散料工件AI无序抓取：3D视觉与位姿估计实验

在机加工与五金行业，散料上料长期依赖人工挑拣，是自动化改造中典型的“最后一米”难题。自动化流程实验室近期围绕料筐内无序工件的AI抓取开展实验性探索：采用结构光3D相机采集点云，结合深度学习网络完成工件分割、位姿估计与碰撞检测，替代传统模板匹配方案。
阶段性进展：

• 在金属连接件与标准件混合料筐测试中，单次抓取成功率达94.6%，平均节拍3.2秒/件，较模板匹配方案提升约18个百分点，强反光表面误检明显减少；
• 引入抓取可行性评分机制，对堆叠、遮挡工况自动放弃高风险位姿并触发抖动散料策略，连续作业2小时无卡料。

下一步将扩充强反光与油污工件的训练数据，验证模型在混线换型场景下的泛化能力，并推进与PLC及振动供料器的联动联调，为小批量多品种产线的无人化上料提供可复制的工程方案。