基于多路径卷积神经网络的码垛机器人路径规划方法

本发明公开了基于多路径卷积神经网络的码垛机器人路径规划方法，涉及卷积神经网络技术领域，采用质检报告图像、破损视频及显微图像三源数据，通过并行卷积神经网络分别提取特征，融合后生成动态最大曲率约束值，实现材料特性自适应的路径规划。基于概率路线图（PRM）筛选符合曲率约束的节点生成轨迹，并实时监测机械臂振动频谱能量。当振动超动态安全阈值时，通过曲率惩罚因子实时收紧后续路径约束，破损风险下降90%；建立“材料分析→路径生成→振动反馈→参数修正”闭环，在高速码垛场景下实现安全性与效率的平衡。