随着机械臂在工业领域多年的研究与发展,获得众多突破性成果。工业机械臂在工作生产中因高效率,低成本等优点得到广泛的应用。不同于工业中较为密闭、单调的工作环境,桌面机械臂在人机环境下的智能交互面临着诸多挑战。桌面机械臂多应用在家庭、教学环境中,环境复杂度较高,物体形状多样性,且大小不一,具有较强的不确定性。在复杂场景中,多个目标物体任意堆积放置,对机械臂的智能识别和抓取提出了更高的要求。与普通工业机械臂相比,桌面机械臂具备占用空间小、价格低廉、人机交互等特点。为更好地实现机械臂人机交互,本文主要研究内容及成果如下:1)本课题主要采用模块化设计,以树莓派作为核心控制板,设计中间件代码、电机控制板。确保机械臂准确移动,实现对化学实验室桌面试剂抓取。2)为桌面机械臂添加化学试剂瓶识别定位功能:目前生产生活中存在诸多应用框架实现机器视觉,根据化学实验台工作空间狭小与试剂摆放空间复杂度较高等特点,搭建合适的视觉平台,提高系统识别率,确保系统准确高效完成对试剂瓶动作是本文研究的重点。本课题主要采用Faster R-CNN区域目标检测算法,实现系统对化学试剂瓶的快速识别,结合张氏标定法和手眼标定法实现系统对二维图像参数的畸变修正并解决像物坐标系向机械臂坐标系的转变问题,控制机械臂实现对目标物的准确抓取。测试表明,基于深度学习神经网络的目标物识别方法,在识别效率方面较优于单纯使用OpenCV的目标识别方法。3)为桌面机械臂添加试剂信息分类查询功能:对机械臂工作环境中试剂瓶信息,实现识别、分类、存储并提供相关网络信息查询功能。通过编写Python中间程序,结合百度AI文字识别,完成对图片目标区域化学标签文字信息的识别;通过中间程序获取相关试剂的网络信息,并存储至云端MySQL数据库,有效的提高了信息的存储效率;提供目标试剂信息检索功能,方便使用者对相关试剂信息的统一查询和管理,提高研究人员工作效率,保证实验环境安全。测试表明,该系统对目标信息识别速率快,准确性可达到96%左右,方便使用者实现对实验室化学试剂的信息管理。