［摘要］文章主要研究计算机视觉技术在塑料产品自动分拣系统中的应用。首先，系统阐述基于计算机视觉技术的塑料产品自动分拣系统的组成和功能实现路径。然后，通过案例模拟检测，验证系统性能。基于分析结果可知，应用计算机视觉技术可以大幅度提升塑料产品自动分拣效率和性能。一方面，通过计算机视觉技术可以实现图像智能识别和精准定位；另一方面，通过计算机视觉技术可以实现塑料产品类别自动化筛选。

　　［关键词］计算机视觉技术；塑料产品；自动分拣系统

　　0引言

　　计算机视觉技术是借助计算机模拟人类视觉，赋予机器感知视觉信息能力的技术。其通过采集视频图像、预处理等步骤，能精准定位和识别产品，同时快速感知周边环境。基于获取的视觉信息，计算机视觉技术可实现对设备运动轨迹的智能规划与动态调整，助力自动化任务高效完成。从技术内涵角度来看，该技术涉及多学科知识，如计算机科学、物理学、计算机工程、统计学等，而上述多学科知识的融合为技术作用的发挥提供支持。综上，该技术的应用，为开启人机交互、智能生产等提供了有效支持。基于其优势，探究其在塑料产品自动分拣系统中的应用有重要意义。

　　1计算机视觉技术在塑料产品自动分拣系统中的应用

　　具体来看，塑料产品自动分拣系统主要由电控部分和机械部分组成。其中，电控部分负责图像采集、图像识别、视觉处理等；机械部分负责依据电控部分获取的信息和下发的指令，实现塑料产品分类处理和自动收集分拣。笔者将对自动分拣系统的组成结构和功能实现流程等进行分析，详细阐述计算机视觉技术在其中发挥的作用［1］。

　　1.1基于计算机视觉技术的塑料产品自动分拣系统阐述

　　文章研究的自动分拣系统的电控部分以计算机视觉技术为基础，充分发挥图像分类技术、对象检测技术、目标跟踪技术及图像分割技术等关键技术的优势，实现图像智能化处理。为精准把控产品分拣流程，计算机视觉技术会辅助制定分拣动作起始与终止规则。同时，依据塑料产品分拣具体需求和作业场景，筛选适配的图像分割算法，灵活调整图像分类检测策略及图像处理方法，高效、智能完成塑料产品分拣任务。由此可知，计算机视觉技术的应用，对于提升自动分拣的科学性、速度和精准度有积极作用。此外，机械部分挡板动作、分拣行为等也需要计算机视觉技术获取的信息提供指引。通过精准的信息数据和指令，机械部分自动完成规定动作，实现塑料产品分拣目标。该系统的日常作业控制流程如图1所示。
　　结合图1中的控制流程进行分析，基于计算机视觉技术的塑料产品自动分拣系统需要具备视觉识别单元、图像处理单元、操作机械单元（包含负责执行指令的机械部分）。其中，计算机视觉技术主要在图像处理单元发挥作用，分拣系统的核心功能如图像处理、塑料产品分类等，均依托该单元实现。该系统主要组成结构框架如图2所示。

　　结合图2来看，自动分拣系统具体组成部分如下：第一，视觉识别单元。为确保对塑料产品的精准识别，选用德国Balser公司的Ace-640型号工业摄像机担此重任。即使面对高速流转在传送带上的塑料产品，这款摄像机也能迅速定格其瞬间，实时摄取清晰、精确的图像，真实还原塑料产品的本色。与传统摄像机相比，其感光耦合组件（Charge-coupled Device,CCD）优势尽显，在光线、环境等同等条件下所捕捉到的画面通透感十足、准确无误，可以为后续的分拣判断提供高保真的图像依据［2］。

　　第二，图像处理单元。在图像处理环节，选用EPC-365型号的工业个人计算机（Personal Computer,PC），该设备性能优良，足以满足其需求。具体来看，该设备具备较强的稳定性，即使处于高温、潮湿或粉尘较多的恶劣环境中，也能持续稳定工作，确保分拣流程不间断。同时，其可以通过物联网与工业摄像机联合，实现协同作业。此时，工业摄像机上的摄像头可以将采集到的塑料瓶图像信息飞速传输至这一上位机（PC机）。而上位机接收到信息后随即开启智能处理模式，运用先进的算法对图像进行产品分类、颜色甄别及位置动态追踪，通过深度分析，精准判定塑料产品的类别特征，并迅速将处理结果下达至下位机（自动分拣相关部件，如挡板、分拣部件等），为后续的分拣动作下达精准指令［3］。

