车设置入机器后，人工按下按钮或由登记笼车置入的传感器自动控制，随后机器自动将笼车倾倒入最终分拣线上游的进料装置。通过数据库系统，笼车翻转机与最终分拣线进行通信，仅当进料装置有空位时才会触发笼车翻转。
109、在进料装置中，基于识别标签信息完成登记。进料装置包含缓冲空间，纺织品物品从缓冲空间处被拾取，并通过铺放单元逐个转移至最终分拣线。
110、从缓冲空间逐个抓取纺织品物品的抓取器通常由机器人操作，机器人由来自登记传感器的信号控制。登记传感器可与照相机结合使用。由此，仅有一个纺织品物品被抓取器抓取并转移至最终分拣线上游的铺放运输机。
111、在一个实施例中，进料装置包括两个由机器人分别操作的抓取器，由此，实现极高安全保证，以便单独转移纺织品物品。这些机器人也可称为铺放机器人。
112、两个铺放机器人的功能是向最终分拣线的铺放运输机投送尽可能多的纺织品物品，而任一纺织品物品没有重叠。换言之，它们从缓冲区的堆垛中拾取纺织品物品，逐个放置到铺放运输机上。
113、在进料装置的示例中，缓冲区底部设有运输机，用于将纺织品物品运送至抓取器抓取纺织品物品的拾取工位。
114、进料装置工作方式是将缓冲区底部的运输机上的纺织品物品投放至拾取工位。当纺织品物品进入设置在缓冲区的纺织品物品堆垛上方的照相机的视野时，第一抓取器下降并使用专用抓取器拾取纺织品物品。
115、第一抓取器包含有抓夹以抓取纺织品物品。一旦抓取纺织品物品（抓取器内传感器确认此情况），纺织品物品被提升至缓冲区顶部。第二抓取器从第一抓取器接过纺织品物品，并将纺织品物品按连续纺织品物品之间以一定距离交付在铺放运输机上。
116、两个抓取器可为相同类型或不同类型。每个抓取器均可由机器人（如六轴机器人）安装和操作。
117、或者，仅第一抓取器由机器人安装并操作，第二抓取器可安装在导轨上，例如结合长度可调的线缆，以实现抓取器的二维操作。第二抓取器结构可比第一抓取器更简单，因其“仅”承担将纺织品物品放置到铺放运输机上的任务。
118、通过两次抓取纺织品物品，显著降低了重复抓取的风险。
119、在进料装置中，缓冲区侧边可设置提升运输机，用于将纺织品物品从缓冲区底部运输机上提起。拾取工位位于从底部运输机提升纺织品物品的区域。此后该纺织品物品由两个铺放机器人处理。
120、一旦将纺织品物品放置到最终分拣线上，纺织品物品就被设置在运输机上，以便将纺织品物品逐个输送经过特性传感器。
121、在本发明的一个示例中，使用三种传感器：工业rgb照相机、近红外传感器和x射线传感器。传感器将在下文进一步详细描述。尽管示例描述三种传感器，但根据本发明，使用更少或更多传感器均有可能。
122、一旦纺织品物品经过所有传感器后，其被转移至包含分拣运输机的分拣区。该转移可通过将单个排列的纺织品物品压入垂直运输机之间来实现。
123、在一个实例中，传感器配置可如下。rgb和近红外（near-infrared，nir）传感器工作原理是通过测量反射光，x射线传感器工作原理是通过测量穿透的x射线。此x射线方法与医疗行业诊断或机场安保的x射线扫描仪原理相似，不能与xrf（x射线荧光）混淆，xrf工作原理是通过测量物体发射的x射线（类似于反射）。
124、未来可附加的传感器单元包括：
125、太赫兹波（teraherz waves）：让极高频率电磁波穿透纺织品物品，在另一侧测量波。其可见“物体内部”，并用于检测硬质部件（纽扣、拉链等）。可作为x射线的替代或补充。此系统例如法国初创企业“optikan”正在开发的纺织品应用类型。然而，也可使用其他采用此技术的系统。
126、雷达传感器：与太赫兹传感器类似，雷达传感器也可见到物体内部，但目前由balluff开发的系统的分辨率较低。
127、高分辨率激光扫描仪：常用于工业高精度质控（quality control，qc），但可潜在地用于检测物料结构（针织、机织、起绒等）。
128、微距照相机/（超）高分辨率照相机：可选地，对于高分辨率激光扫描仪，如果能获得足够详细的织物图像，也可用辅助照相机设置，以检测物料结构。
129、中红外光谱（mir）：工作原理与nir相似，但检测电磁光谱中更高的波长，以提供更为详尽的信息。
130、x射线荧光分析（xrf）：可用于物料分类，其与nir技术类似。
131、其他nir传感器：当前使用的nir单元使用光谱法识别物料。这意味着算法检测光强度与波长之间的函数关系，以获取化学成分的"指纹"。
132、例如，沿运输机上15个点位测量高分辨率光谱，获取600mm运输机上分布有15个像素的分辨率。换言之，该nir具有的空间分辨率较低，但具有的光谱分辨率较高，可获取多个不同波长下的光强度信息。
133、可替代地，同样检测nir波段的高光谱照相机可具有更高的空间分辨率（更多像素）。高光谱照相机的输出结果是在不同波长下的一系列灰度图像。此系统能检测更小区域/物件（可能具有价值），在化学检测方面可能准确性稍差。例如，对霉菌检测具有价值，因为霉菌在特定波长下具有较高强度，这就是为什么该类型传感器常被用于食品生产线的qc。
