来源：期刊VIP网 时间：
作者：王喜社;朱炜义;
单位：桂林电子科技大学机电综合工程训练国家级实验教学示范中心;桂林电子科技大学机电工程学院;
摘要：针对人工垃圾分类复杂繁琐的问题，设计了一款基于机器视觉的多垃圾自动分类系统。该系统主要由检测系统和分拣系统两部分组成。树莓派4B、NCS2(Neural Compute Stick 2)与高清摄像头等构成检测系统，将训练YOLOv4-Tiny网络建立的目标检测模型通过OpenVINO工具包优化后部署于树莓派进行实时垃圾识别与定位。Arduino、UM(Ultimaker)结构、二自由度机械臂与分拣台等构成分拣系统，采取S型加减速算法与PI位置环算法控制步进电机，提高了运行效率。实测结果表明:该系统分类垃圾的平均准确率高达91%以上，平均速度约为6秒每个，实现了对同时投入的多个垃圾快速准确地进行分类。
关键词：机器视觉;;深度学习;;YOLOv4-Tiny;;多垃圾;;自动分类;;树莓派;;Arduino
基金资助：国家级大学生创新训练计划项目(202110595071)
