基于机器视觉的生活垃圾智能分拣系统

系统总体设计方案

1. 目标识别单元设计
   • 软件构成
     • 人工辅助模块
     • 深度学习网络
       • 目标检测方法
       • 目标分类识别算法设计和改进
     • 中间结果综合处理单元
   • 硬件构成
2. 分拣控制单元设计
   • 运动学分析
   • 协同控制
   • 硬件设计选型

---

项目说明

该系统的使用环境为智能化的生活垃圾分拣车间，垃圾传送带上进行对目标的识别、抓捕和分拣操作；同时根据环保行业的相关政策和利润分析，玻璃瓶和塑料瓶一方面不利于自然分解，且难以利用磁吸、震动筛选等方法拣出，另一方面对瓶子破裂后对后续分拣回收造成不利影响，因此以玻璃瓶和塑料瓶作为本文的抓捕目标进行系统设计。

结合基于机器视觉的智能生活垃圾分拣系统的整体解决方案，通过总体目标需求分析，可描绘出本系统的使用规划，参考工业4.0智慧工厂、云计算、智能车间等信息化厂房布局和规划，可将本系统总体分为云计算管理层、工厂级中央监控层、车间及设备综合管理层、系统及智能控制器层、设备级智能控制器层和车间执行设备层等六层结构。

在生活垃圾分拣子系统部分，分别由自动分拣控制平台（网络PC机）、机械臂控制柜、工业机械臂、视觉处理器、光学检测设备、传送带控制器和传送带等设备组成。

---

本项目主要研究的关键技术

1. 基于视觉识别的分类检测技术
2. 垃圾物的抓取执行器的机构设计与控制技术
3. 垃圾抓取机械臂的在线轨迹规划技术
4. 多机械臂协同控制方法

---

目标识别单元设计

---

形态学识别模块

基于深度学习的目标检测技术

• 区域卷积神经网络R-CNN
• FastR-CNN

目标分类识别算法设计和改进

• Faster-RCNN模型

  • RPN网络（采用全卷积网络设计方式，卷积层采用VGG-16模型，并与后续的分类网络共享卷积，减少重复计算）

  • VGG-16网络

    采用交替训练的方法来交替优化训练共享特征

• Hyper-Column方案

  对原始的VGG-16进行了改进

深度学习网络

• 对输入的图像分层卷积和池化
• 分类器

人工辅助处理模块

中间结果综合处理单元

目标识别单元构成

• 采样相机选型
• 工业计算机选型

分拣控制单元设计

• 分拣机器人运动学分析
  • 机械臂正逆云顶学模型分析
• 多机械手控制设计
• 硬件设计选型
  • 工业机器人的选型
  • 工业机器人控制器选型
  • 综合控制器选型
  • 末端执行器的设计