134、传感器的组合可用来提供独特机会，以全面了解机械回收和化学回收高度相关的所有情况。
135、可采用更多传感器技术，用于优化纺织品物品分拣。
136、现将传感器技术列举如下（排名不分先后）：
137、1.近红外（nir）光谱/高光谱成像
138、2.可见光分选（光学分选）
139、3.x射线技术（xrt与xrf）
140、4.电磁传感器
141、5.三维激光扫描
142、6.高光谱成像
143、7.太赫兹波传感器
144、8.rfid标签
145、9.中红外光谱
146、10.拉曼光谱
147、11.紫外光谱
148、12.触觉传感器
149、以下是对上述传感器技术相关性的评论。
150、1.近红外（nir）光谱（亦称短波红外（short-wave infrared，swir）光谱分析）
151、将近红外“光”照射于物品上，并测量在nir与swir光谱的反射光。使用专用软件（ai），将反射光的光谱与预设光谱数据库进行比对。光谱特性在于物品的化学成分，因此只要已预先录入物品且传感器精度足够，该方法可用于识别任何独特的化学物料。
152、该系统使用复用器设置，这意味着通过沿运输机的独立透镜阵列测量反射的nir光，每个透镜对应一个像素点。各透镜连接至复用器单元，复用器单元内部通过旋转镜将每个线缆的信号反射至单一传感器。以大约30-100赫兹的频率旋转，可每秒对整列像素点逐个进行30-100次测量。每次测量获取超过100个1000纳米至2500纳米之间的不同波长的光强度数据。
153、该复用器设置实现高光谱分辨率以及高精度测量，使系统能够区分具有相似nir反射的不同元件。示例包括区分不同聚合物或识别特定混合物料的差异。
154、主要应用
155、确定纺织品物品的纤维成分，这是实现后续回收工艺所需。
156、次要应用
157、检测一些污染物，例如纽扣、拉链、印花。还能被教导检测织物中的含水量、污渍、霉斑、化学处理剂或特殊染料。
158、2.可见光分选（光学分选）
159、采用工业照相机通常配置为行扫描，设置有恒定可控的光照环境（视觉单元）。可根据需求应用范围从传统机器视觉方法到机器学习方法（ai）的多种算法。
160、主要应用
161、按颜色分选，避免对回收纤维/纱线进行重新染色。这将极大减少纺织品物品回收所需资源。此外，在一些化学回收或降级回收场景中，需要颜色分选，或颜色分选至少能提升已分选纺织品类别的价值。
162、次要应用
163、通过ai，可对不同物品类型的图案及纺织品物品进行训练，以便在更抽象的背景下进行物品类型识别。例如，检测牛仔裤、衬衫、鞋、内衣或其他具有价值的特定物件，这些可单独归为一类或从其他类别中分离出。这需要基于大型数据集训练的复杂机器学习算法（ai）。
164、此外，具有合适的照相机配置（配备微距镜头的高分辨率照相机），可获取纺织品物品表面的高清图像。运用机器学习（ai），算法可被训练为识别不同机织/针织图案，以通过织物类型对纺织品物品分类。这在机械回收领域（更高效的回收工艺）能够增值。
165、三级应用
166、光学分选可有助于识别杂质，如卢勒克斯线（用于闪光效果的金属线）、纽扣、拉链、洗护标签、缝线或聚合物印花。这对整件服装的分选有用，也对分选切割过/解构过的纺织品物品有用。
167、最后，照相机可用于推断纺织品物品形状，以指示其尺寸。过小或过大的物件可能不适合回收。
168、3.x射线技术（xrt与xrf）
169、x射线传感器系统由x射线发射器（发射x射线的专用灯泡）和测量辐射的传感器组成。该技术的两种成熟应用为xrt与xrf。
170、xrt（x射线透射）
171、在纺织品物品一侧使用x射线发射器，在纺织品物品的另一侧测量透射辐射。不同密度（及厚度）的物料将吸收不同量的辐射，从而获取纺织品物品内部构成的指示。
172、xrf（x射线荧光）
173、向纺织品物品发射x射线并测量反射辐射（类似反射）。从检测物品反射出的辐射将反映纺织品物品（或其表面污染物）的化学成分特性。
174、xrt的应用：
175、基于密度差异，检测纺织品物品上或内部硬质部件，如拉链和纽扣。机器视觉算法（传统或基于ai）可用于识别这些物品上的不同几何形状/物件，从而分离出无配件的"纯纺织品物品"，然后使其可直接进行回收（无需移除配件或二次分拣）。由于金属的辐射吸收特性且密度远高于纺织品物品，xrt在检测纺织品物品内部的微小金属件方面非常高效。
176、此外，xrt可用于间接测量纺织品物品质量，精度在±10%以内。
177、xrf的应用：
178、该技术广泛应用于废金属分捡和采矿领域，因其在区分不同金属成分之间的差异方面非常高效。这使得该技术适用于识别纺织品物品上的金属杂质。
179、4.电磁传感器
180、电磁传感器利用金属部件与电磁场的相互作用。至少包含三种不同类型：
