基於機器視覺的生活垃圾智能分揀系統

系統總體設計方案

1. 目標識別單元設計
   • 軟件構成
     • 人工輔助模塊
     • 深度學習網絡
       • 目標檢測方法
       • 目標分類識別算法設計和改進
     • 中間結果綜合處理單元
   • 硬件構成
2. 分揀控制單元設計
   • 運動學分析
   • 協同控制
   • 硬件設計選型

---

項目說明

該系統的使用環境為智能化的生活垃圾分揀車間，垃圾傳送帶上進行對目標的識別、抓捕和分揀操作；同時根據環保行業的相關政策和利潤分析，玻璃瓶和塑料瓶一方面不利於自然分解，且難以利用磁吸、震動篩選等方法揀出，另一方面對瓶子破裂后對后續分揀回收造成不利影響，因此以玻璃瓶和塑料瓶作為本文的抓捕目標進行系統設計。

結合基於機器視覺的智能生活垃圾分揀系統的整體解決方案，通過總體目標需求分析，可描繪出本系統的使用規划，參考工業4.0智慧工廠、雲計算、智能車間等信息化廠房布局和規划，可將本系統總體分為雲計算管理層、工廠級中央監控層、車間及設備綜合管理層、系統及智能控制器層、設備級智能控制器層和車間執行設備層等六層結構。

在生活垃圾分揀子系統部分，分別由自動分揀控制平台（網絡PC機）、機械臂控制櫃、工業機械臂、視覺處理器、光學檢測設備、傳送帶控制器和傳送帶等設備組成。

---

本項目主要研究的關鍵技術

1. 基於視覺識別的分類檢測技術
2. 垃圾物的抓取執行器的機構設計與控制技術
3. 垃圾抓取機械臂的在線軌跡規划技術
4. 多機械臂協同控制方法

---

目標識別單元設計

---

形態學識別模塊

基於深度學習的目標檢測技術

• 區域卷積神經網絡R-CNN
• FastR-CNN

目標分類識別算法設計和改進

• Faster-RCNN模型

  • RPN網絡（采用全卷積網絡設計方式，卷積層采用VGG-16模型，並與后續的分類網絡共享卷積，減少重復計算）

  • VGG-16網絡

    采用交替訓練的方法來交替優化訓練共享特征

• Hyper-Column方案

  對原始的VGG-16進行了改進

深度學習網絡

• 對輸入的圖像分層卷積和池化
• 分類器

人工輔助處理模塊

中間結果綜合處理單元

目標識別單元構成

• 采樣相機選型
• 工業計算機選型

分揀控制單元設計

• 分揀機器人運動學分析
  • 機械臂正逆雲頂學模型分析
• 多機械手控制設計
• 硬件設計選型
  • 工業機器人的選型
  • 工業機器人控制器選型
  • 綜合控制器選型
  • 末端執行器的設計