1.一种具有自动识别的机器夹爪，其特征在于，包括底座、机械臂和识别探头，所述机械臂设置在底座与识别探头之间，包括活动相连的第一机械臂和第二机械臂，所述第一机械臂和第二机械臂垂直相连，第一机械臂的一端与活动相连，第二机械臂的一端设有所述识别探头，所述底座的下端设有固定孔，所述识别探头上安装有多个识别探头。

2.根据权利要求1所述的具有自动识别的机器夹爪，其特征在于，所述机械臂上设有多个微型电机，微型电机分别设置在第一机械臂与底座的连接位置、第一机械臂与第二机械臂的连接位置以及第二机械臂与识别探头的连接位置。

3.根据权利要求1所述的具有自动识别的机器夹爪，其特征在于，所述识别探头内设有识别算法，所述识别算法的构建过程如下：S1:从输入的图像样本数据集中随机选择出 C 个类别的图像样本，在每个类别中再随机选择 N 个样本;S2:然后将该图像序列送到特征提取网络中提取到特征图组，接着对特征图组使用全局平均池化后得到特征向量组，S3:对特征向量组中的特征向量两两进行相似度度量，根据度量结果生成新的混合图像序列;S4：最后将该新的混合图像序列送到网络中进行训练，利用卷积神经网络来进行特征提取,进行比对得到结果。

4.根据权利要求3所述的具有自动识别的机器夹爪，其特征在于，收集多个具有目标物的照片或图片，对照片或图片进行标注，构建数据集。

5.根据权利要求3所述的具有自动识别的机器夹爪，其特征在于，还需要对数据集进行增广，获得数据量更多的数集，具体的过程为：对数据集中的图片进行水平翻转增强，垂直翻转增强，镜像对称增强，仿射变化，旋转，高斯加噪，对比度变化，尺度变换，平移来增广数据集。

6.根据权利要求5所述的具有自动识别的机器夹爪，其特征在于，最终在检测网络中利用Softmax分类器对目标判段和识别，经过对候选框的位置进行校正，从而得到目标物在图像坐标系中的高精准度坐标。

7.根据权利要求6所述的具有自动识别的机器夹爪，其特征在于，还需要对坐标进行转化，将二维坐标转换为三维坐标，从而方便机械手对目标物进行准确夹持。