随着工业4.0的到来,机械臂和计算机视觉等新型技术高度结合,如今,传送带广泛用于工厂的配送、仓储、制造和生产,以实现自动化和更快的交付。如何结合视觉跟踪和物体抓取等技术,使机械臂能够成功地抓取传送带上的运动物体,是一个具有挑战性的问题。为了提高抓取效率和准确率,本文围绕机械臂对多类动态目标的抓取展开研究,具体工作如下:（1）针对机械臂目标检测问题,提出了一种轻量化网络的抓取检测方法。采用YOLOv4网络作为主框架,提升对运动目标的信息获取。为了能够满足在机械臂上运行的实时性要求,本文对YOLOv4目标检测算法进行改进。将主干网络替换为Moile Net V3网络,减少网络运算量。改进后的算法在保证精度的情况下,在康奈尔抓取数据集上检测平均精度可以达到96.68%,检测速度为2.28/ms,可以满足机械臂对运动目标抓取的要求。针对夹爪的抓取检测,引入适应机械臂抓取特性的多比例有向锚框机制进行网格预测,提高抓取多类目标的准确率。（2）针对传送带上的运动目标,研究了传送带速度的计算方法和对运动目标的姿态估计。提出了一种结合Moile Net V3-YOLOv4抓取检测算法及LSTM（长短期记忆）网络的运动目标预测网络,预测运动目标的位置信息。机械臂进行抓取时,采用关节空间下的轨迹规划并使用机械臂“门字型”路径规划方法,提升抓取效率。通过实验,验证本文所使用的方法可以准确的预测目标位置,完成抓取任务。最后,在机械臂动态抓取平台上,对传送带上的运动目标进行了跟踪抓取实验。结果表明,在传送带速度为100mm/s时,机械臂的抓取成功率为97%,平均的抓取时间为2.806s。对于不同速度的目标,也能够有效完成对目标的抓取任务,满足预期效果。