随着国内制造业数字化智能化转型升级进程不断推进,生产制造现场对于工业机器人智能化操作水平提出了越来越高的要求。将机器视觉与机器人相结合,可以提高工业机器人对复杂环境的感知与适应能力,实现机器人智能化抓取作业。然而,对于五金件生产加工行业而言,五金件表面强烈的反光及加工现场复杂的光照条件复杂等,对机器视觉检测技术的应用带来较大挑战,尤其是在上下料及分拣环节中,多种类别五金件经常随意混叠堆放,会出现外轮廓相互粘连、混叠和遮挡的情况,导致现有的视觉检测算法在五金件识别及定位过程中会出现误识别率高、识别速度慢及定位精度差的问题,无法有效辅助工业机器人实现五金件的智能抓取。因此,本文针对当前机器人视觉检测算法在多类别五金件的识别与定位中存在的不足,开展了基于卷积神经网络的多类别五金件识别与定位算法研究,有效提升了算法的多目标检测召回率和泛化能力,为推进工业机器人在五金件加工行业中的推广应用提供了理论支持。本文的主要研究内容如下:（1）针对工业现场多类别五金件随意混叠摆放导致现有机器视觉检测算法误检漏检率高的问题,本文进行了多类别五金件视觉识别算法的研究。在研究现有机器视觉检测算法的基础上,本文通过增加一个预测输出层,改进了YOLOv5算法的网络结构,并通过优化算法的损失函数及非极大值预测机制,提升了算法的检测性能。实验结果表明,与Faster R-CNN、YOLOv3、YOLOv5算法相比,改进算法对于倾斜、相互粘连和遮挡的多类别五金件识别效果大大提高。此外,针对实验数据集数据不充足导致网络训练模型无法收敛或容易产生过拟合现象的问题,本文通过采用旋转、翻转和裁剪等数据增强手段,扩充了实验数据集,提升了算法的泛化能力。（2）针对因五金件相互粘连或堆叠导致现有视觉检测算法目标物轮廓提取困难,无法精确估计目标物形心坐标的问题,本文进行了五金件视觉定位算法研究,提出了基于凸缺陷检测的五金件平面定位算法,该算法通过检测并筛选五金件图像外轮廓凸缺陷,实现了堆叠及粘连场景下多类别五金件轮廓的有效分割,提升了五金件平面定位精度。实验表明,与常用的距离变换算法相比,本文的算法在多类别五金件轮廓提取方面的泛化能力更强。在此基础上,搭建双目视觉系统,并利用SGBM局部立体匹配算法获得五金件的深度信息,进一步完善了五金件的空间定位信息,为实现多类别五金件机器人智能识别及抓取奠定了理论基础。（3）在多类别五金件识别及定位算法研究的基础上,本文搭建了基于UR5工业机器人的多类别五金件智能抓取实验平台。实验结果表明,本文所提出的多类别五金件识别及定位算法能够有效的识别不同类别的五金件,并准确提取五金件的空间位置信息,实现了工业机器人对于多类别五金件的自主识别和抓取。最后,对本课题现有研究成果进行了总结,并对后续研究进行了展望。