关键词：机械臂;抓取检测;轻量化;YOLOv8n;位姿检测;损失函数
摘 要：针对机械臂非合作抓取任务中目标检测效率低的问题，提出了一种基于改进YOLOv8n的目标位姿检测算法。将大型可分离核注意力（Large Separable Kernel Attention, LSKA）引入金字塔池化层（Spatial Pyramid Pooling Fusion, SPPF），以增强模型的多尺度聚合特征能力；设计一种全新的轻量化模块RGCSPELAN，以减少模型的运行成本与计算量；然后，用inner思想改造平均成对距离交并比（Mean Pairwise Distance Intersection over Union, MPDIoU），进而改造加权交并比（Wise-IoU），形成新的损失函数Wise-MPDIoUinner，以提高模型的训练效果与检测性能；最后，基于目标位置检测信息和深度信息，通过构建目标实时坐标系得到其空间三维姿态信息并完成机械臂抓取任务。实验结果表明：本文算法的精确率达到了96.5%,mAP@0.5指标达到了96.7%，参数量降低了16%，推理速度提升了33%，实现了模型精度与轻量化之间的平衡，且满足UR5机械臂在非合作抓取任务中的实时性要求。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取