基于机器学习的机床上下料抓取方法

本发明公开了一种基于机器学习的机床上下料抓取方法，为解决油膜导致的双件黏连在线检测与主动剥离的问题，本发明通过在起吊短时间窗内同步采集偏振、深度及力与惯性等信号，进行偏振与深度的物理一致化，依据相机与吸盘参数裁取接触斑块子图，采用分层隐式厚度场估计层数、厚度及不确定区间，融合厚度场梯度与偏振方向搜索各向异性易剥离方向，建立基线与残差的吸附接触动力学模型，并在不确定性驱动的机会约束模型预测控制下实时优化微位移、微振动与真空曲线，执行后闭环采集并在线更新残差网络，实现了低扰动剥离、提高双件判定可靠性与节拍一致性、降低误吸与掉件风险的技术效果。