机器视觉技术是光学工程领域的研究热点之一,深度学习是机器视觉技术的重要支撑点。深度学习的训练往往需要标注大量的图像数据集,其制作需要耗费大量的人力物力,是一个枯燥又繁琐的工作。本文根据实际的科研项目需求,针对路面垃圾在不同光照条件下的图像特征,开发了一套路面垃圾图像数据集快速标注软件系统。在面垃圾图像数据集快速标注软件系统中本文设计并实现了两种快速标注方法,通过混合高斯背景建模和差分色彩信息背景建模算法实现了交互式快速标注功能。使用时用户只需简单的框选感兴趣区域,算法便可以自动框选标注出当前区域内的所有前景目标,并且用户可以二次调整边界框类别和大小;此外本文还进一步设计了一种基于深度学习的AI协同标注功能,用户先手动标注部分图片,再对这批图片进行网络训练,并利用训练后的网络模型来自动进行后续图片的预标注,然后用户可进行二次调整和修改,此种方式可以有效提升大批量图片数据的标注效率。根据上述思想开发的快速标注软件已经用于智能清扫车路面垃圾识别系统的路面垃圾数据集标注。经过实际测试和主流手动标注软件相比标注速度提高两倍以上,在实拍路面垃圾数据集中经过150张图像的训练后AI协同标注的m AP（平均精度）达到了0.65以上,对于500万像素的图像平均耗时为76.59ms。在路面垃圾数据集的标注测试中基于混合高斯背景建模的快速标注平均精度达到0.896,基于差分色彩信息背景建模的快速标注平均精度达到0.756,均可有效提升标注效率。