目前，工业机器人识别可抓取物品大多是先通过图像传感器收集作业场景信息，然 后通过粒子滤波或条件随机场等各类相关算法提取可抓取物品的像素块特征来进行的。但是， 这些可抓取物品的识别方法都存在着在同一像素块内部不同类别像素有误差，只考虑邻近区 域、而不考虑全局信息和结构信息等问题或缺点。为此，在引入基于像素点的全卷积网络（ｆｕｌｌｙ ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｓ，ＦＣＮ）的基础上，提出了基于 ＦＣＮ的改进模型进行可抓取物品识别，其优 势在于该模型经过学习能够预测各个像素所属物品类别的概