摘要
本发明公开了基于深度学习目标检测与图像分割的机械手抓取方法，涉及人工智能与机器人技术领域，包括以下步骤：采集待处理场景图像，采用多光源融合的图像增强技术提升图像质量，减少由于光照不均带来的识别误差；输入增强后的图像至预训练深度学习模型，执行目标检测任务，输出目标物体的初始边界框及类别标签。本发明通过多光源图像增强与高精度图像分割，显著提高了目标识别与轮廓提取的准确性，降低了因图像误判引起的抓取失败率。同时，引入几何一致性校验与多因素抓取评分机制，对路径进行动态筛选与碰撞预检，有效保障机械手在复杂环境中的抓取稳定性与安全性，显著提升了系统整体的智能化与鲁棒性。
