随着现代工业技术的不断升级,工业机器人正逐步应用到各个行业中。由于我国智能工业机器人的发展时间比较短,目前主要还是解决单一的体力劳动,这并不能满足现代工业发展的需求。因此如何将视觉技术、深度学习与机器人技术更好地结合起来,成为国内智能机器人发展的热点问题。针对这一问题,本文将通过对机器视觉和深度神经网络等技术理论的研究,设计出一套完整的视觉机器人自动抓取系统。本文研究的主要内容如下:首先,提出一种基于YOLO v4-tiny改进的目标检测算法,本文在通过对卷积神经网络和Inception系列算法相关理论的学习,以Inception模块为基础再融合YOLO v4-tiny网络中CSP模块的设计思想,提出了一种轻量级卷积模块Inception-CSP。然后利用Inception-CSP模块替换YOLO v4-tiny网络中两个CSP模块,并在公共数据集上测试,与其他网络相比改进后的网络在检测速度上取得不错的效果。其次,设计了抓取检测算法。本文在Inception模块的基础上与基于通道注意力机制的SENet结合,设计了SE-Inception-Lite模块,再将SE-Inception-Lite融合残差机制作为网络的特征提取模块。然后与特征金字塔结合提取多尺度特征,最后融入ASF网络结构,并在此基础上设计了机器人的抓取检测算法。然后将算法在康奈尔抓取数据集上实行模型的训练和测试工作,结果表明本文设计的算法在图像分割数据和对象分割数据中都有不错的效果。最后,将本文设计的视觉机器人抓取系统应用于矿山爆破中进行自动填装炸药,也就是对套筒和雷管进行自动抓取。首先根据实际情况设计整体实验流程,对实验的每个部分进行规划,并搭建实验平台和建立视觉控制系统。再对系统各个部分进行标定实验,最后对机器人进行模拟雷管和套筒抓取实验,主要分为目标检测实验、抓取检测实验和抓取整体实验。在进行了多次实验之后,最终得到机器人对雷管和套筒的平均抓取准确率为93%,满足了抓取任务的需求。