【摘要】随着人工智能技术的飞速发展，工业机械手臂的应用价值越来越重要。为了提高工业机械臂对工作环境的适应能力，需要机械臂根据视觉环境自主计算出抓取物体的路径和抓取姿态，从而提高抓取准确率和反应时间。本文针对机器人自主抓取需求，在借鉴 Inception 网络结构和 YOLOv4-tiny 中 CSP 思想上，首先设计了抓取网络卷积模块Inception-ConCat，并结合机器人抓取的相关特征，设计端到端的单阶段抓取网络 Inception-ConCat-GraspNet。为验证网络效果，采用通用的 Jaccard 指数，在康奈尔数据集和实际视觉抓取机器人中进行实验，结果表明该模型在康奈尔数据集上综合抓取准确度达到 97.3%，实际机器人抓取精度达到 96.1%，相较于其他抓取网络算法，本次算法有明显的优势，该研究结果对于机器人自主目标抓取的应用起到重要推进作用。