继德国“工业4.0”之后,我国也提出了“中国制造2025”战略,这是我国实现制造强国战略的行动纲领。在此基础上,2019年1月国家煤矿安全监察局正式发布了《煤矿机器人重点研发目录》。其中研发矿用物料自动识别、抓取、搬运和码放机器人,具备物料识别定位、路径规划、自主移动、安全避障及远程干预等功能,实现生产物料的按时、按需搬运,提高搬运效率,是煤矿智能装备与技术研究的重点之一。其中,机器人如何能够快速并且准确地识别与定位所要抓取的物料成了比较有挑战的研究方向之一。本文针对煤矿工业中所用到的工具、配件与材料,有压力表、传感器、扳手、电路控制以及各种机械零部件等物料,结合仓储机器人,基于机器视觉与深度学习,研究物料识别方法。具体内容如下:1)首先对基于深度学习的目标检测相关基础理论和模型进行分析,阐述了几类典型的基于深度学习的目标检测构架,结合本文的研究应用场景,分析其优劣性,在此基础上,确定了本文研究目标检测框架。2)针对仓储物料的抓取,提出基于SSD模型的物料识别方法。该方法首先设计了物料识别模型整体框架、输入图像的特征提取网络及损失函数等;其次,提出了物料识别模型的训练策略;最后,创建了基于煤矿工业仓库物料的数据集,并配置实验环境进行对比分析验证研究。3)针对SSD算法的泛化能力较弱问题,在分析Dense Net网络模型结构基础上,提出了Dense Net网络和SSD网络融合方法,构建融合模型D-SSD,最后,在自建的物料数据集上训练了模型并进行了测试,获得了95.86%的m AP,相比SSD提高了4%,取得更好的效果。同时,算法模型变小,对硬件设备要求更低,更具有实用价值。