在现代物流仓库的管理过程中,货物的分拣及装卸是仓库管理中必须要进行的作业动作。传统叉车作为当前货物分拣及装卸的常用设备,存在柔性不高、智能化程度低、耗费人力且工作效率不高。由于现代仓库对货物的智能化管理需求越来越高,这些问题的重要性日渐凸显,所以本文研究一种基于机器学习的AGV货物分拣系统。本文的主要研究工作包括:(1)基于机器学习的AGV分拣系统的框架设计。系统在复杂路径环境下具备边检测、边学习和边优化的性能,具有较强的鲁棒性;并且在文章中设计了基于机器学习的AGV分拣系统的硬件总体框架与软件总体框架,并详细地加以介绍。(2)AGV分拣系统的硬件设计。论文的第二章提出了AGV分拣系统的硬件框架,也对框架内划分的子系统进行分析。文章在总体硬件框架分析的基础上,详细介绍了控制器硬件设计、控制器外围电路设计、AGV货物识别硬件设计、AGV定位硬件设计、AGV路径导航、避障硬件设计。(3)AGV分拣系统的软件设计。首先设计AGV分拣系统软件的整体流程图。然后在软件总体流程图的基础之上,详细分析了数据采集、无线通讯、AGV货物识别与定位的软件设计。最后重点介绍了基于机器学习的路径规划算法,以及采用部分感知马氏决策模型求解最佳规划路径。基于机器学习的AGV分拣系统可通过多传感器检测数据融合与机器学习分析算法配合。能够在减少人工干预的情况下,实现自动完成货物分拣功能。从而提高仓库的智能化管理,降低人力成本。