我国是一个制造业大国,随着科技的发展,对现代工业提出更加智能化和适应性的要求,机器人技术是实现智能制造的重要部分。而视觉技术的发展,使得机器人具有更为强大的感知能力,扩大了其应用的范围。在大数据以及快速崛起的计算机硬件和软件技术的驱动下,深度学习随之得到长足发展,目前在目标定位识别上取得了令人瞩目的成就。将深度学习的方法运用在工业机器人的控制中,那对于实现智能化生产有着重大的作用和实际生产实践意义。现有的机器人视觉系统大多是建立于坐标系标定的基础之上,从而实现物体的识别和其在机器人坐标系下的位置确定。本课题旨在使用深度学习方法在目标识别定位这一领域中比较主流的深度区域卷积网络来实现对物体的定位识别;然后依据目标物体定位于图像中位置获取机械臂所需的抓取信息。即实现从图像到机械臂物理坐标的End to End的抓取目标。首先进行机械臂抓取物体的数据信息的采集,构成数据集。随后对数据集进行处理;对抓取物体的定位和识别,然后进行机械臂所需的抓取信息网络模型设计并训练,同时修改网络模型训练参数,最终对机械臂抓取的物体的定位识别和抓取进行测试集评价。最后对机械臂抓取目标的测试结果进行了界面可视化,完成了单目下机械臂识别系统的GUI设计。