随着我国国民生活水平的提高，消费者对于蛋品的品质要求愈发提高。裂纹蛋的检测是蛋品在装箱出厂之前的重要环节。为解决人工分拣裂纹蛋品劳动强度高、工作量大等问题，设计了一种基于机器视觉与YOLO v5的裂纹蛋品分拣机器人。首先，通过逆运动学解算得到机械臂各舵机的转角并转换成PWM占空比，实现对三轴串联机械臂的控制；其次，利用高清120°广角摄像头作为图像采集核心，快速获取蛋品表面图像信息并对所采集的1 000张图像进行数据标注；随后，分别训练不同梯度下降批次大小下的YOLO v5模型，其中梯度下降批次大小为8的模型拥有最高的mAP，其值为98.92%；最后，在机械臂上位机主板调用该模型，对正常蛋品与裂纹蛋品进行识别判断后，开启机械臂分拣行程；此外，蛋品分拣机器人的末端拣拾机构为气动吸盘，该吸盘挂载于机械臂上，以实现对蛋品的无损吸取。经测试，该机器人对裂纹蛋品和正常蛋品的识别准确率分别达到93.33%和99.17%，平均分拣成功率达94.34%，平均分拣速率为7.55 s/个，基本满足要求。研究成果可为裂纹蛋品的筛选工作提供技术支持，为蛋品的裂纹检测与分拣提供解决方案，具有较高的现实意义。
