基于IntelMovidius神经计算棒与树莓派的智能垃圾分类边缘识别与自动分拣控制.docxVIP

PAGE2

基于IntelMovidius神经计算棒与树莓派的智能垃圾分类边缘识别与自动分拣控制

摘要

随着城市化进程加速，生活垃圾产量剧增，传统人工分拣方式效率低下且易致健康隐患。现有云端AI分拣方案受限于网络延迟与隐私风险，难以满足实时流水线需求。本课题旨在设计一款基于树莓派与IntelMovidius神经计算棒（NCS2）的边缘识别与自动分拣系统，将深度学习推理下沉至边缘端，实现低延迟、高隐私的智能控制。

核心方案采用ResNet模型进行垃圾图像特征提取，经OpenVINO工具链优化与量化转换后部署于NCS2，充分发挥其VPU架构的并行计算优势。系统结合视觉识别结果，通过树莓派GPIO生成多路PWM波驱动舵机，完成流水线上垃圾的精准自动投递。全文按工程递进思路展开：需求分析明确实时性与精度指标；总体设计构建软硬件分层架构；详细设计规划视觉推理与舵机控制逻辑；实现环节攻克模型量化与多线程同步难点；测试环节验证系统功能与性能。

本设计的创新点在于将轻量化边缘计算硬件与多路舵机协同控制深度融合，摆脱了对云端算力的依赖，在近端完成了“感知-决策-执行”的闭环，为资源受限场景下的智能环保装备提供了高性价比的落地方案。

第一章绪论

1.1研究背景

近年来，城市生活垃圾产生量以年均8%的速度递增，垃圾分类成为城市治理的关键痛点。传统垃圾分拣流水线高度依赖人工肉眼识别与手动分拣，