随着现代制造技术的进步，工业产品型号识别和尺寸测量技术也正向着网络化、高速化和高精度化方向发展，传统检测方法已经无法完全满足现代制造业的特殊要求，各行业在解决了生产自动化问题之后，开始寻求以机器视觉为基础的产品检测自动化和装配自动化。机器视觉检测技术具有非接触、精度高、速度快的优点，基于机器视觉的非接触识别和测量方法已成为精密测量技术的重要发展方向，机器视觉检测技术已成为工业界关注的热点之一。本文主要根据某工厂实际生产中的零件识别和测量要求研究了以下几个方面的内容：（1）分析了基于机器视觉的零件识别和测量技术的国内外研究现状。根据零件识别和测量要求设计了总体方案，完成了硬件组建和软件设计并进行通信调试，最终组建了一套基于机器视觉的零件识别和测量系统。（2）研究了针对零件图片进行的对比度增强、滤波、二值化、边缘检测、边缘形态学处理等图像预处理技术。分析了各种处理方法的基本原理，并给出了各种方法对零件图像的处理效果，为后续零件型号识别和尺寸测量做准备。（3）研究了据零件图像识别零件型号的方法。首先设计了零件总体识别方案，根据识别需求选择了可靠性较高的基于灰度的识别算法；接着针对该算法计算量较大的缺点，研究中提出了根据零件内、外圆直径进行二次分类同时划定匹配区域来提高匹配效率的方法；实际应用中待识别零件位置不固定并存在不同角度的旋转，为确保旋转后零件图像能与模板匹配，在识别过程中采用旋转模板图像产生不同方向模板匹配的方法，最后描述了图像模板制作方法和零件图像识别算法，同时给出了零件图像匹配识别步骤和识别结果，并对结果进行了分析。（4）研究了线性和非线性零件测量系统模型的标定原理和测量实验，根据标定确定的像平面坐标系和世界坐标系的对应关系，结合像平面坐标系与计算机图像坐标系的对应关系得到零件在计算机图像坐标系中的像素坐标与其在世界坐标系中物理坐标的对应关系，从而由零件的像素坐标得到其对应的物理坐标，最终经过换算得出零件的实际物理尺寸。描述了标定方法，给出了标定前后的实验效果对比图；采用标定后系统对零件进行了尺寸测量实验，并对测量结果进行了分析。