当前科技飞速发展,一些工业产线为了降低人工成本和提高工作效率正逐步向智能化发展,而机械臂的抓取作为最常见的工作任务,对它进行智能化的研究是很有必要的。本文在以实现机械臂智能化抓取的前提下,针对六自由度协作机械臂设计了一种基于深度学习目标检测算法的机械臂抓取系统,该系统能够通过目标检测算法主动识别目标物体,为机械臂的抓取提供目标物体的位姿情况和运动轨迹。该论文主要的研究内容有以下几点:（1）针对被抓目标物体的检测,本文提出一种以SSD（single shot multibox detector）目标检测算法为基准的网络框架,通过对SSD骨干网络VGG16中Conv3＿3和Conv4＿3卷积层得到的特征图进行融合来获得底层更丰富的细节信息,并在每一个stage后面加上了SENet网络来提高有用特征通道的权重,通过实验可以得出该网络能够提高对中小目标的检测精度。（2）针对目标物体三维位姿信息,先通过对深度相机D200n的标定获得坐标系的转换关系,把目标对象的二维图像信息转换到三维空间信息,最后通过位姿转换关系得到目标物体的三维位姿信息。（3）针对机械臂抓取实验平台的搭建,以慧灵Z-Arm-S622六自由度协作机械臂和D200n深度相机搭建抓取实验平台,通过对机械臂的运动学建模分析来实现目标物体到机器人坐标系的映射,经过运动轨迹完成抓取任务。最后来通过抓取实验验证该抓取系统的合理性。（4）针对机械臂在抓取的过程中的快速响应,采用了一种基于3-5-3多项式插值的轨迹规划方法,并使用粒子群算法（PSO）对时间进行了优化,经过仿真实验结果对比验证了该方法的有效性。通过对上述几个主要方向的研究,本文设计了一种基于深度学习目标检测算法的机械臂抓取系统,经过实验结果可以得出该系统具有较高的可操作性与可行性。