用于智能垃圾分拣的注意力YOLOv4算法

针对人工垃圾分拣效率低、工作环境恶劣且成本高的问题,提出了一套智能可回收垃圾分拣系统,该系统采用RGB图像作为视觉信息输入,通过目标检测算法获取垃圾在传送带上的位置坐标信息,并通过机械臂对垃圾进行分拣操作。可回收垃圾形态各异、种类繁多,为提高检测算法的泛化能力,建立了一个含36 572帧图片的可回收垃圾数据集,并基于此数据集上训练目标检测算法。基于YOLOv4提出了嵌入注意力机制的目标检测算法Attn-YOLOv4,经实验验证,Attn-YOLOv4算法的mAP比原始YOLOv4算法高0.16个百分点。在静态识别功能的基础上,提出基于多线程的目标跟踪算法实现了对运动垃圾的快速稳定跟踪,在20 mm误差范围内达到了0.945的精确度。此外,后处理模块对图像进行形态学处理并获取垃圾的世界坐标以及放置角度,供机械臂进行分拣操作。分别对目标检测和跟踪算法进行验证,在实际分拣流水线上验证并评估了该智能可回收垃圾分拣系统的可行性、精度及分拣的成功率。     

可回收物智能分拣系统的设计与实现

针对当前城市生活垃圾存在的处理设备速度较低和成本过高不能满足市场需求的问题,设计一套不同于机械臂的流水线拨杆式可回收物智能分拣系统。该系统包括硬件系统、控制系统以及图像识别部分,控制系统中采用实时操作系统Free RTOS(free real time operating system),研究多步进电机多任务同步控制算法,保证分拣任务的及时性和有效性;图像识别系统基于50层的残差网络(residual network 50,Res Net50),引入伽玛(Gamma)校正图像预处理算法,对Softmax函数进行改进,有效降低物品分类的误检率。搭建实物平台实验,其结果表明,改进的分拣系统能有效进行分拣操作,较其它可回收物分拣系统有一定提高,系统鲁棒性较好。     

城市生活垃圾分类智能引导系统设计与实现

城市生活垃圾是一种放错位置的宝物，在当前的智能化城市的发展中，对垃圾分类放置被广泛地提出来，一是提高垃圾的处理效率，二是避免所有垃圾混合丢弃，导致部分可回收垃圾被弃用。系统以实现引导垃圾分类投放为目的，通过对四种不同类型垃圾的关键字进行语音识别后，自动开启对于类型的垃圾桶盖，引导人们分类投放。系统以STM32单片机为主控芯片，由LD3320语音识别电路，WT588D语音播报电路和舵机驱动电路组成。系统工作可靠性、稳定，语音识别正确率高，实现了城市生活垃圾智能分类引导的功能。     

一种基于SIMATIC S7-1200控制系统的户外智能垃圾分拣箱设计

为提高垃圾分类效率,降低后续处理工作的难度,提出了一种基于SIMATIC S7-1200的户外智能垃圾分拣箱结构及控制系统的方案,并对其工作原理及结构进行了全方面的介绍。该智能分拣箱具备垃圾种类自动识别和分拣功能,能有效地完成垃圾分类收集环节的预分拣工作,同时具备远程监控功能以便管理人员及时地监控各设备的运行情况。     

基于图像识别的分类垃圾桶设计与仿真

垃圾分类是保护生态环境、促进经济发展的有效措施。以Arduino和Raspberry Pi为控制板结合Inception V3垃圾图像识别算法,针对厨余、可回收、其他、有害四类垃圾设计出垃圾识别准确率可达97%的分类垃圾桶。为验证该分类系统的可行性,进行了垃圾分类仿真实验,结果表明,编写的分类程序满足设计要求,系统可稳定运行,垃圾识别精准度高。     

智能移动垃圾分拣机器人设计与实现

随着我国人口红利逐渐减弱,以及计算机、工业自动化水平的提高,迫切要求通过自动化设备代替传统人工进行工作。本作品研究基于视觉识别技术的智能移动垃圾分拣机器人,能够进行路径规划遍历清扫区域,扫描识别垃圾并抓取垃圾。作品由导航单元、目标识别单元以及分拣控制单元三部分组成。导航单元基于ROS分布式框架,利用激光雷达采集清扫区域环境信息,实现基于扫描匹配算法的SLAM功能,并通过最优路径算法进行路径规划遍历清扫区域。机器人遍历过程中,由目标识别单元通过SSD_MobileNet_V2深度学习算法对摄像头获取的图像进行目标检测以及目标分类,获取目标的坐标及其角度信息作为分拣控制单元的输入信息,控制分拣控制单元执行垃圾抓取任务。     

