在传统的汽车、家具等行业中大多通过人工喷涂的方式完成喷涂作业。喷涂过程中会产生大量有害物质,长期处于这种喷涂环境,进行重复度较高的喷涂作业,对工作人员的身心健康带来巨大伤害。喷涂机器人的实现可以替代传统人工喷涂,然而,喷涂机器人一般只能在固定的工作环境下进行单一、重复的喷涂工作,柔性工作能力差。为解决这一问题,建立具有目标检测功能的手眼系统。使用基于深度学习的目标检测方法,实现对被喷涂物体和机械臂末端的检测与定位,根据检测到的被喷涂物体的分类与定位信息制定相应的喷涂方案;同时在喷涂过程中,通过检测并定位机械臂末端,来监控机器人在执行喷涂作业时的工作情况。具体的研究工作如下:使用基于图像复原的去雾算法对输入图像进行去雾处理,提升目标检测算法在浓雾环境下的检测效果。首先,对雾气形成模型进行分析,并采用基于图像中心点合成雾与基于深度信息合成雾这两种图像合成方法来模拟喷涂环境下的图像。最后基于暗通道先验的方法,对合成的有雾图像进行去雾处理,得到复原后的图像。开展基于Mask R-CNN算法对被喷涂体的目标检测方法的研究。首先搭建Mask R-CNN算法的网络结构,在网络中增设Mask Io U分支对mask的结果进行校正,并且使用RGB-D图片制作的数据集训练Mask R-CNN网络,经过训练后的Mask R-CNN网络,可以获得效果不错的检测结果。开展基于YOLO V5算法对机械臂末端的目标检测方法的研究。首先搭建YOLO V5算法的网络结构,使用轻量化卷积神经网络Shuffle Net V2,替换主干网络CSPDarknet,同时对YOLO V5 head进行通道剪枝,从而提高检测速度。使用自己制作的机械臂末端的数据集对YOLO-Shuffle Net网络进行训练,经过训练后的网络,可以实现对机械臂末端的识别与定位。在进行上述的研究同时,开展被喷涂物体的目标检测实验、机械臂末端的目标检测实验以及模拟在喷涂工作中手眼系统的目标检测实验,通过实物平台的实验验证上述的研究内容。