基于轻量级残差卷积神经网络的机械臂抓取

来源：计算机测量与控制杂志2026年第5期北京时间：

作者：钱钢桥,仇翔,刘安东

单位：浙江工业大学 信息工程学院

摘要：为解决机械臂在非结构化环境中实现高效抓取的问题，提出一种轻量级残差卷积神经网络的识别与定位方法。网络采用深度可分离卷积以减少参数量和计算开销，同时通过倒置残差连接增强特征传递能力和非线性表达能力，构建适用于单阶段抓取检测的网络结构。整体由下采样、特征提取和上采样三部分组成，其中在上采样过程中引入全局-局部特征融合机制，加强对抓取对象轮廓和形状信息的感知。依据生成的抓取质量热图，采用基于椭圆拟合的抓取姿态优化方法提升姿态估计的准确性。在Cornell和Jacquard数据集上进行实验验证，抓取检测准确率分别达到98.4%和95.2%。在NVIDIA RTX 3090显卡环境下，单张图像推理时间为16ms。实验结果表明，该方法在精度与实时性之间实现了良好平衡。

关键词：非结构化环境;轻量级网络;特征融合;抓取优化;机械臂抓取

基金资助：项目名称(编号),国家自然科学基金项目（面上项目，重点项目，重大项目）