随着人工智能和机器人在自动化生产线广泛应用,无人化、智能化为其提供了有力技术支撑。垃圾分类和再利用是当今亟待解决的社会问题,本研究结合机器视觉和机器人优势,基于Halcon的图像处理平台和IRB1410机器人的运控载体,对固体流通商品按国家分类标准进行分拣。重点研究机器人逆运动学算法、垃圾外包装条码实时采集、数字图像处理、数据传输及机器人分拣等内容。试验结果表明(1)随机商品条码识别与数据库匹配平均时间0.002s;(2)可回收垃圾和有害垃圾分拣率100%、干垃圾分拣率达97.0%。

针对目前垃圾资源化利用的问题,为提升垃圾分拣工作的速率,并减少人工成本,通过对目标检测算法SSD(Sin?gle Shot Multibox Detector)的研究与分析,提出了基于改进的SSD垃圾分类算法,对基础特征提取网络VGG16参数量大、检测性能低等问题,使用DenseNet的网络结构,加深网络层数,并使用通道叠加的方式加强信息传递,从特征复用的角度上加强网络性能;对原网络对于小目标检测能力弱的问题,利用FPN结构加强特征图中包含的语义信息,提高对小目标的检测能力;对原损失函数在模型评估时的不等价情况,引入GIoU损失提高定位精度。这里的算法在PASCAL VOC数据集与自己制作的生活垃圾检测数据集上测试,其中在PASCAL VOC数据集上的检测结果显示,这里的算法相比于SSD300和SSD512分别有1.7%和1.9%的提升;在生活垃圾检测数据集上,分别有2.1%和3%的提升。

目前我国对于智能化垃圾分类回收仍处于完善推广阶段。文中应用重构优化后的YOLOv5神经网络模型,搭配YOLOv5.s权重,TensorRT加速等手段能取得良好的智能垃圾分类识别效果,在其自建数据集准确率达95.23%以上,移动端部署识别速度达120 fps以上,同时搭配多级分类机构和物联网云平台等手段,能较好地实现智能垃圾分类系统社区化部署。有望解决日常生活中生活垃圾的自动分类问题,进一步缓解了日益增加的垃圾种类多、分类困难的问题,促进了垃圾分类的普及。

垃圾分类过程中垃圾形态的不规则、黏滞物附着等因素都会阻碍垃圾的识别与分拣,进而制约垃圾分类效率与自动化程度的提升。针对垃圾表面黏滞物附着问题,文中提出一种具有黏滞物分离功能的智能垃圾桶,利用内置的振筛与离心机构实现对垃圾的筛分与表面黏滞物的分离,降低不同类型垃圾识别与分拣的难度,减轻环卫人员作业负担,为提升垃圾分类的效率与自动化程度提供参考。

生活垃圾的处理是否得当不仅关系到生态文明建设是否能够顺利进行,而且它将决定我们人类今后的生存空间。针对垃圾分类回收的现有问题,设计了一种能够自动完成垃圾分类回收工作的垃圾桶,用以实现从源头对垃圾进行控制。该方法既符合我国的社会现状,也符合社会对资源以及环境的要求。