基于深度学习的工业零件识别与抓取实时检测算法

为了提高工业生产中视觉控制机械臂抓取工业零件的精度和速度，提出一种新的识别工业零件类别和最佳抓取位置的检测算法。运用YOLOv5l目标检测算法对视界中的多种工业零件进行识别，随后将其识别图片传入抓取位置检测算法进行最佳抓取位置的识别。针对抓取位置检测的问题，提出一种改进的神经网络模型，在GG-CNN网络的基础上添加四层残差网络做平层特征提取，增强特征提取的效果。实验结果表明：此算法的识别准确率在95%以上，抓取成功率在90%左右，验证了该算法在多种工业零件和最佳抓取位置识别中具有高准确性和时效性。