基于深度学习的异状零件抓取检测方法
来源：计算机集成制造系统杂志2025年第2期北京时间：
作者：孙先涛, 杨茵鸣, 王辰, 陈文杰, 胡祥涛, 陈伟海
单位：1.安徽大学电气工程与自动化学院2.北京航空航天大学自动化科学与电气工程学院
摘要：针对加工零件存在残缺导致视觉系统无法准确定位而严重影响中小型企业生产自动化推广的问题,提出一种异状零件抓取检测方法。先基于深度学习设计一个关键点检测模型(KPDM)以检测不同异状零件的抓取关键点,再根据关键点位置信息和手眼标定参数设计一个位姿求解模块以解算出零件的抓取位姿。KPDM结合了图像分割模型Deeplab V3+的架构和热力图监督方式,可以通过输入的零件图像获取抓取关键点热力图。实验结果表明,该抓取方法可以在不同光照环境下准确预测完整零件和残缺零件的抓取位姿,其中两种零件的检测成功率分别为97.2%和92.7%。
关键词：机器人抓取,深度神经网络,位姿检测,关键点检测,热力图
基金资助：国家自然科学基金资助项目(52005001)。
