近年来,我国跨境电商与国际物流行业蓬勃发展,海关口岸检验检疫邮寄物数量逐年递增。目前只能依靠海关人员对可疑邮寄物开箱查验,人工操作危险性大。因此,本文针对可疑纸箱的智能拆包问题,设计了一种基于语义分割的胶带识别算法,并开发了一套纸箱自动开箱系统。主要工作如下:首先,介绍了卷积神经网络的原理与构成,分析了目前用于语义分割网络模型的常用评价指标;构建了胶带数据集,用于语义分割网络模型的训练和测试。其次,进行纸箱胶带识别算法的设计与实验。在UNet算法的编码-解码框架的基础上,采用残差结构作为特征提取主干网络,不再使下采样得到的特征图与上采样得到的特征图直接堆叠,使用空洞空间卷积池化金字塔对下采样的特征图进行特征扩充后,再与上采样得到的特征图堆叠。分别使用UNet、PSP-Net与本文设计的算法模型在胶带数据集上进行实验对比。结果表明,相比Unet、PSPNet算法,本文设计的胶带识别算法在平均像素准确率上分别提高1.71%和0.41%,达到了81.45%;在平均交并比评价指标上分别提高了1.25%和0.73%,达到了78.09%。然后,进行纸箱自动开箱系统的设计与搭建。基于纸箱自动开箱系统功能分析,确定该系统主要包括三部分:传感系统、控制系统及机器人部分。传感系统由双目相机与传感器组成,负责检测纸箱到达工作区及获取纸箱图像;控制系统由计算机与PLC控制器组成,用于人机交互、图像信息计算处理及工作台开箱作业流程控制;机器人部分实现对纸箱切割作业。最后,开展纸箱自动开箱系统实验与分析。结合本文设计的纸箱识别算法与胶带识别算法分别对纸箱、胶带进行识别与定位,最后使用机器人对纸箱进行切割。实验结果表明:纸箱开箱系统能在25s内完成整个纸箱切割的流程,纸箱切割定位误差在2.5mm以内。