1.一种基于深度学习的机器视觉防夹系统，其特征在于，包括卷积神经网络CNN、数据处理单元和视频图像分析学习台，所述视频图像分析学习台包括闭合驱动单元、摄像头、基板和铰接在基板上的盖板，所述闭合驱动单元能够驱动盖板绕铰接点靠近或远离基板；

第一步：采集训练样本

设定基板与盖板的最大张角角度为A，张角A～1之间以1度的跨度为一个采集节点，通过摄像头在每个采集节点使卷积神经网络CNN采集若干张图片并保存在(A-X)样本中，其中，第一个采集节点中X为0，最后一个采集节点中X为A-1；

第二步：测试

选取任一采集节点，将已经被采集的图片对应的某障碍物置于板与盖板之间，摄像头通过对障碍物进行拍照，如果数据处理单元能够将获取的图片信息与对应样本进行匹配并控制闭合驱动单元止停，则表示采集训练样本可靠，反之则需要通过增加图片库来纠正；

第三步：将深度学习后的视觉防夹系统与应用场景适配。