随着工业自动化的高速发展,机器人分拣技术已应用于各类生产加工领域。目前在水果分拣领域,应用于实际生产的流水线一般只针对单一指标、单一种类水果进行分拣,分拣效果不理想,且机器闲置率高。机器人分拣能方便地实现多指标、多类型的水果分拣,并便于实现产品追溯。论文对其所涉及的识别和定位两项关键技术进行了研究。首先,根据分拣系统的功能需求对苹果分拣系统的总体方案进行了设计。系统主要由视觉检测模块、传送带模块、机器人模块和通讯模块组成。并完成了分拣系统的硬件选型,主要包括光源、摄像机以及机器人系统等,设计并搭建了图像采集箱,并针对苹果分拣系统提出了可行的系统软件设计方案。其次,为实现苹果的识别与分类,本文以红富士和红元帅苹果作为研究对象,首先提出采用线性核和RBF核组合,自动搜索核权重的多核最小二乘支持向量机算法,分别建立了两种苹果的分类模型及红富士苹果的分级模型。然后对深层卷积神经网络算法进行了研究,提出一种基于LeNet-5改进神经网络模型的深度学习算法,该算法针对彩色图像增加了Flatten层,将三通道数据扁平化为单通道,然后在全连接层中加入了Dropout策略以增加模型的泛化能力,并以LeakyRe LU函数替代原始的Sigmoid激活函数以缓解由于模型层数增加所带来的梯度弥散和梯度消失问题。通过对比两种方法在苹果分类和分级的实验结果表明,SVM方法在苹果图像样本数量较少时相比于CNN方法具有更好的识别分类效果,而当图像数据足够时,CNN方法相比于SVM方法无论在训练和测试的时间上还是分类精度上都具有明显优势。最后,对苹果的定位方法进行了研究,给出一种确定苹果中心坐标的改进霍夫圆检测算法,并结合改进的张正友标定算法,实现苹果目标的机械手抓取定位。结果表明改进的Hough变换圆检测方法相比于原始Hough检测的苹果中心更加精确,然而运算效率不高,不适合对高分辨率图像进行处理。