181、-金属探测器（感应传感器）利用线圈产生磁场。当金属物件（如纺织品物品上的纽扣或拉链）进入该磁场时，其改变磁场的形状与强度。探测器感应该变化并发出金属存在信号。
182、-涡电流分选器专用于有色金属检测。其利用高频电磁场，在有色金属中引起涡电流。
183、-磁力传感器利用磁铁或电磁铁从混合物料中吸附并移除黑色金属。永磁铁或电磁铁产生的磁场可吸附黑色金属物件，实现与非金属材料的有效分离。
184、主要应用
185、用于检测来自纺织品物品的金属成分（如拉链和纽扣）。其对切割过/解构过的纺织品物品的二次分拣（用于移除配件）最有用，也可用作开纤工序之前的qc。
186、5.三维激光扫描
187、激光扫描仪向运输机发射激光线，当纺织品物品经过激光线时，激光线的形状发生改变。传感器具有照相机，以检测激光线形状的变化，从而确定纺织品物品的三维图像。高分辨率激光扫描仪具有的容差极小，其可捕捉纺织品的表面纹理。
188、低分辨率激光扫描仪的应用
189、测量纺织品物品的体积、形状和尺寸。
190、高分辨率激光扫描仪的应用
191、高分辨率激光扫描仪可捕捉纺织品纹理与织造图案的精细细节。这些详细信息可用于根据织物类型对纺织品物品进行分类，例如区分针织与机织织物，或识别特定织造图案。这可提供从机织分离针织的能力，甚至进一步区分不同种类的针织/机织彼此之间的差异。具有该能力可优化机械回收产出，减少浪费并提升工艺质量。
192、6.高光谱成像
193、高光谱照相机在不同波长（通常在nir，及swir区域）拍摄（相对）高分辨率图像。如此，每次触发照相机获得多幅灰度图像，每幅对应特定波长。与nir光谱分析相比，其空间分辨率更高（600-1840像素），有时以降低光谱分辨率为代价（检测波长较少）。该理念亦称为推扫式高光谱成像。
194、主要应用
195、高光谱成像的主要应用与nir光谱类似，即材料成分识别。高端高光谱照相机可提供与复用器系统相似的光谱分辨率，但同时具备更高的空间分辨率。
196、次要应用
197、除在检测纺织品物品材料成分的精度与鲁棒性方面可与复用器匹配外，高光谱照相机还能更可靠地检测较小区域/物件，如纺织品表面上的纽扣和拉链。
198、最后，高光谱系统在检测聚合物印花、污渍、霉斑或其他污染物方面可能非常有效，这些污染物可能存在于较小的区域，或以小颗粒的形式散布在纺织品上。其示例在食品加工行业中就有体现。
199、三级应用
200、大空间分辨率使该系统特别适用于分拣切割过/解构过的纺织碎料，以移除配件。
201、7.太赫兹波传感器
202、波长高于红外线但低于微波的电磁波（0.1-10太赫兹）。该太赫兹波穿透纺织品物品并在另一侧测量该波，或通过测量纺织品物品反射的太赫兹波来测量反射波。不同材料对波的吸收各异，从而可检测不同材料。
203、主要应用
204、在纺织品分选中，穿透波可作为x射线的替代方案。例如，比起硬塑料（尤其是金属），太赫兹波更易穿透纺织品物品。当测量另一侧的透射波，（使用大量数据处理）可获得类似x射线的图像。这使得传感器能透视“物件内部”，并检测物件内部/表面的硬质部件（如纽扣、拉链等）。
205、特别是对于塑料这类，使用x射线难以可靠检测。
206、8.rfid标签识别
207、在制造阶段将rfid标签嵌入纺织品物品，可通过提供准确的材料成分来极大增强分拣能力，使得回收效率更高。目前许多工业洗衣厂使用rfid芯片识别纺织品物品。rfid芯片包含对应数据库的代码，告知纺织品所属类别。
208、主要应用
209、从废弃物分拣角度看，rfid芯片可包含以下信息：纺织品的构成材料、现有配件、织物类型、生产时间/地点、是否内有回收纤维。
210、次要应用
211、由于接收自工业洗衣厂的废弃纺织品物品大多已具有rfid芯片，这些芯片可在离开洗衣厂时重新编码，写入与回收分拣相关的信息。在工业洗衣企业有意投资建设分拣能力以确保未来产品使用回收纤维的情况下，该技术可能适用。
212、9.中红外（mid-infrared，mir）光谱
213、mir光谱是分析化学和材料科学的成熟技术，已知其能够通过吸收特定波长的mir光提供分子结构详细信息。该方法工作原理与nir光谱相似，也可应用于高光谱方案。然而，mir对材料内部化学结构的敏感度显著更高，能提供关于纺织品物品更详细的信息。
214、主要应用
215、mir可用于基于纺织品物品特定化学成分进行识别与分拣，其详细程度高于nir。示例包括：
216、-分聚酯纤维的差异
217、-测纺织品物品表面涂布的化学处理剂或涂层
218、上述优点对于要求极高纯度物料流的回收工艺具有重要价值。
219、10.拉曼光谱
220、这是应用于多领域进行分子与材料分析的成熟技术，其利用高功率激光在物品中诱导激发"拉曼信号"。其测量激光散射，为不同材料提供独特的光谱指纹。其堪比nir光谱。其在工业规模纺织品废料分拣中的直接应用正在兴起。
