随着深度学习技术的蓬勃发展,越来越多的场景可以使用到深度学习技术来达到自动化、智能化的操作,以此减少人工成本。而在生产制造和物流行业有着广泛应用的拣选系统更是走在利用深度学习技术的前列,拣选系统中主要涉及的深度学习任务包括目标检测、实例分割以及位姿测量等。目前各大研究机构与各大高校都对拣选系统提出了自己的解决方案,但是,在工业场景下,对于摆放杂乱、纹理特征少、遮挡严重的工业零件,各算法的准确性却有待提高。因此,本文将以工业场景下的智能拣选系统为研究背景,针对工业零件的位姿测量问题进行研究,并且在研究的过程中由于也涉及到了实例分割的内容,因此提出了一种基于CenterMask的实例分割网络和基于DenseFusion的位姿测量网络,并进行了相关的实验来验证改进的实用性和准确性。首先,本文对深度学习相关的基础知识进行了介绍,其中着重介绍了卷积神经网络中的相关概念例如卷积层、池化层、损失函数和优化方法等并分析了现有研究各自的优缺点。接着本文介绍了在研究过程中提出的一种深度信息处理方法,该方法能够保留场景三维信息并且能够使用2D卷积操作来提取数据特征;以及一种由注意力机制所启发的用于特征融合的算法,该算法能够高效地融合RGB特征和深度特征,在融合特征的同时通过注意力机制抑制表现能力较低的特征,明确网络模型需要关注的特征通道,增强了特征的表现能力,提升了分割网络的表现效果。最后本文在现有研究成果CenterMask实例分割网络和DenseFusion位姿测量网络的基础上进行改进,逐模块地介绍了项目中所使用到的网络的构成,并通过实验证明了改进后网络模型能够在工业零件上的实用性和准确性,选定合适的阈值的情况下,改进后的CenterMask网络能够在单帧图像中分割出更多的零件,分割速度大约10帧/秒;改进后的DenseFusion测量出来的位姿,其ADD-S值几乎能够确保在1.8毫米之下。将改进后的网络模型应用到拣选系统中,通过多次实验,在30分钟内,机械臂平均能够进行122次抓取操作,抓取成功率约为97%。但是目前的研究成果仍然有深入研究的空间。