工件分拣是工业化生产的重要内容之一，分拣效率的高低直接影响到企业的效益。本课题结合上海市高校创新计划项目《基于机器视觉的多轴分拣系统开发》（课题编号20131006），对机器视觉测量的关键技术进行了系统研究。以工业流水线现场工件分拣为背景，介绍了机器视觉技术在工件识别中的应用以及主要图像处理算法。采用机器示教方法建立待处理零件的特征库，通过图像预处理、阈值分割、边缘和轮廓提取算法等获取零件图像的特征并与标准模板比较，从而判别待测零件的种类。为解决零件摆放的位姿偏差，提出了采用边缘检测和轮廓跟踪算法确定工件形心位置和旋转角度，根据与模板零件的相似性测度判断工件的特性，为自动分拣提供决策支持。实验验证了本算法的有效性。本课题的主要内容如下：（1）在机器视觉图像处理算法方面，研究了图像滤波、二值化、预处理、图像分割等关键算法，以边缘检测和轮廓跟踪算法得到待测物形心位置和旋转角度，此算法解决了零件摆放的随意性，研究结果可应用到自动分拣系统。（2）在机器视觉图像识别方面，建立了标准工件模板，通过对待测工件的平移和旋转变换，和标准模板进行相似性比较，从而判断是否为同类零件。（3）在工件自动分拣机器视觉系统硬件平台设计方面，介绍了基于机器视觉的零件分类识别系统的组成，结合工业流水线生产现场的品质管理需要，分析了工业CCD相机、图像采集卡、电机、气爪等硬件的选型依据，并进行了多通道照明光源结构的设计，通过实物成像和测试分析，验证了光源的成像质量的可靠性。（4）在工件自动分拣机器视觉系统软件设计方面，介绍了视觉分拣应用软件的开发环境，零件分拣系统的工作流程，并用MATLAB软件验证了算法的有效性。