在工业自动化领域,点胶机被广泛应用于多个生产制造环节。面临市场日益增高的精度要求和效率要求,机器视觉被广泛应用到点胶机系统中,具备高速度、高精度以及智能化的点胶机已成为市场主流。为实现高精度需要对点胶机进行误差校正,而经典的误差校正方式如激光干涉仪法,存在耗时长、操作难、设备成本高的问题,且校正过程无法做到全自动。目前普遍所采用的标定板校正法虽然实现了高效性与便携性,但只能做到局部离散校正,仍然存在精度不足的问题。因此研究一种高效率、高精度且高智能化的全自动误差校正方法具有很高的应用意义。本文简要介绍了点胶机的误差构成,并分析了处主要地位的几何误差。提出了一种通过标定板与工业相机获取误差样本数据,并使用径向基神经网络逼近误差空间从而提供误差软补偿的误差校正方案。为了提高误差样本获取环节中标记圆的定位精度,基于开源视觉库Open CV开发了一套专用于标记圆定位的图像处理算法。在误差样本的处理环节,使用高斯函数作为基函数搭建了径向基神经网络,根据离线样本对网络的超参数进行了一系列调节,得出了适用于误差校正的超参数组合。基于上述内容开发了点胶机的误差校正功能模块,作为子程序集成到点胶机软件中。通过实验数据与分析,测试了误差校正结果,与传统的双线性校正进行了精度和边界处理的对比,并用激光干涉仪验证了误差校正精度。实验测试结果表明本文提出的点胶机误差校正算法能有效地降低点胶机的主要几何误差,与传统的双线性校正算法相比精度更高、平滑性更佳、边界处理更好,达到了点胶机高精度、高智能化的要求。