随着“中国制造2025”战略的推进，制造业工厂的自动化与智能化水平正在逐步提高，机器人的需求数量也在增长。其中，3C（计算机、通信与消费电子）行业有望成为下一个机器人应用的重要领域。但到目前为止，3C行业的机器人研究与应用并不充分，所以3C行业的机器人系统关键技术必将会成为未来的重要研究方向。在此背景下，本文对3C行业机器人应用的关键技术进行了研究。　　本文以3C行业的点胶机器人系统为背景，对元器件辅助定位、元器件图像分割、视觉标定、以及机器人系统结构等关键技术进行了研究。首先，由于Mark点识别的缩放不变性和旋转不变性等要求，所以采用了一种基于不变矩的Mark点识别与定位算法对Mark点进行精确定位，进而根据Mark点与元器件的固有位置关系实现元器件的间接定位。然后，本文基于深度学习方法，运用Mask-RCNN对元器件进行检测与分割，从而实现了点胶轮廓的精确提取。接着，基于点胶机器人背景设计了一个点胶机器人视觉伺服系统，并解决了视觉伺服系统中面临的视觉标定与坐标系关系映射问题。最后，介绍了点胶机器人系统的结构组成，并分析了点胶任务的工作流程及实验数据。　　实验表明，本文提出的Mark点定位算法不仅有着良好的平移不变性、缩放不变性和旋转不变性，还可以提高准确性和实时性；基于Mask-RCNN的元器件分割算法对复杂元器件分割精度更高，且对不同元器件的适应能力更强。相比传统点胶方法，本文所提点胶方法具有更高的精准性、可靠性和适应性，也有一定实用价值。