　　第三，机械操作单元。该部分以衔接的分类装置为主。选用STM32F103单片机作为主控器件，其内置的8个定时器如同8个精准的节拍器，能够同时驱动多路挡板默契协作，对塑料产品进行闪电式分拣。控制处理器一旦接收到PC机传来的判别信号，便会立即对舵机下达精准操控指令。

　　1.2功能实现路径

　　1.2.1采集塑料产品图像进行预处理

　　选用Ace-640型号工业摄像机，其高速快门与高感光度特性，可在传送带运转时获取清晰无拖影的塑料产品原始图像。随后，上位机图像处理单元利用灰度变换调整亮度对比度，运用高斯滤波去除噪声，通过自适应直方图均衡化解决光照不均问题。经预处理，有效还原产品外观，保障形状、颜色等特征提取的准确性，为后续精准分类提供优质图像数据。

　　1.2.2基于形状大小对产品进行分类

　　采集预处理后的图像传输至上位机后，采用Canny边缘检测与形态学操作勾勒塑料产品的轮廓，获取形状特征。通过计算轮廓区域面积、周长等几何参数，结合阈值实现大小判别，区分不同容量的产品。对不规则的产品，利用Hu不变矩特征进行识别。系统基于形状大小信息，初步将塑料产品分流至不同暂存区，为后续颜色细分奠定基础，提升分拣效率［4］。

　　1.2.3基于颜色对产品进行分类

　　上位机接收图像后，在RGB色彩空间（其是根据Red、Green和Blue颜色的组合来构造所有颜色的系统）提取像素点颜色值，利用K均值聚类算法将塑料产品的颜色分为透明、红、蓝等类别。为消除光照变化对颜色识别的影响，引入颜色恒常性算法，确保颜色判断准确。控制处理器依据分类结果，驱动挡板对透明产品与有色产品进行分拣，使同色塑料产品归集到对应收集装置，满足回收与加工对颜色一致性的需求。

　　1.2.4实现塑料产品自动化分拣

　　图像采集、预处理与形状大小、颜色分类等环节紧密协同，为塑料产品自动化分拣赋能。视觉识别单元实时采集动态图像，图像处理单元快速运算决策，分类装置迅速响应。塑料产品进入分拣区后，系统能毫秒级完成特征提取与判断，控制处理器驱动挡板将其分拣至对应收集装置。该系统全程自动化运行，不受传送带速度和环境波动的影响，显著提升生产效率，降低人力成本。

　　2基于计算机视觉技术的塑料自动化分拣系统性能检测

　　为了验证基于计算机视觉技术的自动化分拣系统各项功能是否满足预期需求，在此以满足表1中阐述的各项参数的塑料产品分拣机器为研究基础，将上文阐述的基于计算机视觉技术的塑料产品自动化分拣系统与其融合，调试后保证其处于正常运转状态。结合该设备，探究自动分拣系统各项性能发挥情况。

　　检测实施过程如下：以上文提及的分拣机器为基础，设计两条同样的传送带，其中一条采用上文阐述的图像处理系统辅助分拣；另一条采用传统模式下常用的系统辅助分拣，且分别做好标记，便于区分［5］。同时，为了验证该自动分拣系统在不同机型中的应用效果，按照大型、中型、小型3种模式设定相匹配的分拣速度，参照表1提及的分拣机器相关参数，设定大型、中型、小型3种模式速度分别为140个/分钟、90个/分钟、60个/分钟。最终分拣数量如表2所示。

　　结合表2相关数据来看，文中提出的基于计算机视觉技术的塑料产品自动分拣系统与传统系统模式相比，准确率和分拣效率更高。

　　3结束语

　　计算机视觉技术与塑料产品自动分拣系统融合后，可以通过计算机与摄像头取代人工视觉，实现对塑料产品的精确图像识别与智能测量，达到快速捕捉并分析产品外观信息的目的，进而在算法系统的智能化处理下实现塑料产品的自动分类，并为分拣系统机械作业提供参考。与此同时，正确认识计算机视觉技术的特点，充分发挥该技术的优势，是提升塑料产品分拣效率的保障。

主要参考文献

　　［1］毛峥,井方.废旧塑料自动分拣系统设计与实现［J］.塑料助剂,2024(1):66-68,77.

　　［2］肖新元,刘勇,蔡滨.基于机器视觉的工件自动分拣系统设计［J］.南方农机,2024(17):23-26.

　　［3］王志勃,孙慧然,孙静波.基于机器视觉的苹果自动采摘分拣系统研究［J］.机械设计与制造,2024(8):326-332.

　　［4］苏敏.利用计算机视觉技术实现货物自动分拣系统构建［J］.中国储运,2024(9):107-108.

　　［5］史韵,王辉.基于EPC-365视觉系统的全自动塑料瓶分拣机的设计［J］.大众标准化,2021(12):157-159.