随着智能制造技术的发展,机器视觉技术在生活和工业中应用越来越广。为了解决生活和工业上类长方体物品的分类问题,本文以药瓶分拣为例,结合机械臂控制技术和卷积神经网络技术对药瓶实施分拣。利用CCD相机采集药瓶图像,对采集的图像使用改进的VGG网络进行训练,将识别的结果发送给机械臂,机械臂根据识别药瓶的姿态信息采取抓取策略。本文针对药瓶分拣问题,主要完成了以下工作:（1）结合药瓶特点,设计了药瓶检测系统总体方案,根据方案设计,搭建用于药瓶分拣的检测系统平台。（2）对药瓶检测系统中的双目视觉进行标定,利用棋盘格求取单目视觉的内参数和畸变系数,左、右相机之间的旋转平移参数,以及对双目视觉做立体校正。（3）对CCD相机拍摄的图像进行阈值分割,获得药瓶图像,对药瓶图像进行预处理和数据增强。针对VGG网络在对药瓶图像进行训练时,全连接参数较多,识别准确率不高的问题,本文提出了改进的VGG网络算法,通过加深网络结构,对特征图进行降维处理,提升了VGG网络对药瓶图像的识别准确率。（4）针对VGG网络训练过程中,网络难以收敛,模型的准确率提升不够的问题,本文提出了改进的网络预训练方法,通过不相关的数据集训练网络,将前几层的参数对VGG网络参数共享,对VGG后几层参数进行初始化,加速了模型训练和损失函数收敛,提高了模型的识别准确率。（5）针对药瓶分拣问题,本文采用了基于视觉识别的机械臂控制策略,通过改进的VGG网络算法识别药瓶,将药瓶的位姿信息和类别信息发送给机械臂,机械臂根据识别结果采取相应的抓取方式,达到正确分类和摆放的目的。本文搭建的基于机器视觉识别与机械臂结合的药瓶检测系统能够对药瓶分拣达到92%的准确率,整体检测效果良好。