基于AI视觉的智能垃圾分拣系统

本文介绍了一种基于AI视觉的智能垃圾分拣系统。该系统利用JetsonNano作为视觉处理器,具备强大的图像处理和识别能力。主控部分采用STM32,通过舵机构成的二维云台实现垃圾的准确分拣。系统设计了红外满载检测模块,能够准确检测垃圾桶是否已满,并配备消毒系统,包括水泵和超声波雾化器,能够对垃圾桶进行定期消毒,提高卫生安全性。物联网模块能够实时上报垃圾桶容量信息,并通过显示屏进行直观展示。系统还配备MP3模块,能够播放提示音,提醒用户正确投放垃圾。该系统采用了AI视觉算法,通过训练和优化模型,能够准确识别不同类型的垃圾,并将其分拣到相应的垃圾桶中。     

缺陷药片智能识别与分拣机器人研究

针对药片表面质量检测主要依靠人工肉眼判断、检测效率低和漏检等问题,开展了缺陷药片智能识别定位与分拣机器人技术研究,进行了机器人系统总体设计和结构设计,采用Halcon机器视觉开发平台编写了图像识别与处理软件对缺陷药片进行识别和定位,对机器人进行了正运动学和逆运动学分析,编写了药片位置信息解算软件,通过指令驱动机器人各关节运动对缺陷药片进行准确抓取,实现了缺陷药片的智能化分拣。通过所设计的缩比机器人系统对药片进行分拣,验证了缺陷药片智能识别定位与分拣的功能,该机器人系统具有成本低、工作范围大、智能识别定位准确、通用性好的优势。     

基于声纹识别及远程控制的分类垃圾桶

随着保护环境意识的深入人心,国家对垃圾分类也越来越重视,垃圾分类已成时代的大势所趋。针对广大用户对垃圾分类知识了解不足等情况,文中介绍了一种基于语音识别及远程控制的分类垃圾桶,由振动识别、超声波测距等模块实现对垃圾桶的开关控制;声纹识别、语音播报等模块用于检测、识别用户说出的声音,分析判断后启动语音播报和控制垃圾桶开关的功能;APP蓝牙无线控制为使用者远程查看并控制垃圾桶的开关提供支持;称重检测模块检测垃圾桶内的垃圾是否过量,当桶内垃圾过量时及时提醒。经功能试验,本设计能实现通过语音识别等功能模块辅助用户进行垃圾分类的功能,且该系统运行稳定,具有良好的使用价值。     

一种改进的轻量级垃圾目标检测算法

垃圾分类问题的解决方法目前主要依靠垃圾处理厂人工分拣,其工作环境较差且自动化程度不高.为了提高垃圾分拣的速度与精度,以及为自动垃圾分拣设备提供算法解决参考方案,文章提出一种面向低功耗设备的轻量级垃圾目标检测算法Ghost-YOLO,该算法在保证轻量化的同时具有较高的垃圾检测精度.Ghost-YOLO算法是基于YOLOv...     

基于嵌入式机器视觉的流水线分拣机器人设计

针对传统流水线上人工错误率高、速度慢和人工成本高的问题,设计了一种深度学习的流水线智能分拣机器人来缓解流水线的压力。该机器人采用分层结构设计,上位机采用Jetson Nano来完成机器人的图像采集、识别和处理,下位机由STM32G0作为主控,通过舵机和电机实现机器人的功能控制。同时上位机与下位机之间进行有效的数据交互,实现了机器人的抓取和分拣协调工作。在实验测试中,该机器人能够通过学习样本实现自动分拣不同类型的对象,并且能够精确识别。该流水线分拣机器人融入了计算机视觉与嵌入式系统,不仅使分拣机器人结构更紧凑,而且有利于提高社会生产力水平,具有良好的应用前景。     

基于ARM平台的增量学习式垃圾短信判别分检系统

当前垃圾短信层出不穷,严重影响到人们的工作生活。由于运营商SP的不作为甚至推波助澜,使得在客户的手机端通过对短信息过滤来实现垃圾短信的判断分拣就变得非常必要。作者介绍了一个在ARM9平台上开发的"自主学习式垃圾短信判别分拣系统",通过在手机短信软件所有正常功能的基础上增设垃圾箱,采用增量学习的方式不断调整特征的权值,实现了以极高的准确度判断出收到的短信息是否垃圾短信,进而决定是将短信放入收件箱还是放入垃圾箱。ARM9平台实验结果显示该系统完全可以运行在低性能手机中,表明这项技术适用于大众手机,使大多数用户彻底告别垃圾短信骚扰。     

基于ARM的智能可视化监控站点的设计

介绍了一种成品烟分拣监控智能站点系统,该系统采用ARM微控制器AT91RM9200为控制核心,结合嵌入式Linux操作系统,实现了友好的显示、信息录入和节点通信等功能.文中给出了系统软硬件设计方案,对其实现方法及其关键技术进行了研究.实验结果表明该系统工作稳定,具有一定的应用价值.     

