如何给分拣机械臂装上“眼睛”？近期，广州理工学院深瞳智选团队在指导老师汪理、张沛轩的带领下，由项目负责人李金花率队，与广州卫亚汽车零部件有限公司联合研发的“基于多模块协同的机器人3D目标识别无序分拣系统”通过企业验收。该项目成功实现工业级复杂场景下的智能分拣突破，其核心技术已进入专利申报阶段，为粤港澳大湾区制造业智能化转型提供创新样本。

在技术对接过程中，师生团队与企业生产、研发部门组成联合工作组，通过“车间跟岗+圆桌研讨”模式，精准锁定分拣环节三大痛点：传统机械臂难以应对无序堆叠物料、人工分拣效率波动大、多规格零部件混线分拣精度不足。企业技术主管在联合技术分析会上坦言：“当前分拣线日均处理8000件零部件，但人工分拣错漏率达2%，已成为产能提升的瓶颈。”

针对这一行业共性难题，深瞳智选团队提出创新解决方案：“3D视觉识别+自适应抓取系统”技术架构。该方案突破性地将3D结构光相机与深度学习算法结合，通过点云数据处理实现复杂场景下零部件的毫米级定位，配合自主研发的柔性夹爪控制系统，抓取成功率达99.2%。在企业工程师的协作下，团队完成12类典型零部件的特征数据库构建，并在企业试验线完成三轮技术验证。

在技术落地过程中，双方建立“日清日结”协同机制：企业工程师每日反馈生产线实际需求，学生团队连夜优化算法参数。在验收会上，企业技术总监高度评价：“团队不仅带来前沿技术，更通过47场技术研讨会、126份工艺改进建议，帮助我们重构了分拣工序的数字化管理逻辑。”

参与项目的学生感慨道：“在调试3D视觉系统时，企业师傅传授的振动干扰应对经验，让我们意识到工业场景的复杂性。我们将课堂上的卷积神经网络算法与现场工况结合，最终开发出抗干扰增强模型。”这种“技术理论-工业知识”的双向渗透，使研发成果兼具创新性与实用性。

团队负责人表示，此次技术攻关标志着高校创新资源与产业升级需求的深度融合。随着该分拣系统即将接入企业智能工厂整体改造计划，预计可为企业年节约人工成本300万元，生产线综合效率提升40%。

文|记者 孙唯

图|受访者提供