Una estrategia de agarre razonable es un requisito previo para el agarre exitoso de un objetivo, y también es una condición básica para la amplia aplicación de robots. Actualmente, los grippers más comunes en el mercado se dividen en grippers de dos dedos y grippers de tres dedos. Según la experiencia de agarre humano, la estabilidad de los grippers de tres dedos es mucho mejor que la de los grippers de dos dedos. Por lo tanto, el enfoque de este artículo se centra en el método de generación de estrategias de agarre de tres dedos basado en el algoritmo DeepLab V3+. DeepLab V3+ utiliza el núcleo de convolución atrous y la arquitectura de agrupamiento piramidal espacial atrous (ASPP) basada en la convolución atrous. El núcleo de convolución atrous puede ajustar el campo de visión de la capa de filtro al cambiar la tasa de convolución. Además, ASPP puede capturar eficazmente información a múltiples escalas, basado en la conexión paralela de múltiples tasas de convolución de capas de convolución atrous, de modo que el modelo funcione mejor en objetos de múltiples escalas. El artículo utiliza de manera innovadora el algoritmo DeepLab V3+ para generar la estrategia de agarre de un objetivo y optimiza los valores de los parámetros de convolución atrous de ASPP. Este estudio utilizó el conjunto de datos Cornell Grasp para entrenar y verificar el modelo. Al mismo tiempo, se produjo un conjunto de datos más pequeño y complejo de 60 según la situación real. Al realizar pruebas, se obtuvieron buenos resultados experimentales.