摘要
快递包装废弃物的迅速增长给城市垃圾管理及高质量资源回收带来了日益严峻的挑战。由于材料种类多样、包装易变形、堆放方式随机以及经常出现部分遮挡，要实现可靠的自动化分拣十分困难。本研究开发了一种以系统为导向的RGB-D感知框架，旨在提升传送带回收作业中快递包装废弃物分拣的可靠性。研究构建了一个同步且空间对齐的RGB-D配对数据集MEPWaste，其中包含来自10种典型内外包装类别的4528对样本（共9056张RGB/深度图像），这些样本涵盖了不同的堆放方式和遮挡程度。基于该数据集，研究设计了一种多模态检测框架，用以提升各模态的特征可靠性，增强模态间的空间一致性，并在可见证据碎片化的密集堆放场景中提高检测稳定性。所提出的框架的mAP50值为89.1%，mAP50:95值为69.3%，分别比仅使用RGB模型的结果高出5.3%和5.8%，比RGB-D基准模型高出2.7%和3.4%，同时召回率达到了85.1%。此外，研究还实现了集成同步RGB-D采集、实时检测、机器人抓取以及基于PLC控制的闭环感知-推理-执行流程，以验证其工程可行性。总体而言，这项研究为提升快递包装废弃物分拣的可靠性、支持垃圾管理系统的智能资源回收提供了实用的技术路径，尤其适用于包裹消耗频繁、包装废弃物产生量较大的绿色校园管理场景。