221、拉曼光谱主要用途
222、拉曼光谱可通过提供额外信息来补充nir与mir技术，这有助于区分具有相似nir或mir光谱的材料的差异。该方法对样品制备要求极低，适用于对速度和效率要求严格的在线分拣应用。
223、11.紫外（uv）光谱
224、紫外光谱测量物质对紫外光的吸收。由于仅在特定材料范围和条件下才能提供有效的鉴别信息，该技术在纺织品分拣的应用较为有限。
225、紫外光谱的主要应用
226、该方法可用于识别纺织品物品中的特定染料、整理剂或其他类型的表面处理剂。
227、12.触觉传感器
228、此最后类别不是指特定的传感器技术，而是涵盖与机器人结合使用以操控纺织品物品的先进传感器。示例为触觉传感器，其是可通过物理接触/操控来"感知"物件特性的传感器。
229、主要应用
230、可检测的特性包括：
231、-纹理、刚度和表面粗糙度/光滑度可提供织物类型（针织/机织）或材料成分（天然/合成）
232、-压力分布可反映纺织品物品中存在的硬质部件的信息。
233、最终分拣单元可包含可逆运输机。在此示例中，分拣工作方式是通过多个短距倾斜式可逆运输机实现。一旦纺织品物品到达正确分拣位置，运输机反向运行将纺织品物品分拣至正确的纺织品物品的类别容器。类别容器可以采用底层笼车的形式。此分拣方式需要纺织品物品保持分离状态，并作为吹气分拣的替代方案。或者，最终分拣单元可为气嘴，沿长距水平运输机单侧布置，一旦纺织品物品到达预期分拣位置就吹走运输机的纺织品物品。吹气线需要更多空间，产生显著更高的噪音和粉尘污染，且其能耗更大。另一方面，运输机分拣方式成本更高。
234、在数据库系统中，识别软件获取并整合所有传感器数据，以决定纺织品物品如何分拣。该识别软件包可分为三个总层级：
235、a.数据由三种或更多不同传感器测量。
236、b.从传感器数据中提取特征，意味着确定纺织品的不同特性。例如：nir传感器软件使用多级机器学习算法以决定与纺织品物品每个像素最匹配的材料成分；照相机使用传统机器视觉以检测纺织品物品的颜色类别或颜色分布。
237、c.具备所有传感器输出数据，应用决策逻辑以决定纺织品物品的分拣位置。该决策逻辑可采用不同规则来定义可进入每个类别容器的纺织品物品类型。
238、术语“颜色分布”指纺织品物品表面颜色的百分比分布，而术语“颜色类别”指分配给纺织品物品的单一整体颜色。
239、分拣可基于系统操作员决定的不同特征进行。下文列举了通过提取算法从传感器数据中提取特征的示例：
240、材料成分——对于每件纺织品，其材料分布以像素和百分比形式给出。示例：
241、60%的纺织品被认定为纯棉制品，其中含有的氨纶量不超过5%。
242、25%的纺织品识别为纯棉
243、5%为其他（噪声）。
244、颜色类别或颜色分布——通过拍摄纺织品物品图像并将其归类，利用软件和数据库系统中的预设数据定义多种颜色类别或颜色分布。为此使用rgb照相机传感器。例如：可使用25张不同蓝色纺织品物品的图像定义蓝色类别。数据库图像可用于此训练。
245、纺织品类别——与颜色类别类似，纺织品物品的彩色图像也用于机器学习分类器（ai）以识别特定物件类型，其可为牛仔布裤子、工装服（含反光条）、袜子、内衣及其他。
246、稳健训练这些模型需要显著更多数据（约500-1000张图像）。该模型可能采用为工业洗衣行业开发的底层神经网络，并针对本发明对此模型进行重新训练。
247、纺织品尺寸——可提取纺织品物品形状间接测量纺织品尺寸，输出以代表纺织品表面积的数值表示。
248、配件——x射线图像在金属区域显示为一种颜色，硬塑料区域显示为另一种颜色。然而，相较于金属，硬塑料的稳定检测难度更大，尤其在厚纺织品物品中，塑料配件易被织物噪声"淹没"。通过机器学习算法（ai）分析x射线图像来检测金属和塑料物件。
249、本发明中采用的机器学习算法可开发自工业洗衣行业的应用，用于检测纺织品物品口袋中可能存在的异物。该算法也应训练至识别纺织品物品的部分，例如纽扣、拉链或类似物件。
250、质量——利用x射线图像估算纺织品物品的质量，平均精度可达±5%。该信息主要用于估算笼车装载，但也可用于分拣规则。
251、织物类型——基于实现测量织物结构的传感器。提取算法区分这些图案以判断纺织品属于机织、针织或其他。此信息可用于优化机械回收工艺，分离织物类型，其处理最佳。
252、丙烯酸印花检测——一些纺织品物品上面具有厚重的类橡胶印花，其对机械回收和化学回收均造成污染。通过特点提取算法，x射线数据可能适用于此。
253、材料类别——目前可检测约30种不同材料成分，但未来可检测更多小众纤维混合物料。
254、表面涂层与危险化学品——能够检测，例如含全氟烷基物质（pfas）的防水处理剂或含重金属的染料，可提升分拣后类别的品质与可用性。这通过nir传感器或其他类似传感器（如mir、紫外或高光谱传感器）来实现。
