为了发展本国的制造业,世界各工业强国相继提出了振兴本土制造业的战略,从“工业4.0”、“工业互联网”到“中国制造2025”,其本质就是推动本国智能制造的技术研究、实际应用和产业升级。在智能制造的大背景下,要求制造业企业对工厂进行数字化和自动化改造,机器视觉作为一门新兴技术,为制造业企业的无人化、自动化、智能化做出了巨大贡献,机器视觉技术的广泛应用是顺应制造业改革的必然结果。因此,本文对基于机器视觉的产品识别与定位方法进行了研究,旨在提升工业生产现场的无人化、智能化程度,主要研究内容包括:图像采集与数据扩充方法研究、基于深度学习的产品识别方法研究、基于YOLO检测框架的产品定位方法研究(又称为产品检测方法)以及产品识别与定位方法的应用验证。首先,本文对生产线产品的图像采集方式和数据扩充方法进行了研究,通过丰富训练数据集的多样性来避免产品识别模型的过拟合问题。然后,通过对卷积神经网络的学习和研究,搭建了产品识别模型,并对模型参数进行了优化,其识别正确率达到97.5%。为了满足生产线对于产品检测的实时性需求,通过分析目前的检测框架,综合选择YOLO检测框架,在其基础上通过增加模型卷积结构、增添锚点等方式,使其符合生产线产品识别与定位的需求。最后对所研究的产品识别与定位方法进行应用验证,通过完整的方法应用流程,包括相机、镜头以及光源的选用,软件环境的搭建以及模型构建,完成了产品识别与定位方法的应用验证,模型在保证准确率的前提下检测速度保持在13FPS,能够满足实时性的需求。