基于机器视觉的机器人物料分拣系统的设计

随着生产技术发展和产业转型升级,机器人代替人工劳动是大势所趋,而视觉是机器人的“眼睛”。分拣是工业生产过程的关键环节,但传统分拣工作多以人工分拣为主,这降低了生产效率,且难以保证产品质量。运用基于机器视觉的机器人物料分拣系统,能对不同颜色的物料进行准确识别和精准定位。本文阐述了机器视觉应用的意义、基于机器视觉的机器人物料分拣系统组成,设计了基于机器视觉的机器人物料分拣系统软件,分析了系统的应用优势。通过实践,实现了基于机器视觉的机器人物料分拣系统功能,提高分拣安全性、可靠性和工作效率,从而提高工业生产的智能化,适应产业发展需要。     

基于机器视觉的智能垃圾分类装置

文章设计了一种基于机器视觉的智能垃圾分类装置用于垃圾分类。使用树莓派作为主板，依托于Lobe Tensorflow平台使用机器学习算法实现垃圾图像处理功能。通过树莓派Linux操作系统中Python IDE状态栏输出垃圾识别信息，调动由舵机组成的分拣平台实现智能垃圾分类。基于机器视觉的智能垃圾分类装置具有可学习、成本低、易组装、操作简便以及上手快速等优点。     

基于机器视觉的颜色分拣机器人设计

为了提高分拣工作的效率、降低成本,设计了基于视觉识别的颜色分拣机器人。该机器人将OpenMV作为机器视觉的主要模块,机械臂作为运动模块,通过KPZ51核心系统板完成模块之间的信息互通,基于Lab颜色空间以及CamShift跟踪算法实现了颜色识别与跟踪、物体抓取、串口通信等多种技术。测试结果表明,改进后机器人识别的正确率从56%提高到了92%。颜色分拣机器人能够根据颜色对物体进行分拣。     

一种城市生活垃圾智能检测分类系统设计

针对目前分类垃圾桶自控能力不足、分类效果差等问题,提出一种基于深度学习的城市生活垃圾智能检测分类系统设计,利用垃圾桶入口处的摄像机进行垃圾图像采样,再通过深度学习技术识别垃圾种类,进而触发分拣设备,实现生活垃圾精准分类投放.该系统具有高效、环保、节能等特点,在资源回收利用、保护环境等方面具有一定的应用价值.     

不规则多物品无序分拣机器人研究

针对多种不规则物品混乱摆放的抓取问题，一直是机器人领域研究的热点和难点，对其研究在家庭生活服务机器人等领域有很高的应用价值。为实现这一功能，基于双目相机和协作机械臂搭建一套物品分拣机器人系统。系统中基于YOLOv5算法和PSMNet网络建立起目标检测和双目立体匹配算法，利用ROS系统的MoveIt模块进行机械臂控制。经过实验验证，该机器人能够有效识别、定位和分拣形状不规则、表面纹理丰富、摆放混乱的物品，对经过训练的物品识别成功率达到100%，分拣成功率达到93.3%。     

基于OpenGL的工业机器人分拣系统仿真

针对工业机器人视觉分拣工件问题,开发了一套工业机器人分拣仿真系统。该系统主要包括工件的识别与定位算法和机器人分拣的动态仿真,是基于VC++6.0开发平台和OpenGL图形库而开发的。工件识别是依赖于角点检测实现的。本文在确定工件表面中心和长轴的基础上,基于几何原理提出了一种新的机器人运动学反解方法,并验证了运动学分析的正确性,且直观地实现了机器人分拣工件的动态仿真。仿真结果表明,该系统能够快速、准确分拣工件,满足实际工程的要求。     

改进SSD的可回收垃圾检测方法

目前我国可回收垃圾的回收利用主要依靠人工分拣的方式,造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用,提出了一个基于改进single shot multibox detector（SSD）算法的可回收垃圾检测器。针对模型参数量大,难以部署应用的问题,选用新的主干特征提取网络,引入轻量化的网络RepVGG替换SSD中的VGG16网络,同时采用结构重参数化的方式大幅减少参数量和计算量。修改SSD的辅助卷积层结构,进一步减少参数量。针对数据集尺寸变化大的问题,引入SK模块,自适应调整感受野的尺寸,提高检测精度。实验结果表明,改进的SSD模型在可回收垃圾检测任务上具有较好的检测精度和实时性,精度为95.23%,相较于原始SSD提升了4.33个百分点,检测速度可以达到64?FPS,因此该算法可以更好地应用于工业。