255、污渍与霉变纺织品物品——湿纺织品物品使用nir传感器检测。对于干燥状态下纺织品物品的污渍或霉变检测，可通过照相机、nir传感器或二者结合，或其他类似传感器（如mir、紫外或高光谱传感器）实现。
256、决策逻辑工作原理是通过在数据库系统中设置分拣配方来运作。基于上述特征定义不同纺织品类型。
257、可为每次分拣设置"大于"、"小于"、"最高"和"最低"的规则，以包含或排除特定特征。
258、这些分拣参数的具体设置将优化分拣。分拣最多可包含31个类别的纺织品物品，每个类别的纺织品物品具有相同特性，并收集于一个类别容器中。
259、这些类别可作为可再利用或可回收纺织品销售给客户，或者可在回收站（包括机械回收单元、化学回收单元和降级循环单元）进一步处理，之后回收为可再利用纺织品产品和/或纺织品纤维。
260、可调整分拣配方以满足市场化学回收站的需求。根据本发明的系统能够优化分拣配方，产出符合这些回收站输入规格的已分拣类别。
261、此外，可将颜色类别与材料成分匹配，以匹配哪些纤维在机械回收市场中具有最高价值。
262、可追溯性始于接收一批废纺织品物料并进行称重，为交付生成交付数据。通过特有的交付id，整个工艺中测量数据：
263、-预分拣中，所有移除物料按类型称重并登记。
264、-在主分拣中，追踪每件分拣的纺织品物品，以提供交付物品在最终分拣线上置于类别容器中的不同类别如何分布的全部数据。
265、-在类别容器中收集已分拣的纺织品物品时，整合每个类别容器的数据以提供各类别容器中纺织品物品的来源。
266、-将已分拣的纺织品物品运输至次级供应商时，必须追踪特定类别容器编号以保持供应链整个可追溯性。
267、mes对可追溯性至关重要。
268、在本发明的一个实施例中，处理系统进一步包括：从运输笼、运输带和运输袋中选择运输机，运输笼形式为所谓笼车，运输袋形式为洗衣袋，且此运输机可在处理系统中组合使用。
269、物料可在建筑内以笼车、带式运输机和运输袋进行转运。这可采用人工处理运输机组合实现，或在运输系统中采用非人工处理实现，从废弃物接收到待回收为可再利用纺织产品和/或纺织品纤维的成品类别。
270、类别物可打包成捆，这将需要市场上已有的自动打包设备。此高度自动化系统在高薪资国家具有应用价值。
271、在本发明的一个实施例中，处理系统进一步包括：主分拣站包含
272、-至少一个质量登记传感器（例如湿度传感器），用于登记主散装物料接收运输机上纺织品物品的质量，至少一个质量传感器与数据库系统连接；以及
273、其中在质量登记未达到预设质量限值（例如湿度水平）的情况下，可逆的散装物料接收运输机将反向运行，从而丢弃该批纺织品物品。
274、如上所述，在散装物料接收运输机处理废弃物时，湿物料将不被分拣，以确保系统中处理的纺织品物品质量。
275、在本发明的一个实施例中，处理系统进一步包括：在主分拣单元前的主分拣站包括废弃物分拣单元，在形成批次前在废弃物分拣单元分拣出废弃物。
276、此外，这将有助于确保系统中处理的纺织品物品质量。
277、在本发明的一个实施例中，处理系统进一步包括：使用类别容器作为运输机，将纺织品物品类别转移至回收站。
278、由此，分拣的纺织品物品类别可高效地现场运输或异地运输至回收站。可替代地，带式运输机可将纺织品物品类别转运至回收站。
279、在本发明的一个实施例中，处理系统进一步包括：铺放单元包含两个连续设置的抓取器，使得第一抓取器从缓冲空间逐个抓取纺织品物品，第二抓取器从第一抓取器抓取纺织品物品并将纺织品物品逐个转移至铺放运输机。
280、这进一步确保抓取器转移仅一件纺织品物品。
281、在本发明的一个实施例中，处理系统进一步包括：
282、最终分拣线的特性传感器可包含
283、-视觉或光学识别系统，
284、-x射线识别系统，和
285、-红外光识别系统，
286、用于测量每件纺织品物品的数据；且其中最终分拣线还包含：
287、-基于特性传感器的输入进行特征分类的特征提取器、
288、-基于特征提取器的输出和预设规则进行分类的分类计算器，以及
289、-确定单件纺织品物品所属纺织品物品类别的优先级单元。
290、特性传感器可以是申请人待审国际专利申请pct/dk2024/050118中公开的类型，并按该专利申请所述方式操作。
291、最终分拣线采用的分类数据结构可视为包含以下四个层级：
292、第0层级：数据测量由物理传感器完成。每个传感器可提供单一类型输出，其可用作一个或多个特征提取器的输入。传感器输出可以是部分或完全处理后的结果而非原始数据。此示例包括nir传感器，其输出为识别的纺织品材料成分而非原始反射光谱；或对照相机图像进行的色彩校正。传感器输出的数据格式取决于传感器类型：
293、-照相机：rgb图像，维度为[x,y,3]，其中x为运输机宽度方向上的分辨率，y为沿运输机长度方向的图像长度（取决于纺织品尺寸）。
294、-x射线传感器：灰度图像，维度为[x,y,1]
