目前,受经济与技术水平影响,对塑料垃圾的处理方式,主要为直接掩埋。这样的处理方式会导致几百年无法降解,垃圾处理场地日益枯竭,无法利用可回收资源,导致资源流失。因此,研究基于计算机视觉的废旧塑料瓶识别和自动分拣定位系统对大规模回收利用废旧塑料和保护环境具有重要意义。本课题提出的分拣设备中塑料瓶识别与定位系统的研究与设计,是对采集训练塑料瓶数据集、调用模型和目标垃圾定位等关键技术的研究,课题的研究内容主要分为以下几个方面:1、对系统进行功能分析和需求分析,并且根据调研情况制定系统的总体计划,对系统硬件选型进行方案论证(如ARM9处理器、相机、触摸屏、DC-DC直流转换器模块、存储模块、通信模块和电平匹配模块等)和系统软件(如嵌入式Linux),从而完成对分拣设备中塑料瓶识别与定位系统的总体设计;2、在系统硬件上实现嵌入式软件平台。首先需要在PC端建立深度学习框架并且搭建系统所需的第三方库,然后在嵌入式软件上进行交叉环境的编译、配置、裁剪和移植,并对嵌入式系统下的Open CV进行介绍和详细的源代码编译说明,最后生成嵌入式系统下的图像依赖库,并通过程序移植进行验证;3、系统数据采集与模型训练。数据集主要通过自己采集和网络来获取正负样本,再通过手动标注软件等方法对数据标注。在PC机中搭建训练的环境平台,进行塑料瓶数据集训练,建立相关识别模型;4、将训练得到的深度学习模型进行验证,对定位算法进行研究分析并在ARM板上进行代码实现;5、系统硬件软件平台的测试。首先对设计的硬件平台进行驱动测试,然后模拟实际的预设场景,应用移植在ARM的算法进行塑料瓶的识别,通过测试矫正系统参数与状态;通过上面的研究,搭建系统的硬件和软件的环境平台,实现了塑料瓶的识别和定位,证明了系统的可行性和实践性。平均识别准确率达到90.47%,系统反应时间在0.5s以内。根据比较,本文使用的算法YOLOv3在识别速度和算法的繁琐性上都优于其他的一些算法,对后期系统的完善能够更加深入的开展。