目前我国塑料行业发展迅速,人们在享受塑料制品带来的便利的同时,大量塑料瓶在使用后遭到丢弃,给环境造成了严重破坏。为了有效实现废旧塑料瓶的回收再利用,必须对废旧塑料瓶进行快速、准确地分类。本文研究基于机器视觉的废旧塑料瓶智能分拣技术与系统,重点研究塑料瓶智能分拣过程中图像的预处理、塑料瓶种类的识别方法以及定位算法。塑料瓶在经过清洗、脱标后,通过震动料斗均匀落入传送带,进入分拣系统。分拣系统主要包括照明系统、图像采集单元、图像处理单元、分离装置四个部分。首先使用工业相机对目标瓶进行拍照,然后使用图像形态学方法对获取到的图像进行预处理,再使用基于深度学习的目标识别算法对目标进行分类及位置获取,并将需要剔除的塑料瓶的类别及位置信息传送给气动分离装置,实现对目标的分拣。本文在分析企业实际生产需求的基础上,对废旧塑料瓶智能分拣系统的整体结构、工作流程以及硬件系统进行了设计;对采集到的图像进行了预处理,消除了图像畸变,并解决了图像色偏的问题;面向系统的分拣需求,研究了基于图像形态学的目标定位方法,以及基于深度学习的目标识别算法。根据塑料瓶形态建立了塑料瓶数据集,分别对目前主流的图像分类算法以及目标检测算法进行了研究,并分别对其进行实验。针对上述目标检测方法中存在的问题,对Yolo-v3模型网络结构以及数据集进行了改进,使模型浅层网络的特征提取能力得到增强,并将训练数据集的特征进行融合。提高了系统对于小目标以及杂乱目标的识别率,增强了模型的泛化能力,有效提高了残留标签的识别率,同时能够保证整个系统对于检测速度的实时性要求。实验结果表明:该系统识别结果准确,识别速度快,在模拟工厂的环境下可对废旧塑料瓶进行准确、快速地分拣,具有较高的实用价值。