295、-nir传感器：列表包含被分类到各材料类别的像素数量。
296、第1层级：特征提取由不同算法（亦称特征提取器）完成。其输入为传感器数据，其输出为各类特征。单一特征提取器可接收不同输入，也可提供不同类型的输出。特征提取器的数据格式取决于提取器类型，可包含连续数据和分类数据。
297、-颜色检测：特征提取器将纺织品区域划分为若干单元，为每个单元分配一种预定义基色。输出落入每种基色的单元百分比，以列表呈现。
298、-尺寸检测：特征提取器通过统计像素得到纺织品面积，并以整数形式输出。
299、-卷积神经网络（convolutional neural network，cnn）：物品类别：卷积神经网络（ai）已被训练用于将纺织品物归类到每个预定义物品类别中，其输出是每个物品类别的百分比值，总和为100%，以列表呈现。
300、-卷积神经网络：配件：另一种卷积神经网络（ai）被训练用于识别不同类型配件，例如塑料纽扣、金属纽扣和拉链。输出为各配件类型及其相应置信度值（算法对配件存在与否的确信程度），以列表呈现。
301、-质量估算：利用有关物料信息和x射线图像，算法经训练估算纺织品物品质量。输出以克为单位的质量。
302、-材料分布：基于nir传感器输出，计算纺织品中各材料类别的百分比并以列表呈现。
303、第2层级：通过将特征提取器输出结果与一组规则进行比对测试来完成分类。每个类别可分配一个分拣位置，但多个类别也可分配至相同的分拣位置。因此，分类阶段的输出结果为布尔值（真/假）。为每个类别定义的规则类型包括：
304、-x=最高或x=最低：对于颜色和材料分布，可设置规则，以具有最普遍或最不普遍的颜色/材料为特定颜色/材料类别。针对给定类别的给定特征可设置多个此类规则。
305、-<x或>x：对于任何特征，可设置规则要求给定特征值高于或低于某个定义限值。对于颜色分布、材料分布、物品类别和配件类别，规则可针对任何基色/材料类别/物品类型/配件类别进行设定。针对给定类别的给定特征可设置多个此类规则。
306、-x+y=最高或x+y=最低：对于材料分布，可组合类别以针对不同材料类别的组合设置最高/最低规则。针对给定类别的给定特征可设置多个此类规则。
307、-<x+y或>x+y：对于材料分布，可组合类别以针对不同材料类别的组合设置高于/低于规则。针对给定类别的给定特征可设置多个此类规则。
308、第3层级：分拣配方用于确定哪些类别进入哪个类别容器，以及各类别之间如何进行优先级排序。优先级排序是必要的，因为单件纺织品可能符合多个不同类别，在这种情况中将选择优先级最高的类别。优先级排序有助于简化分类规则，并确保在保持高价值类别纯度的同时实现分拣价值最大化。因此，非所需污染物类别（如湿纺织品物品、工装服或小件物件）将被设为最高优先级，以确保其不会进入高价值类别。此外，其余类别根据其价值进行优先级排序，确保最高价值物品被分离。每个分拣位置赋予一个货物id，对于每件分拣的纺织品，货物id与分类信息及纺织品的来源交付批次一起传达至mes。若干个类别可映射至同一分拣位置，但单一类别不能映射至多个分拣位置。
309、根据分拣配方，每个分拣位置关联一个类别容器，用于容纳属于该类别的最终分拣后的纺织品物品。
310、上述呈现的分类数据结构从以下几个方面确保了系统的模块化与灵活性：
311、-规则可设置为包含或排除不同类别中特定特征的组合，从而使定义类别所需的规则数量最小化。规则与以可关联术语定义的特征输出相关，而非涉及难以解读的原始输出。
312、-可轻松添加新类别以满足市场新的需求，无需修改特征提取器或其他类别。此示例为新的化学回收客户对其输入物料有特定要求。接着，在新类别中设置满足这些需求的规则，然后将其映射至容器以启动分拣。
313、-类别可保存且不一定必须分配至容器。这使得快速变更有效类别成为可能，从而也可在分拣线正在生产的类别之间进行切换。示例为，客户每年仅需较少量已分拣纺织品物品数次。可定义所需类别并将其分配至容器以启动生产。一旦累积足够物料，完成订单，即可从容器取消该类别分配。当接下来时间里，当客户需要更多已分拣纺织品物品时，可再次将该类别分配至容器，按客户规格生产更多已分拣纺织品物品。
314、-可添加新特征提取器，或修改各特征提取器内的类别/分类，而无需考虑分类规则或分拣配方。
315、-可相对简单地添加新传感器或替换现有传感器。
316、-由于所有特征输出均为定量的，可迭代微调容差以满足客户需求。示例为：创建新颜色组合以满足客户对红+黄的棉类别的需求。定义该分类并将其分配至容器，为客户生产一笼分拣好的纺织品物品。客户反馈笼内黄色过多，随后可专门改变对黄色的容差以生成新类别进行验证。
317、每当一批主分拣后的纺织品物品被转移至最终分拣线时，该批纺织品物品所属的交付批次被转移至最终分拣线。结合以下数据导出：每件已分拣的纺织品物品的分类结果、质量和交付来源，可追溯：
