设计一种基于双单片机的悬挂物体寻迹控制系统。系统由具有独立单片机的寻迹检测模块和悬挂物体运动控制模块组成，通过无线通信模块进行数据和命令的相互通信，实现协调控制以及悬挂物体寻迹控制功能。测试结果表明，该系统运动速度快、寻迹偏差小。

基于幅移键控技术ASK（Amplitude-ShiftKeying），以C8051f340单片机作为监测终端控制器．C8051f330D单片机作为探测节点控制器，采用半双工的通信方式，通过监控终端和探测节点的无线收发电路．实现数据的双向无线传输。收发电路采用直径为0．8mm的漆包线自行绕制成圆形空心线圈天线，天线直径为（3．4±0．3）Cm。试验表明，探测节点与监测终端的通信距离为24Cm，通过桥接方式，节点收发功率为102mW时，节点间的通信距离可达20Cm。与传统无线收发模块相比，该无线收发电路在受体积、功耗、成本限制的场合有广阔的应用前景。

目前对于形状比较复杂且密集摆放的工件,传统的工业机器人视觉分拣技术已经无法有效检测和识别。因此,为了提高生产线上分拣工件检测的准确率,提出了一种基于布谷鸟搜索算法(Cuckoo Search,CS)优化深度学习卷积神经网络(Convolutional Neural Network,CNN)的目标检测算法。首先对视觉分拣系统的组成进行了分析。然后采用经典的Faster R-CNN的模型结构来实现目标检测,并将CS优化算法应用到CNN模型的参数训练中,解决了反向传播的局部最优问题,同时提高了迭代速度。工件检测实验结果表明:相比于传统的CNN模型,提出CS-CNN模型具有更好的目标检测的准确率,提高了网络的收敛速度。