近年来,抓取机器人一直是工业领域研究的重点,自动化抓取机器人在工业生产线上也获得了广泛的应用。与此同时,神经网络在图像处理领域如目标检测和语义分割等方面的蓬勃发展,诞生了一种将神经网络作为机器人的大脑,结合至机器人上,实现机器人智能化的方向。基于这种设想,本研究针对深度学习在抓取策略检测领域的应用进行研究,基于神经网络和语义分割,搭建目标抓取策略生成神经网络并在实验平台上进行验证。主要研究如下:（1）综述了深度学习算法中不同研究方向的算法,不同算法的优缺点、结构和应用领域。通过综述深度学习神经网络的理论和发展现状,认识各类算法的理论基础及应用领域,确定了合适的特征提取算法。（2）基于DeepLab V3+的三指抓手抓取策略生成研究。基于Deep Lab V3+算法,搭建了面向抓取策略生成的神经网络,并对神经网络进行了针对性的优化。同时,采用了三指抓手和与之对应的定向三角表示法。最后,本文训练模型的准确率为97.71%,相较于同等类型的算法提高了1%。（3）基于残差神经网络的抓取策略生成算法研究。基于残差神经网络,搭建了针对于二指夹爪的抓取策略生成网络,能够高效且低成本的训练出模型并预测出合理的抓取策略。此外,研究了机器人控制理论,搭建了硬件实验平台,并进行了实际的抓取实验,在实际实验中获得较优的抓取效果,进一步验证本文研究的基于残差神经网络的抓取策略生成算法的实用性与高效性。