面向复杂多物体场景的实时抓取检测网络
来源：计算机工程与应用杂志2026年第11期北京时间：
作者：郭鹏程, 陈为
单位：青岛科技大学 自动化与电子工程学院，山东 青岛 266000；
摘要：针对复杂多物体场景下机器人抓取检测在精度和实时性之间的权衡困境，提出一种端到端双分支网络MT-FusionGrasp。该网络以FasterNet为共享主干，构建抓取检测与实例分割双任务并行结构。抓取分支引入大核选择性注意力机制（LSK）实现自适应感受野调整；分割分支嵌入边缘信息增强单元（EIEM），利用Sobel梯度先验强化几何边界特征。将分割特征图作为感兴趣区域调制抓取特征，提出跨任务特征融合模块（feat refine module，FRM），增强目标区域的空间一致性。实验结果表明，此网络模型在Cornell数据集上达到97.87%抓取准确率与73.5 FPS实时速度，在Jacquard数据集上取得93.59%准确率与71.6 FPS实时速度。与其他抓取检测方法相比，该网络能够在满足实时性要求的同时显著提升检测精度。
关键词：抓取检测,多分支,非结构化环境,特征融合
基金资助：国家自然科学基金（62473221）。
