文摘随着智能工程机械的不断发展,结构复杂、功能单一的传统液压破碎锤逐渐被日益成熟的智能破碎锤取代,对多目标石块的识别与定位是智能破碎提高动作输出精度、完成破碎任务的重要保证.提出基于分割掩码卷积神经网络(Mask R-CNN)实例分割和激光雷达信息融合的目标石块识别定位方法,通过Mask R-CNN实例分割算法快速识别复杂作业场景下目标石块的感兴趣区(Region of Interest,RoI);在保证石块检测精确率的前提下,融合激光雷达通过卡尔曼滤波算法得到破碎点位置信息,引导破碎锤实现定位作业.现场试验结果表明,目标石块检测模型对石块的平均识别精确率为95.35%,召回率为95.06%,石块破碎点识别精确率为94.20%.在复杂作业背景下,该方法可实现多目标石块识别和破碎点定位,满足自动破碎实时性要求.