一种基于深度学习的机械臂分拣系统技术方案

一种基于深度学习的机械臂分拣系统，抓取模块包括电子阀门、真空气泵；真空气泵固定安装机械臂端部，真空气泵导管上固定安装电子阀门；定位模块包括定位相机、超声波探测器；定位相机固定安装机械臂端部，超声波探测器固定安装机械臂端部一侧，识别相机固定安装机械臂端部另一侧；PC机分别与识别相机、通信模块通信连接，通信模块与MCU主控器通信连接；MCU主控器输出端分别电性连接机械臂、电子阀门、真空气泵、定位相机输入端、超声波探测器输入端，定位相机输出端、超声波探测器输出端电性连接MCU主控器输入端。将机械臂控制与深度学习结合，可有效识别待分类物品，通过改良神经网络算法进行训练，具有识别准确率高、结构简单、分拣效率高的优点。拣效率高的优点。拣效率高的优点。

【技术实现步骤摘要】
一种基于深度学习的机械臂分拣系统


[0001]本技术涉及垃圾分拣
，特别涉及一种基于深度学习的机械臂分拣系统。

技术介绍

[0002]针对我国垃圾产量每年的增长率超过百分之十，每年产生城市垃圾近1.5亿吨。我国虽已推广垃圾分类，但也有多数人与地方没有具备垃圾分类意识或条件，这也导致垃圾分拣环节的任务加重，对分拣工人的身体健康产生更多不良影响。随着深度学习概念的提出，卷积神经网络、循环神经网络等算法的推广应用，训练后的机器可以自主建立识别逻辑，大幅度提升了图像识别的准确率。因此在基于深度学习等基础上，应用图像识别进行分拣也得到广泛运用。
[0003]现有的垃圾自动分拣装置复杂，且往往精确度不高，因此需要一种结构简单，提高分拣精度、易于推广的分拣系统。

技术实现思路

[0004]本技术针对现有技术中的不足，提供一种基于深度学习的机械臂分拣系统，既能有效地实现对垃圾的识别、分拣功能，又具有识别准确率高、结构简单、分拣效率高的优点。
[0005]为实现上述目的，本技术采用以下技术方案：
[0006]一种基于深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的机械臂分拣系统，其特征在于，包括MCU主控器、抓取模块、机械臂（1）、定位模块、通信模块、PC机（2）、识别相机（3）；所述抓取模块包括电子阀门（4）、真空气泵（5）；真空气泵（5）固定安装在机械臂（1）端部，真空气泵（5）导管上固定安装电子阀门（4）；所述定位模块包括定位相机（6）、超声波探测器（7）；定位相机（6）固定安装在机械臂（1）端部，超声波探测器（7）固定安装在机械臂（1）端部一侧，所述识别相机（3）固定安装在机械臂（1）端部另一侧；所述PC机（2）分别与识别相机（3）、通信模块通信连接，通信模块与MCU主控器通信连接；所述MCU主控器输出端分别电性连接机械臂（1）、电子阀门（4）、真空气泵（5）、定位相机（6）输入端、超声波探测器（7）输入端，定...

【专利技术属性】
技术研发人员：丁书艺，韦朴，施徐伟，宋英卓，邱家豪，郑思婕，蔡潼，
申请(专利权)人：南京工程学院，
类型：新型
国别省市：