分选工作是废旧塑料瓶回收过程中一个重要的工序,目前,国内废旧塑料瓶的分选主要基于人工操作来完成,存在劳动强度过大、分选效率低下等问题。本课题基于视觉技术,提出了一种废旧塑料瓶自动识别和分选方案,对方案所涉及到的算法模型、机械、硬件、软件等方面进行研究。通过光学变换和几何变换制作和扩充了七种不同颜色的塑料瓶检测数据集,基于深度学习目标检测算法SSD研究废旧塑料瓶图像的识别和定位问题,根据制作的塑料瓶检测数据集进行模型的训练和测试,建立适合识别废旧塑料瓶的SSD算法模型。为了对传送带上高速运动的塑料瓶进行更好的分离,利用流体仿真软件模拟塑料瓶被高压气体喷射时所受的负载,依据所得到的负载情况建立了塑料瓶被喷射后的分离运动模型。基于分离运动模型研究了不同工况参数（喷射角度、喷射压强、传送带速度）下的塑料瓶分离运动的轨迹规律,优化了相关的工况参数。分析了塑料瓶分选装备的硬件和结构需求,对其硬件模块（图像采集模块、图像处理模块和气阀驱动模块）进行了选型设计,同时对相机支架、调整喷嘴喷射角和位置的机械结构部分进行设计。针对由相机获得传送带上塑料瓶图像序列中可能出现的相邻两帧目标重复、瓶身不完整问题,提出了相应的识别处理算法。开发了塑料瓶分选装备控制系统的软件,其中包括:相机标定模块、目标检测模块、图像序列处理模块、塑料瓶分选模块,并对各个模块的程序进行了调试。研制了一台废旧塑料瓶自动识别和分选装备,搭建了相关的实验平台,对塑料瓶未被喷射时自由下落轨迹以及在喷射时的运动轨迹进行了实验研究,进一步验证了理论分析成果。