一种基于深度学习的装箱路径规划方法及系统

本发明涉及装箱路径规划技术领域，公开了一种基于深度学习的装箱路径规划方法及系统，该方法包括：采集待装箱物体数据构建三维坐标参数；利用图卷积网络进行空间拓扑建模生成几何拓扑图，计算路径密度系数；对路径密度系数的图拉普拉斯矩阵谱分解提取空间主成分向量，通过遗传算法生成路径规划权重；基于权重动态更新基准路径节点生成优化路径，并控制机械臂运动轨迹。系统包括三维数据采集、拓扑建模、密度系数计算、谱分解、权重优化、路径生成和运动控制模块。本发明通过深度学习与智能算法结合，实现了复杂几何特征建模和路径优化，提升了装箱效率、准确性和系统适应性，适用于物流、仓储等装箱场景。