来源：期刊VIP网 时间：
作者：白杨凡;卞永明;杨继翔;杨濛;
单位：同济大学机械与能源工程学院;宁波工程学院机器人学院;
摘要：本文提出了一种基于目标识别和全卷积抓取质量网络（FC-GQCNN）的机械臂抓取检测技术。针对传统GQCNN在实际应用中存在的计算效率低、特征重复计算等问题，提出了一种改进的FC-GQCNN。该网络通过将GQCNN的全连接层替换为1×1卷积层，使其能够处理任意尺寸的输入图像。同时，将FC-GQCNN与YOLOv8目标识别算法相结合，构建了YOLOv8-FCGQCNN级联结构，有效解决了复杂环境下目标物体的识别和定位问题。实验结果表明：该方法在10类不同物体的抓取任务中有86%的抓取成功率，单帧平均检测时间仅为0.09 s，相比传统GQCNN的推理速度提升了22倍，显著提高了系统效率。该方法可以准确地检测感兴趣的物体的抓取位姿，并且较基准方法具有更高的可靠性。
关键词：目标识别;;抓取位姿检测;;机械臂抓取系统;;算法融合
基金资助：国家重点研发计划资助项目（2023YFC3806603）;; 国家自然科学基金青年科学基金资助项目（52205279）
