随着我国经济和城镇化进程的快速发展,实现中国梦,完成伟大复兴的任务取得了关键性进展,但是环境问题也日益严重。2005年我国就提出“金山银山不如绿水青山,绿水青山就是金山银山”的科学论断,提高保护生态环境的意识,其中垃圾分类和处理是关键。我国仍采用流水线人工分拣的方式进行垃圾分类,这种传统方式存在自动化程度低,对人力劳动力需求大,环境恶劣和分拣效率低等问题,已无法满足日益增加的垃圾处理需求。随着我国逐渐在人工智能领域完成“弯道超车”和我国工业自动化水平的不断提高,自动化工厂的经验与技术不断提升。提出并完成一套利用机器视觉对垃圾进行无接触式分类检测并利用工业机器人实现自动化智能化垃圾分拣的系统具有可行性,同时该系统的研究具有很强的理论意义和重要的应用价值。首先,完成智能垃圾分拣系统的硬件搭建,包括工控机、工业机器人和工业相机等,并在工控机上搭建系统控制软件,完成机器人控制和系统各元件间调度。通过实验测试,完成对工业机器人的精准控制。其次,完成机器视觉算法,包括用于检测垃圾类别与定位的深度学习网络和用于检测垃圾姿态的图像处理算法。本文的深度学习采用SSD作为基础网络,对主干结构进行修改并增加注意力机制以提取更优的图像特征,利用特征金字塔的方式进行跨层式特征融合,使用于检测的特征图包含多元信息,采用更优的激活函数和损失函数,提高检测的准确性。利用传统数字图像处理简易,计算速度快和算力需求低的优势,对已定位到的垃圾进行姿态检测。实验结果表明,本文提出的机器视觉算法可以满足垃圾分拣的实际应用需求,机器人通过已知姿态信息可以大幅提高垃圾分拣的准确率和成功率。最后,提出一套系统标定的方法和系统协作控制策略。为了统一系统的世界坐标系,本文以传送带作为中间媒介,先完成传送带与工业相机的标定,再完成传送带与工业机器人的标定,从而完成工业相机与工业机器人的标定。为了满足智能垃圾分拣系统的实际使用需求,本文将控制软件,工业机器人控制和视觉算法计算分别用不同的线程完成,提高系统的易用性、可靠性、准确性和实时性。本文改进的深度学习算法相比于原始算法准确度提高了6.5%,姿态检测的平均误差为1.5°,提高了垃圾的自动化分拣水平,对垃圾处理和环境保护具有非常重要的意义,且本文的分拣模型在工业流水线中具有很高的移植性和扩展性。