超声图像在医疗检测及疾病诊断中具有检查时间短、对人体无伤害、检查费用低等特点,正在日渐成为最重要的诊疗手段之一。而机械臂在医疗系统中也正日渐显现出超过人类的效果,使用机械臂进行超声检测的定位精度高、并且能够避免人体直接接触。面对新冠疫情在全球的蔓延,使用机械臂自动扫查人体并采集超声图像的方法正在受到更多的关注。本文基于卷积神经网络和强化学习方法,设计了一种以实现机械臂进行自主腹部扫查为核心功能的软件,该软件能够对人体腹部进行自动扫查并定位人体肝脏,完成肝脏超声图像的采集。该软件提出一套基于机械臂的完备的系统,通过软件可以实现机械臂所能完成的所有工作包括设计路径、更换路径规划算法、进行移动测试以及机械臂与相机进行联动并通过视觉引导等。本文章的主要研究内容有:首先介绍了软件的开发软/硬件平台,分析软件的功能性需求与非功能性需求,对软件模块与软件层次进行划分,介绍了软件的相关功能,并提出了两种本文章中用到的对软件的优化,分别为网络通信优化和进程交互优化。其次设计了一种强化学习在机械臂进行部署的环境,环境中涉及到动作周期的设定、命令发送时延等关键信息,同时设计了并行计算来对学习进行加速。将两种A-C型强化学习方法在机械臂上进行训练并对预测出的路径进行平滑处理,最后与传统路径规划算法效果进行对比分析。最后在YOLO v3检测网络的基础上根据本文章使用场景的尺度小与非线性的特点对网络进行剪枝并引入二分交叉熵对损失函数进行改进,在本文章的数据集上进行训练和测试,根据评价指标对训练的模型进行分析。