318、-特定容器内纺织品物品的质量。该信息用于可追溯性和工艺控制。即使无传感器，亦可通过累加容器内所有纺织品物品的重量得知何时容器满载。一旦更换笼车，分拣线会登记并传送到mes。
319、-容器内已分拣物料的来源，精确到分布比例。示例为：给定笼可能：“10%来自交付批次412，40%来自交付批次413，50%来自交付批次414”。
320、-容器内材料的分布（根据类别）。示例为：假设选择将两个类别映射至同一容器中：蓝色棉和红色聚酯。容器内蓝/红色纺织品物品的百分比将取决于分拣线的输入物料及这两个类别的定义是否与其他任意有效类别重叠。通过导出至mes的数据，可得知笼内蓝色棉/红色聚酯纺织品物品的准确百分比，因为每件已分拣纺织品的数据已导出。
321、-交付批次的分拣结果。一旦交付批次被最终分拣线完全分拣后，得知每件纺织品如何被分类和分拣。此外，已知每件纺织品物品的质量，从而可统计进入每个容器的公斤数。
322、在本发明的一个实施例中，方法进一步包括：对每件纺织品物品的不同特性登记，包含对以下一个或多个特征的识别与登记：
323、-颜色分布，例如颜色渐变，
324、-织物类型，例如机织、针织、毛圈布和/或牛仔布，
325、-材料成分，
326、-密度，
327、-质量，
328、-状态，例如清洁度、含水量和/或含霉量，
329、-反光物料的存在，
330、-图案的存在，例如条纹和/或方格，
331、-聚合物印花的存在，
332、-硬质配件（如纽扣、拉链、笔和/或工具）的存在，
333、-污染物化学品（如油渍）的存在，
334、-多层纺织品（如夹克、枕头和羽绒被）的存在，
335、-纺织品物品的类型，例如裤子、牛仔裤、衬衫、包或鞋，或
336、-物品为非纺织品物品，
337、且其中分拣纺织品物品的步骤包含将物品分类至预定的分类组和/或预定的分拣组。
338、通常，所有特征的识别与登记数据均用于数据库系统以控制分拣单元，从而获得分拣工艺的高度可靠性。
339、在最终分拣线完成分拣后，在回收站中有若干种可能的加工方法将纺织品物品的纺织品回收为可再利用的纺织品产品和/或纺织品纤维。
340、系统与方法的具体特性及应用描述
341、发货订单
342、发货订单用于登记包含特定分类组或已分拣纺织品物品、碎化纺织品或回收纤维的成品捆包的发货。
343、发货订单功能允许用户创建发货订单（含发货订单id）并存储在数据库系统中，并预定义以下特征：
344、-成品捆包的货物id
345、-已分拣纺织品数量[kg]
346、-捆包数量
347、-特定捆包id
348、-收货客户
349、-发货目的地
350、上述规范在数据库系统中创建了一组规则，发货订单需满足此规则。
351、当满足发货订单时，生产人员打开发货订单并开始扫描待发运捆包上的识别标签（例如二维码标签）。如果已定义货物id，则只能选择具有该货物id的捆包。如果发货订单中选定了特定捆包id，同理。
352、-捆包id指单个特定捆包。
353、-货物id指捆包内物料的组成成分，多个捆包可具有相同的货物id，但一个捆包内只能有一个货物id。
354、一旦满足捆包数量或已分拣纺织品数量[kg]要求，即可完成发货订单，以调整发货订单中每个扫描捆包的发货目的地信息，从而使数字存储保持最新。
355、此外，可基于扫描的捆包自动生成发货文件，包含通用信息，如发货目的地、物料废弃代码、总重量和捆包数量。此外，生成卡车的库存清单，包含发货中每个捆包的信息：
356、-捆包id
357、-货物id
358、-捆包重量
359、自动分拣报告生成
360、自动分拣报告生成用于生成内部信息分拣报告并分发给供应商，记录接收数量及其如何分拣。
361、当接收的交付批次完成分拣工艺，且在预分拣、主分拣和最终分拣步骤中收集了所有数据后，数据库系统可自动为该交付批次生成pdf格式的分拣报告。报告包含该交付批次的所有收集信息，可包括以下全部或部分信息：
362、-供应商（交付物料方）
363、-接收数量
364、-接收物料类型：交付类别（家庭废弃物（household post-consumer waste，hh-po）、消费后工业洗衣废弃物（post-consumer industrial laundry waste，il-po）、消费前时尚品牌废弃物（pre-consumer fashion brand，fb-pr）等）
365、-接收类型（人工与自动）
366、-起始/完成日期+时间：接收、预分拣、主分拣、最终分拣、分拣完成。
367、-接收和分拣的地点
368、此外，所有分拣数据在数据库系统中分析，以表格形式呈现百分比分布，并通过例如饼图可视化。分拣数据可包括以下全部或部分信息：
369、-在预分拣和主分拣中从交付批次中人工移除的所有废弃物，按类别登记为公斤数，例如：10公斤湿纺织品、50公斤可再利用品、100公斤多层纺织品...
