机床与液压

作者：黎小巨，陈洵凛，祝华春

单位：东莞城市学院城建与智造学院；东莞城市学院城建与智造学院；东莞城市学院城建与智造学院

关键词：深度学习;数据集制作;目标识别和定位;网络训练;YOLOv5算法

基金：广东省普通高校特色创新类项目（2021KTSCXl90）；广东省重大科研青年创新人才项目(2021KQNCX154)；东莞市社会发展科技项目(20231800904222)；广东省一流课程建设项目（粤高教函\[2023\]33号）

针对工业混流式喷涂产线存在的产品特征复杂和环境干扰等问题，提出一种基于机器视觉及深度学习YOLOv5算法的目标工件识别、定位和抓取方法。通过开发数据增强算法和构建多尺度目标识别网络，显著提升了喷涂目标工件的识别精度。针对目标定位难题，开发基于归一化平面换算的目标定位算法，联合IOU最优抓取区域评估策略，有效解决了机器人的自主定位问题。结果表明：所构建的深度学习网络在无干扰场景下能够高效识别多目标，准确率高达93%，目标抓取成功率达到87%；在复杂干扰场景下，该网络的识别准确率为87%，抓取成功率为80%,对于异类目标的检测准确率也达80%。

来源：2025年第8期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第8期