一种基于深度学习的皮带异物检测与分拣方法

本申请是关于一种基于深度学习的皮带异物检测与分拣方法，包括获取皮带检测图像；将皮带检测图像输入预训练模型中，获取预训练模型输出的异物检测结果；将异物检测结果传输至机械臂控制设备，控制设备结合机械臂的实时位置和状态规划求解，获得机械臂最优轨迹路径；驱动机械臂沿最优轨迹路径分拣异物，并基于异物类别选择抓取工具。方法采用深度学习目标检测模型，显著提高了异物识别的可靠性，尤其在光线变化和高粉尘环境中表现较佳。通过机械臂的智能路径规划和优先级调度策略，分拣速度可达到60件/分钟，分拣效率提高约3倍，同时保证稳定性和一致性。本申请实现全自动化检测与分拣，仅需一名人员监控系统运行，有效降低人工成本。