关键词：机械臂;深度学习;YOLOv5算法;目标检测
摘 要：为了解决工业生产和自动实践教学中常见的物料分类准确率低和抓取不准的问题，基于深度学习算法设计了一套桌面级物料分类和分拣实验平台。该实验平台通过YOLOv5目标检测算法对4种不同目标进行分类，由两个配备机械夹爪的4自由度机械臂协同实现上料和分拣。实验所需的数据集来源于自建数据集，并通过数据增强算法实现样本扩充以提升模型的泛化能力和鲁棒性。实验以STM32单片机为控制核心，采用视觉处理模块对物料进行分类和定位，通过串口将分类结果和位置信息传入单片机，同时单片机通过逆运动学计算得到控制参数，从而控制机械臂完成上料和分拣任务。实验结果表明，基于YOLOv5的物料分类平均精度达到了87.2%，机械臂能够依据分类信息精准实现物料分拣，该实验平台在工业生产和自动化实践教学中具有一定的推广意义和应用价值。
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