370、-来自自动化最终分拣的所有分拣数据，为每件分拣纺织品登记数据：
371、纺织品来源：交付id
372、纺织品重量：[kg]
373、分类结果：[类别]
374、分拣输出：[位置]+[笼车id]
375、可根据以下一个或多个参数为单次或多次交付生成分拣报告：
376、一个或多个特定客户
377、给定时间段
378、一个或多个交付类别
379、自动追溯报告生成
380、自动追溯报告生成用于每个已完成捆包的已分拣纺织品、碎化纺织品或回收纤维。
381、追溯报告说明一个或多个给定捆包的准确内容：
382、-10.1公斤（43件）来自交付id 1041（交付类型hh-po）
383、-15.4公斤（72件）来自交付id 2951（交付类型il-po）
384、-等
385、此外，追溯报告包含关于每捆已分拣纺织品、碎化纺织品或纤维到纤维的机械回收纺织品的一般信息：
386、-捆包时间与地点
387、-碎化时间与地点（如已碎化）
388、-纤维到纤维机械回收时间与地点（如已回收）
389、-发货时间、地点与客户（如已发货）
390、-捆包重量[kg]
391、-纤维质量（如经测试）：平均纤维长度、短纤维百分比等
392、-材料成分（如经测试）：92%棉、5%聚酯纤维、2%弹性纤维、1%未知...
393、-资源消耗
394、-捆包当前存储位置
395、自动资源消耗测量
396、实现自动资源消耗测量，以便评估系统运行相关成本。
397、整个系统中，计量表可安装在：电力供应、天然气供应和供水处。
398、计量表通过网络与mes连通，持续登记三种资源类型的消耗量。通过这种方式，可实时监控消耗量，并轻松访问和可视化历史数据。
399、电力可按机器/工艺步骤测量，例如：接收/预分拣、主分拣、最终分拣、碎化、纤维到纤维机械回收和捆包。
400、自动计算每个工艺随时间变化的平均电力消耗量，并与同期平均工艺处理量进行比较以计算工艺效率。这些效率可分摊到每公斤，并累加每个工艺步骤，以计算每捆已分拣纺织品的功耗。可添加天然气和水消耗量的平均值，以全面了解与每捆生产的已分拣纺织品相关的资源消耗量。
401、与企业资源计划（enterprise resource planning，erp）系统集成
402、与erp系统集成用于自动调整库存并生成销售订单。集成也可与其他外部数据系统（如数字产品护照平台（digital product passport，dpp ））进行。
403、mes通过rest api与erp系统集成，意味着数据从erp系统接收并交付给erp系统。
404、接收的数据包括：
405、-户列表及相关信息，如：
406、客户类型
407、客户id
408、客户名称
409、-货物id列表及相关信息，如：
410、物料类型
411、货物编码
412、货物名称
413、交付的数据包括：
414、-交付分拣完成时，传输以下信息：
415、交付id
416、客户id
417、接收日期+时间
418、分拣完成日期+时间
419、接收kg
420、登记以下各类公斤数：
421、预分拣
422、主分拣
423、最终分拣
424、-捆包制成时，传输以下信息：
425、货物id
426、重量[kg]
427、捆包id
428、创建时间
429、存储位置
430、若捆包在存储位置之间运输，则传输以下信息：
431、捆包id
432、新存储位置
433、当发货订单完成时，扫描的捆包列表和客户信息将传输至erp系统，以根据货物价格自动调整库存并生成销售订单。传输信息列表参见“发货订单”。
434、实时关键绩效指标（key performance indicators，kpi）可视化
435、mes包含专用仪表板页面，显示实时kpi数据和可视化图表。数据直接从数据库系统提取，以表格和预定义图表（如条形图、饼图、仪表盘和其他可视化形式）呈现。